pipeline_tag: 句子相似度 language:

• 意大利语 tags:
• 句子转换器
• 特征提取
• 句子相似度
• 转换器模型

sentence-IT5-small 意大利语小型模型

这是一个基于sentence-transformers的模型：能够将句子和段落映射到512维稠密向量空间，适用于聚类或语义搜索等任务。该模型基于T5架构的意大利语小型版本(IT5)，专为非对称语义搜索训练，其中查询为关键词，段落为短篇新闻。

使用方法（Sentence-Transformers库）

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 = ["这是一个例句", "这是另一个例句"]

model = SentenceTransformer('efederici/sentence-IT5-small')
embeddings = model.encode(sentences)
print(embeddings)

使用方法（HuggingFace Transformers库）

若不使用sentence-transformers库，可通过以下方式实现：

from transformers import AutoTokenizer, AutoModel
import torch

# 均值池化处理 - 考虑注意力掩码进行正确平均
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] # 模型输出的第一个元素包含所有标记嵌入
    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 = ["这是一个例句", "这是另一个例句"]

# 从HuggingFace Hub加载模型
tokenizer = AutoTokenizer.from_pretrained('efederici/sentence-IT5-small')
model = AutoModel.from_pretrained('efederici/sentence-IT5-small')

# 句子标记化
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# 计算标记嵌入
with torch.no_grad():
    model_output = model(**encoded_input)

# 执行池化操作（本例采用均值池化）
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("句子嵌入向量：")
print(sentence_embeddings)

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': None, 'do_lower_case': False}) with Transformer model: T5EncoderModel 
  (1): Pooling({'word_embedding_dimension': 512, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)