🚀 卡纳达语SBERT-STS

这是一个在STS数据集上微调的卡纳达语SBERT模型（l3cube-pune/kannada-sentence-bert-nli）。
作为MahaNLP项目的一部分发布：https://github.com/l3cube-pune/MarathiNLP
支持主要印度语言和跨语言句子相似度的该模型多语言版本可在此处获取 indic-sentence-similarity-sbert

有关数据集、模型和基线结果的更多详细信息，请参阅我们的论文

@article{deode2023l3cube,
  title={L3Cube-IndicSBERT: A simple approach for learning cross-lingual sentence representations using multilingual BERT},
  author={Deode, Samruddhi and Gadre, Janhavi and Kajale, Aditi and Joshi, Ananya and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2304.11434},
  year={2023}
}

@article{joshi2022l3cubemahasbert,
  title={L3Cube-MahaSBERT and HindSBERT: Sentence BERT Models and Benchmarking BERT Sentence Representations for Hindi and Marathi},
  author={Joshi, Ananya and Kajale, Aditi and Gadre, Janhavi and Deode, Samruddhi and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2211.11187},
  year={2022}
}

单语言印度SBERT论文
多语言印度SBERT论文

✨ 主要特性

• 基于卡纳达语SBERT模型在STS数据集上进行微调。
• 作为MahaNLP项目的一部分发布。
• 有支持主要印度语言和跨语言句子相似度的多语言版本。

📦 安装指南

当你安装了 sentence-transformers 后，使用此模型会变得很容易：

pip install -U sentence-transformers

💻 使用示例

基础用法（使用Sentence-Transformers）

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)

高级用法（不使用Sentence-Transformers，使用HuggingFace Transformers）

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 = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')

# 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

其他单语言相似度模型列表如下：
马拉地语相似度模型
印地语相似度模型
卡纳达语相似度模型
泰卢固语相似度模型
马拉雅拉姆语相似度模型
泰米尔语相似度模型
古吉拉特语相似度模型
奥里亚语相似度模型
孟加拉语相似度模型
旁遮普语相似度模型
印度语相似度模型（多语言）

其他单语言印度语句子BERT模型列表如下：
马拉地语SBERT
印地语SBERT
卡纳达语SBERT
泰卢固语SBERT
马拉雅拉姆语SBERT
泰米尔语SBERT
古吉拉特语SBERT
奥里亚语SBERT
孟加拉语SBERT
旁遮普语SBERT
印度语SBERT（多语言）

📄 许可证

本模型采用CC BY 4.0许可证。