pipeline_tag: 句子相似度 license: cc-by-4.0 tags:

• 句子转换器

• 特征提取

• 句子相似度

• 转换器 language:

• 多语言

• 英语

• 印地语

• 马拉地语

• 卡纳达语

• 泰米尔语

• 泰卢固语

• 马拉雅拉姆语

• 古吉拉特语

• 奥里亚语

• 旁遮普语

• 孟加拉语 widget:

• source_sentence: "दिवाळी आपण मोठ्या उत्साहाने साजरी करतो" sentences:

  • "दिवाळी आपण आनंदाने साजरी करतो"
  • "दिवाळी हा दिव्यांचा सण आहे" example_title: "单语- 马拉地语"

• source_sentence: "हम दीपावली उत्साह के साथ मनाते हैं" sentences:

  • "हम दीपावली खुशियों से मनाते हैं"
  • "दिवाली रोशनी का त्योहार है" example_title: "单语- 印地语"

• source_sentence: "અમે ઉત્સાહથી દિવાળી ઉજવીએ છીએ" sentences:

  • "દિવાળી આપણે ખુશીઓથી ઉજવીએ છીએ"
  • "દિવાળી એ રોશનીનો તહેવાર છે" example_title: "单语- 古吉拉特语"

• source_sentence: "आम्हाला भारतीय असल्याचा अभिमान आहे" sentences:

  • "हमें भारतीय होने पर गर्व है"
  • "భారతీయులమైనందుకు గర్విస్తున్నాం"
  • "અમને ભારતીય હોવાનો ગર્વ છે" example_title: "跨语言示例1"

• source_sentence: "ਬਾਰਿਸ਼ ਤੋਂ ਬਾਅਦ ਬਗੀਚਾ ਸੁੰਦਰ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ" sentences:

  • "മഴയ്ക്ക് ശേഷം പൂന്തോട്ടം മനോഹരമായി കാണപ്പെടുന്നു"
  • "ବର୍ଷା ପରେ ବଗିଚା ସୁନ୍ଦର ଦେଖାଯାଏ |"
  • "बारिश के बाद बगीचा सुंदर दिखता है" example_title: "跨语言示例2"

IndicSBERT-STS

这是一个基于印度十种主要语言的STS数据集训练的IndicSBERT模型（l3cube-pune/indic-sentence-bert-nli）。
该单一模型适用于英语、印地语、马拉地语、卡纳达语、泰米尔语、泰卢固语、古吉拉特语、奥里亚语、旁遮普语、马拉雅拉姆语和孟加拉语。该模型还具备跨语言能力。
作为MahaNLP项目的一部分发布：https://github.com/l3cube-pune/MarathiNLP

通用印度语句子BERT模型在此处共享：l3cube-pune/indic-sentence-bert-nli
关于数据集、模型和基线结果的更多详情，请参阅我们的论文

@article{deode2023l3cube,
  title={L3Cube-IndicSBERT: A simple approach for learning cross-lingual sentence representations using multilingual BERT},
  author={Deode, Samruddhi and Gadre, Janhavi and Kajale, Aditi and Joshi, Ananya and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2304.11434},
  year={2023}
}

单语Indic SBERT论文
多语言Indic SBERT论文

其他单语相似度模型如下：
马拉地语相似度
印地语相似度
卡纳达语相似度
泰卢固语相似度
马拉雅拉姆语相似度
泰米尔语相似度
古吉拉特语相似度
奥里亚语相似度
孟加拉语相似度
旁遮普语相似度
印度语相似度（多语言）

其他单语印度语句子BERT模型如下：
马拉地语SBERT
印地语SBERT
卡纳达语SBERT
泰卢固语SBERT
马拉雅拉姆语SBERT
泰米尔语SBERT
古吉拉特语SBERT
奥里亚语SBERT
孟加拉语SBERT
旁遮普语SBERT
印度语SBERT（多语言）

使用方法（Sentence-Transformers）

安装sentence-transformers后，使用此模型变得简单：

pip install -U sentence-transformers

然后可以像这样使用模型：

from sentence_transformers import SentenceTransformer
sentences = ["这是一个示例句子", "每个句子都会被转换"]

model = SentenceTransformer('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)