许可证: MIT
语言:

• 中文
  任务标签: 句子相似度

PromCSE(监督版)

数据集列表

以下数据集均为中文版本。

模型列表

评估数据集为中文，我们采用相同的基础语言模型RoBERTa base在不同方法上进行测试。考虑到部分数据集的测试集规模较小可能导致评估准确率偏差较大，此处评估数据同时使用训练集、验证集和测试集，最终评估结果采用**加权平均(w-avg)**方法计算。

使用方法

首先通过PyPI安装promcse包：

pip install promcse  

安装完成后，可通过两行代码加载我们的模型：

from promcse import PromCSE  
model = PromCSE("hellonlp/promcse-bert-base-zh", "cls", 10)  

随后可将句子编码为嵌入向量：

embeddings = model.encode("武汉是一个美丽的城市。")  
print(embeddings.shape)  
# 输出: torch.Size([768])  

计算两组句子间的余弦相似度：

sentences_a = ['你好吗']  
sentences_b = ['你怎么样','我吃了一个苹果','你过的好吗','你还好吗','你',  
               '你好不好','你好不好呢','我不开心','我好开心啊', '你吃饭了吗',  
               '你好吗','你现在好吗','你好个鬼']  
similarities = model.similarity(sentences_a, sentences_b)  
print(similarities)  
# 输出: [(1.0, '你好吗'),  
#  (0.9167, '你好不好'),  
#  (0.8956, '你好不好呢'),  
#  (0.8431, '你还好吗'),  
#  (0.7919, '你怎么样'),  
#  (0.7649, '你现在好吗'),  
#  (0.7458, '你过的好吗'),  
#  (0.6844, '你好个鬼'),  
#  (0.6177, '你'),  
#  (0.5654, '你吃饭了吗'),  
#  (0.3612, '我好开心啊'),  
#  (0.1875, '我不开心'),  
#  (0.0866, '我吃了一个苹果')]