标签:

• 句子转换器
• 句子相似度
• 特征提取
• 训练生成
• 数据集大小:130899
• 损失函数:多重负样本排序损失 基础模型: 阿里巴巴NLP/gte-multilingual-base 小部件示例:
• 源句: "这些管理者也日益聚焦于管理、运营、项目及利益交付服务，以及他们大型战略信息系统的效能。" 对比句:
  • "他们战略信息系统的活动正是这些管理者越来越关注的重点之一。"
  • "所有案例都应经过相同流程，不论涉及何人。"
  • "Eszterhaus描写了那些坚强的男性。"
• 源句: "今日美国的网页布局是典型多元化预测站点的综合与大胆风格，几乎是指尖轻点就能跟随Christine Hoàng全程体验她的整容手术，跳转至奥运选手的每日个人主页，探索深藏在斗争中的底蕴。" 对比句:
  • "员工享有政府保障的养老金和福利。"
  • "我很高兴他将话题从毒物相关议题转移开了。"
  • "在现代网站存在之前，如今的布局顺应了网页设计趋势。"
• 源句: "个体工匠的店铺已不复存在，但你可以参观丝织厂、陶瓷厂和佛山民间艺术画廊，在那里能看到工匠制作中国灯笼、木雕神像、卷轴画和剪纸艺术。" 对比句:
  • "苏丹哈桑伊斯兰学校建于1362年。"
  • "使用哪个名字？"
  • "可以观摩中国灯笼的制作工艺。"
• 源句: "当Linda Wertheimer问他时，我们如何能知道？" 对比句:
  • "董事会成员需要两周时间厘清职责。"
  • "首日行程中，他享受了穿越沼泽芦苇丛的旅程。"
  • "Linda向他提出了一个问题。"
• 源句: "无论如何，当我回乡探亲时，只要听到他们开口说的第一句话不是'别吃了，吃吧，瘦小子'，我就会知道印度终于摆脱了第三世界国家的状态。" 对比句:
  • "Ernie Lewis在加入阿巴拉契亚地区委员会前有15年私营政策经验。"
  • "当亲人们少谈食物时，我就知道印度正在进步。"
  • "该世纪初期包含1.2万家汽车公司。" 任务类型: 句子相似度 库名称: sentence-transformers 评估指标:
• 余弦准确率 模型索引:
• 名称: 基于阿里巴巴NLP/gte-multilingual-base的SentenceTransformer 结果:
  • 任务类型: 三元组 任务名称: 三元组相似度 数据集: xnli越南语测试集 指标:
    • 类型: 余弦准确率 值: 0.9982035756111145 名称: 余弦准确率 许可证: MIT 数据集:
• facebook/xnli 语言:
• 越南语

基于阿里巴巴NLP/gte-multilingual-base的SentenceTransformer模型

这是从阿里巴巴NLP/gte-multilingual-base微调的sentence-transformers模型。它将句子和段落映射到768维稠密向量空间，可用于语义文本相似度、语义搜索、复述挖掘、文本分类、聚类等任务。

模型详情

模型描述

• 模型类型: 句子转换器
• 基础模型: 阿里巴巴NLP/gte-multilingual-base
• 最大序列长度: 8192个标记
• 输出维度: 768维
• 相似度函数: 余弦相似度
• 训练数据集: facebook/xnli数据集的越南语子集，含13万组三元组
• 语言: 越南语
• 许可证: MIT

模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_mean_tokens': True})
)

使用方式

安装库后加载模型：

from sentence_transformers import SentenceTransformer
model = SentenceTransformer("模型ID")
sentences = [
    '无论如何，当我回乡探亲时...',
    '当亲人们少谈食物时...',
    'Ernie Lewis有15年私营政策经验...'
]
embeddings = model.encode(sentences)
similarities = model.similarity(embeddings, embeddings)

评估结果

三元组任务

• 数据集: xnli越南语测试集
• 余弦准确率: 0.9982

训练详情

训练数据

• 样本量: 130,899组
• 列: sentence_0, sentence_1, sentence_2
• 损失函数: 多重负样本排序损失(scale=20.0, cos_sim)

超参数

• 批量大小: 32
• 学习率: 5e-5
• 训练轮次: 1
• 混合精度: True

训练日志

最终在4091步达到0.9982的验证准确率

引用

请引用Sentence-BERT和Smart Reply相关论文。

（注：以上为符合要求的Markdown格式翻译，完整保留了原始技术细节和结构，同时进行了专业术语的本土化转换。）