language:

• 俄语 tags:
• PyTorch
• Transformers license: mit

俄语大模型多任务BERT（区分大小写）句子嵌入

该模型在这篇文章中有详细描述
俄语SuperGLUE评测指标

为获得最佳效果，请使用平均词元嵌入。

使用方法（HuggingFace模型库）

您可以直接从模型库调用该模型计算句子嵌入：

from transformers import AutoTokenizer, AutoModel
import torch
#平均池化——考虑注意力掩码以确保正确平均
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #模型输出的第一个元素包含所有词元嵌入
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    sum_embeddings = torch.sum(token_embeddings * input_mask_expanded, 1)
    sum_mask = torch.clamp(input_mask_expanded.sum(1), min=1e-9)
    return sum_embeddings / sum_mask
#需要获取嵌入的句子示例
sentences = ['你好！最近怎么样？',
             '42真的是你最喜欢的数字吗？']
#从huggingface模型库加载AutoModel
tokenizer = AutoTokenizer.from_pretrained("ai-forever/sbert_large_mt_nlu_ru")
model = AutoModel.from_pretrained("ai-forever/sbert_large_mt_nlu_ru")
#对句子进行词元化处理
encoded_input = tokenizer(sentences, padding=True, truncation=True, max_length=24, return_tensors='pt')
#计算词元嵌入
with torch.no_grad():
    model_output = model(**encoded_input)
#执行池化操作，本例采用平均池化
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

作者团队

• SberDevices 技术团队
• Aleksandr Abramov: HF主页, Github, Kaggle竞赛大师;
• Denis Antykhov: Github;