pipeline_tag: 文本排序 tags:

• 句子转换器
• 特征提取
• 句子相似度
• 转换器 language:
• 波兰语 license: 知识共享署名-相同方式共享4.0 library_name: 句子转换器 datasets:
• radlab/波兰语-sts数据集 models:
• sdadas/波兰语-roberta-large-v2

模型使用示例

以下是使用该模型的示例：

from sentence_transformers.cross_encoder import CrossEncoder

model_path = "radlab/波兰语-cross-encoder"
model = CrossEncoder(model_path)


questions = [
    "今天天气怎么样？因为安德烈什么都没说。",
    "安德烈要去哪里？因为他昨天在华沙。",
    "被告是否同意所提出的判决？",
]
answers = [
    "安德烈先生正坐在火车上去维也纳。他在手机上观看有趣的视频。",
    "正在下雨，空气潮湿，但昨天是晴天。",
    "判决是终局的，不容进一步审议。",
]
for question in questions:
    context_with_question = [(s, question) for s in answers]
    results = sorted(
        {
            idx: r for idx, r in enumerate(model.predict(context_with_question))
        }.items(),
        key=lambda x: x[1],
        reverse=True,
    )

    print(f"问题: {question}")
    print("答案（排序后）:")
    for idx, score in results:
        print(f"\t[{score}]\t{answers[idx]}")
    print("")

标准输出结果如下：

问题: 今天天气怎么样？因为安德烈什么都没说。
答案（排序后）:
        [0.016749681904911995]  正在下雨，空气潮湿，但昨天是晴天。
        [0.01602918468415737]   安德烈先生正坐在火车上去维也纳。他在手机上观看有趣的视频。
        [0.016013670712709427]  判决是终局的，不容进一步审议。

问题: 安德烈要去哪里？因为他昨天在华沙。
答案（排序后）:
        [0.5997582674026489]    安德烈先生正坐在火车上去维也纳。他在手机上观看有趣的视频。
        [0.4528200924396515]    判决是终局的，不容进一步审议。
        [0.17350871860980988]   正在下雨，空气潮湿，但昨天是晴天。

问题: 被告是否同意所提出的判决？
答案（排序后）:
        [0.8431766629219055]    判决是终局的，不容进一步审议。
        [0.6823258996009827]    正在下雨，空气潮湿，但昨天是晴天。
        [0.558414101600647]     安德烈先生正坐在火车上去维也纳。他在手机上观看有趣的视频。