🚀 SimCSE

SimCSE-DistMPNet-Paracrawl 是基于 Seznam/dist-mpnet-paracrawl-cs-en 模型，以 SimCSE 目标进行微调得到的。该项目由 Seznam.cz 发起，旨在创建高质量的小型捷克语语义嵌入模型。这些模型在各种自然语言处理任务中表现出色，包括相似度搜索、检索、聚类和分类。如需了解更多详细信息或评估结果，请访问相关 论文 或 GitHub 仓库。

🚀 快速开始

✨ 主要特性

• 基于 Seznam/dist-mpnet-paracrawl-cs-en 模型微调。
• 适用于多种自然语言处理任务，如相似度搜索、检索、聚类和分类。

💻 使用示例

基础用法

import torch
from transformers import AutoModel, AutoTokenizer

model_name = "Seznam/retromae-small-cs"  # Hugging Face link
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name)

input_texts = [
    "Dnes je výborné počasí na procházku po parku.",
    "Večer si oblíbím dobrý film a uvařím si čaj."
]

# Tokenize the input texts
batch_dict = tokenizer(input_texts, max_length=512, padding=True, truncation=True, return_tensors='pt')

outputs = model(**batch_dict)
embeddings = outputs.last_hidden_state[:, 0]  # Extract CLS token embeddings

similarity = torch.nn.functional.cosine_similarity(embeddings[0], embeddings[1], dim=0)

📄 许可证

本模型采用 CC BY 4.0 许可证。