🚀 sentence-transformers/paraphrase-MiniLM-L6-v2

这是一个 sentence-transformers 模型，它可以将句子和段落映射到一个 384 维的密集向量空间，可用于聚类或语义搜索等任务。

此模型是原模型的克隆版本，将 pipeline_tag 元数据更改为 feature-extraction，因此它可以直接返回嵌入向量，其他方面则保持不变。

🚀 快速开始

本模型可用于特征提取，将句子和段落映射到 384 维的密集向量空间，可用于聚类或语义搜索等任务。

✨ 主要特性

• 可将句子和段落映射到 384 维的密集向量空间。
• 可用于聚类或语义搜索等任务。
• 克隆版本更改元数据后可直接返回嵌入向量。

📦 安装指南

若要使用该模型，需安装 sentence-transformers：

pip install -U sentence-transformers

💻 使用示例

基础用法

当你安装了 sentence-transformers 后，使用该模型会变得很简单：

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('sentence-transformers/paraphrase-MiniLM-L6-v2')
embeddings = model.encode(sentences)
print(embeddings)

高级用法

若未安装 sentence-transformers，可以按以下方式使用该模型：首先，将输入数据传入 Transformer 模型，然后对上下文词嵌入应用正确的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    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)


# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('sentence-transformers/paraphrase-MiniLM-L6-v2')
model = AutoModel.from_pretrained('sentence-transformers/paraphrase-MiniLM-L6-v2')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, max pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

📚 详细文档

若要对该模型进行自动评估，请参考 Sentence Embeddings Benchmark：https://seb.sbert.net

🔧 技术细节

完整的模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)

📄 许可证

本项目采用 Apache-2.0 许可证。

📚 引用与作者

该模型由 sentence-transformers 训练。

如果您觉得该模型有帮助，请引用我们的论文 Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks：

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "http://arxiv.org/abs/1908.10084",
}