Sbert Chinese General V2

🚀 DMetaSoul/sbert-chinese-general-v2

本模型基于 bert-base-chinese 版本的 BERT 模型，在百万级语义相似数据集 SimCLUE 上进行训练。它适用于通用语义匹配场景，在各类任务中展现出了更出色的泛化能力。

注：此模型的轻量化版本也已开源！

🚀 快速开始

✨ 主要特性

• 基于 BERT 模型，在大规模语义相似数据集上训练。
• 适用于通用语义匹配场景，泛化能力强。
• 提供轻量化版本。

📦 安装指南

使用 Sentence-Transformers 框架

通过 sentence-transformers 框架来使用该模型，首先进行安装：

pip install -U sentence-transformers

使用 HuggingFace Transformers

若不想使用 sentence-transformers，也可通过 HuggingFace Transformers 来载入该模型。

💻 使用示例

基础用法

使用 Sentence-Transformers 框架载入模型并进行文本表征向量的提取：

from sentence_transformers import SentenceTransformer
sentences = ["我的儿子！他猛然间喊道，我的儿子在哪儿？", "我的儿子呢！他突然喊道，我的儿子在哪里？"]

model = SentenceTransformer('DMetaSoul/sbert-chinese-general-v2')
embeddings = model.encode(sentences)
print(embeddings)

高级用法

使用 HuggingFace Transformers 载入模型并进行文本向量抽取：

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 = ["我的儿子！他猛然间喊道，我的儿子在哪儿？", "我的儿子呢！他突然喊道，我的儿子在哪里？"]

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('DMetaSoul/sbert-chinese-general-v2')
model = AutoModel.from_pretrained('DMetaSoul/sbert-chinese-general-v2')

# 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

评估结果

该模型在公开的几个语义匹配数据集上进行了评测，计算了向量相似度跟真实标签之间的相关性系数：

这里对比了本模型跟之前发布的 sbert-chinese-general-v1 之间的差异，可以看到本模型在多个任务上的泛化能力更好。

📄 许可证

文档未提及许可证信息，故跳过此章节。

🔧 技术细节

文档未提供具体的技术实现细节，故跳过此章节。

Citing & Authors

E-mail: xiaowenbin@dmetasoul.com