🚀 巴西葡萄牙语相似度模型 - e5-small

本模型是 intfloat/multilingual-e5-small 的微调版本，使用 ASSIN2 数据集进行相似度评分训练。它属于 sentence-transformers 模型，可将句子和段落映射到 384 维的密集向量空间，适用于聚类、语义搜索等任务。

🚀 快速开始

若已安装 sentence-transformers，使用本模型将十分便捷。

📦 安装指南

pip install -U sentence-transformers

💻 使用示例

基础用法

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

model = SentenceTransformer('jmbrito/ptbr-similarity-e5-small')
embeddings = model.encode(sentences)
print(embeddings)

📚 详细文档

🔍 评估结果

本模型使用 ASSIN2 测试数据集，通过计算 Spearman 和 Pearson 等级相关性进行评估，评估结果为 0.79934。

🔧 技术细节

训练参数

• 数据加载器： torch.utils.data.dataloader.DataLoader，长度为 204，参数如下：

{'batch_size': 32, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

• 损失函数： sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss

fit() 方法的参数：

{
    "epochs": 10,
    "evaluation_steps": 100,
    "evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 100,
    "weight_decay": 0.01
}

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, '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})
  (2): Normalize()
)

📄 许可证

本模型采用 MIT 许可证。

📦 模型信息