语言:

• 阿拉伯语 (ar)
• 保加利亚语 (bg)
• 德语 (de)
• 希腊语 (el)
• 英语 (en)
• 西班牙语 (es)
• 法语 (fr)
• 俄语 (ru)
• 泰语 (th)
• 土耳其语 (tr)
• 乌尔都语 (ur)
• 越南语 (vn)
• 中文 (zh)

数据集:

• SNLI
• MNLI
• ANLI
• XNLI

任务标签:

• 句子相似度

标签:

• 零样本分类
• 句子转换器
• 特征提取
• 句子相似度
• 转换器

一个为零样本和小样本文本分类训练的双塔网络模型。

基础模型是 xlm-roberta-base。 它在 SNLI、MNLI、ANLI 和 XNLI 上进行了训练。

这是一个 sentence-transformers 模型：它将句子和段落映射到一个768维的密集向量空间。

使用方法 (Sentence-Transformers)

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", "每个句子都被转换"]

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

使用方法 (HuggingFace Transformers)

如果没有安装 sentence-transformers，可以这样使用模型：首先将输入传递给转换器模型，然后需要在上下文化的词嵌入之上应用正确的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


# 均值池化 - 考虑注意力掩码以进行正确的平均
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词嵌入
    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)


# 想要获取句子嵌入的句子
sentences = ['这是一个示例句子', '每个句子都被转换']

# 从HuggingFace Hub加载模型
tokenizer = AutoTokenizer.from_pretrained('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')

# 对句子进行分词
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# 计算词嵌入
with torch.no_grad():
    model_output = model(**encoded_input)

# 执行池化。这里使用均值池化。
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

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