数据集:

• GreenNode/GreenNode-表格-Markdown-检索 语言:
• 越南语 库名称: sentence-transformers 管道标签: 句子相似度 标签:
• sentence-transformers
• 句子相似度
• 特征提取 小部件: [] 指标:
• InfoNCE 许可证: cc-by-4.0

SentenceTransformer模型

这是一个经过训练的sentence-transformers模型。它能将句子和段落映射到1024维的密集向量空间，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

• 最大序列长度: 8192个标记
• 输出维度: 1024个标记
• 相似度函数: 余弦相似度
• 训练数据集: GreenNode/GreenNode-表格-Markdown-检索
• 语言: 越南语
• 许可证: cc-by-4.0

模型来源

• 文档: 句子转换器文档
• 代码库: GitHub上的句子转换器
• Hugging Face: Hugging Face上的句子转换器

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

使用方法

直接使用(句子转换器)

首先安装句子转换器库:

pip install -U sentence-transformers

然后可以加载此模型并运行推理。

from sentence_transformers import SentenceTransformer

# 从🤗 Hub下载
model = SentenceTransformer("sentence_transformers_model_id")
# 运行推理
sentences = [
    '今天天气真好。',
    "外面阳光明媚！",
    '他开车去了体育场。',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# 获取嵌入向量的相似度分数
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

训练详情

评估

表: 各模型在GreenNode表格检索上的性能对比

数据集: GreenNode/GreenNode-表格-Markdown-检索-VN

表: 各模型在Zac法律文本检索上的性能对比

数据集: GreenNode/zalo-ai-legal-text-retrieval-vn

表: 各模型在VieQuAD检索上的性能对比

数据集: taidng/UIT-ViQuAD2.0

表: 各模型在GreenNode表格检索上的命中率对比

框架版本

• Python: 3.10.14
• Sentence Transformers: 3.0.1
• Transformers: 4.42.4
• PyTorch: 2.3.1
• Accelerate: 0.33.0
• Datasets: 2.20.0
• Tokenizers: 0.19.1