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 widget: source_sentence: "一个男人正在吃意大利面。" sentences: - '一个男人正在吃饭。' - '一个男人正在吃一片面包。' - '一个女孩抱着一个孩子。' - '一个男人骑在马上。' - '一个女人正在弹钢琴。' - '两个男人把马车推进森林。' - '一个男人骑着白马在田野上。' - '一只猴子在打鼓。' - '一只猎豹正在追逐猎物。'

使用 distilbert-zwnj-wnli-mean-tokens 的句子嵌入

使用（Sentence-Transformers）

安装 sentence-transformers 后，可以轻松使用此模型：

pip install -U sentence-transformers

然后可以像这样使用模型：

from sentence_transformers import SentenceTransformer


sentences = [
    '巴比伦城的第一位统治者是谁？',
    '冬天发生了什么？',
    '居鲁士的遗产'
]
model = SentenceTransformer('m3hrdadfi/distilbert-zwnj-wnli-mean-tokens')
embeddings = model.encode(sentences)
print(embeddings)

使用（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，然后必须在上下文词嵌入之上应用正确的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


# 最大池化 - 对每个维度取时间上的最大值。
def max_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()
    token_embeddings[input_mask_expanded == 0] = -1e9  # 将填充标记设置为很大的负值
    return torch.mean(token_embeddings, 1)[0]

# 需要获取句子嵌入的句子
sentences = [
    '巴比伦城的第一位统治者是谁？',
    '冬天发生了什么？',
    '居鲁士的遗产'
]

# 从 HuggingFace Hub 加载模型
tokenizer = AutoTokenizer.from_pretrained('m3hrdadfi/distilbert-zwnj-wnli-mean-tokens')
model = AutoModel.from_pretrained('m3hrdadfi/distilbert-zwnj-wnli-mean-tokens')

# 对句子进行标记化
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。这里使用最大池化。
sentence_embeddings = max_pooling(model_output, encoded_input['attention_mask'])

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

有问题？

请在 这里 提交一个 Github 问题。