pipeline_tag: 句子相似度 tags:

• 句子转换器
• 特征提取
• 句子相似度 language:
• 英文 metrics:
• 准确率
• F1值
• 召回率
• 精确率

DunnBC22/sentence-t5-base-FT-Quora_句子相似度-LG

这是一个句子转换器模型：它将句子和段落映射到768维的密集向量空间，可用于聚类或语义搜索等任务。

关于其创建过程的更多信息，请查看以下链接：https://github.com/DunnBC22/NLP_Projects/blob/main/Semantic_Similarity/Semantic%20Similarity-base.ipynb

使用方法（句子转换器）

安装sentence-transformers后，使用此模型变得非常简单：

pip install -U sentence-transformers

然后可以像这样使用模型：

from sentence_transformers import SentenceTransformer
sentences = ["这是一个示例句子", "每个句子都会被转换"]

model = SentenceTransformer('DunnBC22/sentence-t5-base-FT-Quora_Sentence_Similarity-LG')
embeddings = model.encode(sentences)
print(embeddings)

评估结果

关于此模型的自动化评估，请参见句子嵌入基准：https://seb.sbert.net

训练过程

模型训练参数如下：

数据加载器：

torch.utils.data.dataloader.DataLoader，长度4673，参数：

{'batch_size': 64, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

损失函数：

sentence_transformers.losses.OnlineContrastiveLoss.OnlineContrastiveLoss

fit()方法参数：

{
    "epochs": 1,
    "evaluation_steps": 0,
    "evaluator": "sentence_transformers.evaluation.BinaryClassificationEvaluator.BinaryClassificationEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 2,
    "weight_decay": 0.01
}

潜在改进

改进此模型结果的一种方法是使用更大的T5检查点。此模型使用的是T5-base检查点。

更大的检查点包括：

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 34, 'do_lower_case': False}) with Transformer model: T5EncoderModel 
  (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})
  (2): Dense({'in_features': 768, 'out_features': 768, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (3): Normalize()
)

引用与作者

数据集来源：https://www.kaggle.com/datasets/quora/question-pairs-dataset