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:
• 韩语 widget:
• source_sentence: "那家餐厅在飞苍蝇" sentences:
  • "那家餐厅没有顾客"
  • "那家餐厅在飞无人机"
  • "苍蝇在餐厅里飞来飞去" example_title: "餐厅"
• source_sentence: "困意袭来" sentences:
  • "毫无睡意"
  • "昏昏欲睡"
  • "火车进站" example_title: "困倦"

marigold334/KR-SBERT-V40K-klueNLI-augSTS-ft

这是对SNUNLP实验室调优的KR-SBERT模型进行微调后的版本。

使用方法（Sentence-Transformers）

安装sentence-transformers后，可以轻松使用此模型：

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", "每个句子都被转换"]

model = SentenceTransformer('snunlp/KR-SBERT-V40K-klueNLI-augSTS-ft')
embeddings = model.encode(sentences)
print(embeddings)

使用方法（HuggingFace Transformers）

如果没有安装sentence-transformers，可以这样使用模型：首先将输入传递给转换器模型，然后需要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 - 考虑注意力掩码以进行正确平均
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', '每个句子都被转换']

# 从HuggingFace Hub加载模型
tokenizer = AutoTokenizer.from_pretrained('snunlp/KR-SBERT-V40K-klueNLI-augSTS')
model = AutoModel.from_pretrained('snunlp/KR-SBERT-V40K-klueNLI-augSTS-ft')

# 对句子进行分词
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# 计算词嵌入
with torch.no_grad():
    model_output = model(**encoded_input)

# 执行池化。这里使用均值池化。
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("句子嵌入：")
print(sentence_embeddings)

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)