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 language:
• 罗马尼亚语 language_creators:
• 机器生成 dataset:
• ro_sts license: apache-2.0 datasets:
• BlackKakapo/RoSTSC base_model:
• sentence-transformers/all-MiniLM-L6-v2

🔥 罗马尼亚迷你丘比特

向罗马尼亚迷你丘比特问好——它比tiny版本稍大，但仍保持轻量级，仅约90MB。基于sentence-transformers/all-MiniLM-L6-v2微调，这款句子转换器模型能流畅地将罗马尼亚语句子映射为紧凑的密集向量，适用于语义搜索、聚类和文本相似度等任务。 它生动证明了有时稍大的尺寸恰到好处——依然快速、高效，且足够迷人，能满足您的STS需求而不占用过多硬件资源。😎💡

使用方法（Sentence-Transformers）

安装sentence-transformers后，使用此模型变得非常简单：

pip install -U sentence-transformers

然后可以这样使用模型：

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('BlackKakapo/cupidon-mini-ro')
embeddings = model.encode(sentences)
print(embeddings)

使用方法（HuggingFace Transformers）

若不使用sentence-transformers，可以这样操作：首先通过转换器模型传递输入，然后需在上下文化的词嵌入上应用正确的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


#均值池化 - 考虑注意力掩码以正确平均
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嵌入
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)


# 需要获取句子嵌入的句子
sentences = ['这是一个示例句子', '每个句子都会被转换']

# 从HuggingFace Hub加载模型
tokenizer = AutoTokenizer.from_pretrained('BlackKakapo/cupidon-mini-ro')
model = AutoModel.from_pretrained('BlackKakapo/cupidon-mini-ro')

许可证

本数据集采用Apache 2.0许可证。

引用

若在研究中使用了BlackKakapo/cupidon-mini-ro，请按以下方式引用此模型：

@misc{cupidon-mini-ro,
  title={BlackKakapo/cupidon-mini-ro},
  author={BlackKakapo},
  year={2025},
}