Flaubert Base Uncased Xnli Sts

🚀 inokufu/flaubert-base-uncased-xnli-sts

这是一个 sentence-transformers 模型：它能将句子和段落映射到一个 768 维的密集向量空间，可用于聚类或语义搜索等任务。

🚀 快速开始

本模型可通过两种方式使用，下面为你详细介绍。

📦 安装指南

若要使用此模型，你需要安装 sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基础用法（Sentence-Transformers）

安装 sentence-transformers 后，使用该模型会变得非常简单：

from sentence_transformers import SentenceTransformer
sentences = ["Apprendre le python", "Devenir expert en comptabilité"]

model = SentenceTransformer('inokufu/flaubert-base-uncased-xnli-sts')
embeddings = model.encode(sentences)
print(embeddings)

高级用法（HuggingFace Transformers）

若未安装 sentence-transformers，你可以按以下方式使用该模型：首先，将输入传递给 Transformer 模型，然后对上下文词嵌入应用正确的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    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 we want sentence embeddings for
sentences = ["Apprendre le python", "Devenir expert en comptabilité"]

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('inokufu/flaubert-base-uncased-xnli-sts')
model = AutoModel.from_pretrained('inokufu/flaubert-base-uncased-xnli-sts')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, mean pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

📚 详细文档

模型详情

此模型基于法语的 flaubert-base-uncased 预训练模型 [1, 2]。

随后，它在自然语言推理任务（XNLI）上进行了微调 [3]。该任务旨在训练模型识别句子之间的关系（矛盾、中立、蕴含）。

接着，它又在文本语义相似度任务（基于 STS-fr 数据）上进行了微调 [4]。此任务的目的是训练模型估计两个句子之间的相似度。

这种微调过程使我们的模型对单词的语义表示比基础模型有了显著提升。

评估结果

STS（法语）得分：83.07%

模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': True}) with Transformer model: FlaubertModel
  (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})
)

参考资料

[1] https://hal.archives-ouvertes.fr/hal-02784776v3/document
[2] https://huggingface.co/flaubert/flaubert_base_uncased
[3] https://arxiv.org/abs/1809.05053
[4] https://huggingface.co/datasets/stsb_multi_mt

📄 信息表格