pipeline_tag: 句子相似度 tags:

• 句子转换器
• 特征提取
• 句子相似度
• 转换器 language:
• 韩语 widget:
• source_sentence: "那家餐厅有苍蝇飞" sentences:
  • "那家餐厅没有顾客"
  • "那家餐厅在飞无人机"
  • "苍蝇在餐厅里飞来飞去" example_title: "餐厅示例"
• source_sentence: "困意袭来" sentences:
  • "毫无睡意"
  • "开始犯困"
  • "火车进站了" example_title: "睡意示例"

snunlp/KR-SBERT-V40K-klueNLI-augSTS

这是一个基于sentence-transformers的模型：能够将句子和段落映射到768维稠密向量空间，适用于聚类或语义搜索等任务。

使用方法（Sentence-Transformers）

安装sentence-transformers后即可轻松使用：

pip install -U sentence-transformers

使用示例：

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('snunlp/KR-SBERT-V40K-klueNLI-augSTS')
embeddings = model.encode(sentences)
print(embeddings)

使用方法（HuggingFace Transformers）

若不使用sentence-transformers，可通过以下方式调用：

from transformers import AutoTokenizer, AutoModel
import torch

# 均值池化处理
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] # 获取所有token的嵌入表示
    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)

# 待编码句子
sentences = ['这是一个示例句子', '每个句子都会被转换']

# 加载预训练模型
tokenizer = AutoTokenizer.from_pretrained('snunlp/KR-SBERT-V40K-klueNLI-augSTS')
model = AutoModel.from_pretrained('snunlp/KR-SBERT-V40K-klueNLI-augSTS')

# 编码处理
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# 计算嵌入表示
with torch.no_grad():
    model_output = model(**encoded_input)

# 执行池化操作
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("句子嵌入表示：")
print(sentence_embeddings)

模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: BertModel 
  (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})
)

文档分类应用

Google Colab教程：https://colab.research.google.com/drive/1S6WSjOx9h6Wh_rX1Z2UXwx9i_uHLlOiM

引用文献

@misc{kr-sbert,
  author = {Park, Suzi and Hyopil Shin},
  title = {KR-SBERT: 韩语专用预训练句子BERT模型},
  year = {2021},
  publisher = {GitHub},
  journal = {GitHub仓库},
  howpublished = {\url{https://github.com/snunlp/KR-SBERT}}
}