🚀 韩语语义相似度模型 ko - sroberta - sts
ko - sroberta - sts 是一个基于 sentence - transformers 的模型,它能够将句子和段落映射到 768 维的密集向量空间中,可用于聚类、语义搜索等任务。
🚀 快速开始
安装依赖
若要使用该模型,需要安装 sentence - transformers:
pip install -U sentence-transformers
模型使用
基础用法
使用 sentence - transformers
库调用模型:
from sentence_transformers import SentenceTransformer
sentences = ["안녕하세요?", "한국어 문장 임베딩을 위한 버트 모델입니다."]
model = SentenceTransformer('jhgan/ko-sroberta-sts')
embeddings = model.encode(sentences)
print(embeddings)
高级用法
若不使用 sentence - transformers,可以按以下方式使用模型:先将输入数据传入 Transformer 模型,然后对上下文词嵌入应用合适的池化操作。
from transformers import AutoTokenizer, AutoModel
import torch
def mean_pooling(model_output, attention_mask):
token_embeddings = model_output[0]
input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)
sentences = ['This is an example sentence', 'Each sentence is converted']
tokenizer = AutoTokenizer.from_pretrained('jhgan/ko-sroberta-sts')
model = AutoModel.from_pretrained('jhgan/ko-sroberta-sts')
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
with torch.no_grad():
model_output = model(**encoded_input)
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
print("Sentence embeddings:")
print(sentence_embeddings)
📚 详细文档
评估结果
该模型在 KorSTS 训练数据集上进行训练,并在 KorSTS 评估数据集上进行评估,结果如下:
评估指标 |
数值 |
余弦相似度 - Pearson 系数 |
81.84 |
余弦相似度 - Spearman 系数 |
81.82 |
欧几里得距离 - Pearson 系数 |
81.15 |
欧几里得距离 - Spearman 系数 |
81.25 |
曼哈顿距离 - Pearson 系数 |
81.14 |
曼哈顿距离 - Spearman 系数 |
81.25 |
点积相似度 - Pearson 系数 |
79.09 |
点积相似度 - Spearman 系数 |
78.54 |
训练参数
数据加载器
使用 torch.utils.data.dataloader.DataLoader
,长度为 719,参数如下:
{'batch_size': 8, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}
损失函数
使用 sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss
。
训练方法参数
{
"epochs": 5,
"evaluation_steps": 1000,
"evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
"max_grad_norm": 1,
"optimizer_class": "<class 'transformers.optimization.AdamW'>",
"optimizer_params": {
"lr": 2e-05
},
"scheduler": "WarmupLinear",
"steps_per_epoch": null,
"warmup_steps": 360,
"weight_decay": 0.01
}
完整模型架构
SentenceTransformer(
(0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: RobertaModel
(1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)
引用与作者
如需更多信息,请参考相关引用资料。