🚀 意大利问答句转换器模型

本模型专为意大利语问答任务设计，能够理解和处理意大利语查询，精准定位答案所在的相关上下文。可广泛应用于客户支持自动化、教育工具和信息检索系统等领域。

🚀 快速开始

本模型是专门为意大利语问答（Q&A）任务设计的。它适用于需要理解和处理意大利语查询，以找出答案所在最相关上下文的应用程序。合适的用例包括但不限于客户支持自动化、教育工具和信息检索系统。

✨ 主要特性

• 专为意大利语问答任务定制，能精准理解和处理意大利语查询。
• 采用基于Transformer的架构，针对意大利语的细微差别进行了优化。
• 可将句子映射到高维空间，预测包含答案的最可能上下文。

📦 安装指南

使用SentenceTransformer安装

pip install -U sentence-transformers

💻 使用示例

基础用法

from transformers import AutoTokenizer, AutoModel
import torch
from sklearn.metrics.pairwise import cosine_similarity
from sklearn.preprocessing import normalize

# Load model and tokenizer
model_name = "DeepMount00/Anita"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name)

# Prepare sentences
sentences = [
    "Cosa faceva ogni sera Luca?",
    "Un cane felice corre nel parco, la coda ondeggiante al vento. Ogni erba, ogni farfalla, un'avventura. Occhi scintillanti, lingua penzolante, esplora gioiosamente, amato e coccolato dal suo fedele compagno umano. Insieme, condividono un legame indissolubile, tessuto di corse, giochi e affetto incondizionato.",
    "In un piccolo paesino circondato da colline verdeggianti e campi fioriti viveva una persona il cui sorriso era capace di illuminare la giornata più grigia. Questa persona, di nome Luca, aveva trovato la chiave della felicità nelle piccole gioie quotidiane: il profumo del caffè al mattino, il suono ridente dei bambini che giocavano in piazza, il tramonto che dipingeva il cielo di arancione e viola ogni sera."
]

# Tokenize, encode, and compute embeddings
embeddings = []
with torch.no_grad():
    for sentence in sentences:
        encoded_input = tokenizer(sentence, return_tensors='pt', padding=True, truncation=True, max_length=512)
        embedding = model(**encoded_input).pooler_output
        embeddings.append(embedding)

# Convert embeddings to numpy and normalize
embeddings = torch.cat(embeddings, dim=0).numpy()

# Calculate cosine similarity
similarity_matrix = cosine_similarity(embeddings)

# Print similarity scores
print("Similarità tra la sentenza 1 e 2:", similarity_matrix[0, 1])
print("Similarità tra la sentenza 1 e 3:", similarity_matrix[0, 2])
print("Similarità tra la sentenza 2 e 3:", similarity_matrix[1, 2])

高级用法

from sentence_transformers import SentenceTransformer
sentences = ["Oggi sono andato al mare", "La torre di Pisa si trova in Toscana"]

model = SentenceTransformer('DeepMount00/Anita')
embeddings = model.encode(sentences)
print(embeddings)

📚 详细文档

模型信息

版本与发布信息

• 版本：2
• 发布日期：2024年4月23日

📄 许可证

本模型采用Apache-2.0许可证。