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

PatentSBERTa专利语义模型

PatentSBERTa：基于深度NLP的混合模型，采用增强型SBERT实现专利距离计算与分类

奥尔堡大学商学院AI增长实验室

论文链接：https://arxiv.org/abs/2103.11933
代码仓库：https://github.com/AI-Growth-Lab/PatentSBERTa

这是一个sentence-transformers模型：能够将句子和段落映射到768维稠密向量空间，适用于聚类或语义搜索等任务。

使用方法（Sentence-Transformers库）

安装sentence-transformers后即可便捷使用：

pip install -U sentence-transformers

调用示例：

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('AI-Growth-Lab/PatentSBERTa')
embeddings = model.encode(sentences)
print(embeddings)

使用方法（HuggingFace Transformers库）

若不使用sentence-transformers库，可通过以下方式调用：

from transformers import AutoTokenizer, AutoModel
import torch

def cls_pooling(model_output, attention_mask):
    return model_output[0][:,0]

sentences = ['这是一个示例句子', '每个句子都会被转换']

tokenizer = AutoTokenizer.from_pretrained('AI-Growth-Lab/PatentSBERTa')
model = AutoModel.from_pretrained('AI-Growth-Lab/PatentSBERTa')

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

with torch.no_grad():
    model_output = model(**encoded_input)

sentence_embeddings = cls_pooling(model_output, encoded_input['attention_mask'])
print("句子嵌入向量：")
print(sentence_embeddings)

评估结果

模型自动化评估请参见句子嵌入基准测试：https://seb.sbert.net

训练参数

数据加载器： 长度5的torch.utils.data.dataloader.DataLoader，参数配置：

{'batch_size': 16, 'sampler': '随机采样器', 'batch_sampler': '批采样器'}

损失函数： sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss

训练方法参数：

{
    "训练轮次": 1,
    "评估步长": 0,
    "评估器": "无",
    "最大梯度范数": 1,
    "优化器": "AdamW",
    "优化参数": {"学习率": 2e-05},
    "调度器": "线性预热",
    "每轮步数": null,
    "预热步数": 100,
    "权重衰减": 0.01
}

完整模型架构

SentenceTransformer(
  (0): Transformer({'最大序列长度': 512, '小写转换': False}) with MPNetModel 
  (1): Pooling({'词嵌入维度': 768, 'CLS标记池化': True, '均值标记池化': False, '最大标记池化': False, '平方根长度均值池化': False})
)

引用与作者

@article{bekamiri2021patentsberta,
  title={PatentSBERTa专利语义模型：基于增强型SBERT的专利距离计算与分类混合模型},
  author={贝卡米里, 哈米德 and 海因, 丹尼尔 and 尤罗维茨基, 罗曼},
  journal={arXiv预印本 arXiv:2103.11933},
  year={2021}
}