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

SBERT-large-nli-v2

使用方法

使用说明请参考我们的代码库：https://github.com/Muennighoff/sgpt

评估结果

评估结果请参考我们的论文：https://arxiv.org/abs/2202.08904

训练过程

模型训练参数如下：

数据加载器：

使用 sentence_transformers.datasets.NoDuplicatesDataLoader.NoDuplicatesDataLoader，长度为 93941，参数为：

{'batch_size': 6}  

损失函数：

使用 sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss，参数为：

{'scale': 20.0, 'similarity_fct': 'cos_sim'}  

训练方法 fit() 的参数：

{
    "epochs": 1,
    "evaluation_steps": 9394,
    "evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'transformers.optimization.AdamW'>",
    "optimizer_params": {
        "lr": 1e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 9395,
    "weight_decay": 0.01
}

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 75, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

引用与作者

@article{muennighoff2022sgpt,  
  title={SGPT: GPT句子嵌入在语义搜索中的应用},  
  author={Muennighoff, Niklas},  
  journal={arXiv预印本 arXiv:2202.08904},  
  year={2022}  
}