/ Модель

Характеристики

Контекст
512 токенов
Параметры
129 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
25 мар 2022

sbert-chinese-general-v1

ЭмбеддингиТекст → embedding8 профессий

Модель Sentence-Transformers на базе BERT для получения эмбеддингов китайских текстов и семантического сопоставления.

164скачиваний за 30 дней6лайковвеса обновлены26 янв 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки43

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • EcomRetrieval

    main_score

    Результат

    0,3271

    MTEB

    Публичная таблицаревизия не подтверждена

  • MTOPIntentClassification

    main_score

    Результат

    0,2555

    Общий результат 0,2648
    MTEB

    Публичная таблицаревизия совпадает

  • T2Retrieval

    main_score

    Результат

    0,418

    MTEB

    Публичная таблицаревизия не подтверждена

  • JDReview

    main_score

    Результат

    0,822

    MTEB

    Публичная таблицаревизия не подтверждена

  • MMarcoRetrieval

    main_score

    Результат

    0,3463

    MTEB

    Публичная таблицаревизия не подтверждена

  • CLSClusteringP2P

    main_score

    Результат

    0,3498

    MTEB

    Публичная таблицаревизия не подтверждена

  • BlurbsClusteringP2P

    main_score

    Результат

    0,0698

    MTEB

    Публичная таблицаревизия совпадает

  • STS22

    main_score

    Результат

    0,3388

    Общий результат 0,6158
    MTEB

    Публичная таблицаревизия не подтверждена

  • CMedQAv1-reranking

    main_score

    Результат

    0,5307

    MTEB

    Публичная таблицаревизия не подтверждена

  • LCQMC

    main_score

    Результат

    0,684

    MTEB

    Публичная таблицаревизия не подтверждена

  • VideoRetrieval

    main_score

    Результат

    0,3515

    MTEB

    Публичная таблицаревизия не подтверждена

  • MMarcoReranking

    main_score

    Результат

    0,0929

    MTEB

    Публичная таблицаревизия не подтверждена

  • FalseFriendsGermanEnglish

    main_score

    Результат

    0,5142

    MTEB

    Публичная таблицаревизия совпадает

  • AFQMC

    main_score

    Результат

    0,2257

    MTEB

    Публичная таблицаревизия не подтверждена

  • TenKGnadClusteringP2P

    main_score

    Результат

    0,0258

    MTEB

    Публичная таблицаревизия совпадает

  • MedicalRetrieval

    main_score

    Результат

    0,2035

    MTEB

    Публичная таблицаревизия не подтверждена

  • Waimai

    main_score

    Результат

    0,8396

    MTEB

    Публичная таблицаревизия не подтверждена

  • ThuNewsClusteringP2P

    main_score

    Результат

    0,4017

    MTEB

    Публичная таблицаревизия не подтверждена

  • BlurbsClusteringS2S

    main_score

    Результат

    0,08

    MTEB

    Публичная таблицаревизия совпадает

  • T2Reranking

    main_score

    Результат

    0,6514

    MTEB

    Публичная таблицаревизия не подтверждена

  • DuRetrieval

    main_score

    Результат

    0,4116

    MTEB

    Публичная таблицаревизия не подтверждена

  • STSB

    main_score

    Результат

    0,8217

    MTEB

    Публичная таблицаревизия не подтверждена

  • MassiveIntentClassification

    main_score

    Результат

    0,3738

    Общий результат 0,3715
    MTEB

    Публичная таблицаревизия совпадает

  • QBQTC

    main_score

    Результат

    0,2792

    MTEB

    Публичная таблицаревизия не подтверждена

  • PawsXPairClassification

    main_score

    Результат

    0,4471

    Общий результат 0,4857
    MTEB

    Публичная таблицаревизия совпадает

  • TenKGnadClusteringS2S

    main_score

    Результат

    0,0115

    MTEB

    Публичная таблицаревизия совпадает

  • CmedqaRetrieval

    main_score

    Результат

    0,1135

    MTEB

    Публичная таблицаревизия не подтверждена

  • BQ

    main_score

    Результат

    0,4098

    MTEB

    Публичная таблицаревизия не подтверждена

  • ATEC

    main_score

    Результат

    0,303

    MTEB

    Публичная таблицаревизия не подтверждена

  • MultilingualSentiment

    main_score

    Результат

    0,6658

    MTEB

    Публичная таблицаревизия не подтверждена

  • MassiveScenarioClassification

    main_score

    Результат

    0,4203

    Общий результат 0,4123
    MTEB

    Публичная таблицаревизия совпадает

  • TNews

    main_score

    Результат

    0,398

    MTEB

    Публичная таблицаревизия не подтверждена

  • AmazonReviewsClassification

    main_score

    Результат

    0,2552

    Общий результат 0,253
    MTEB

    Публичная таблицаревизия совпадает

  • CovidRetrieval

    main_score

    Результат

    0,3964

    MTEB

    Публичная таблицаревизия не подтверждена

  • BUCC

    main_score

    Результат

    0,0935

    MTEB

    Публичная таблицаревизия не подтверждена

  • IFlyTek

    main_score

    Результат

    0,4488

    MTEB

    Публичная таблицаревизия не подтверждена

  • MTOPDomainClassification

    main_score

    Результат

    0,3496

    Общий результат 0,3588
    MTEB

    Публичная таблицаревизия совпадает

  • PAWSX

    main_score

    Результат

    0,1508

    MTEB

    Публичная таблицаревизия не подтверждена

  • Ocnli

    main_score

    Результат

    0,7217

    MTEB

    Публичная таблицаревизия не подтверждена

  • CLSClusteringS2S

    main_score

    Результат

    0,2782

    MTEB

    Публичная таблицаревизия не подтверждена

  • AmazonCounterfactualClassification

    main_score

    Результат

    0,5755

    MTEB

    Публичная таблицаревизия совпадает

  • CMedQAv2-reranking

    main_score

    Результат

    0,5284

    MTEB

    Публичная таблицаревизия не подтверждена

  • OnlineShopping

    main_score

    Результат

    0,8819

    MTEB

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DMetaSoul разработала DMetaSoul/sbert-chinese-general-v1 — модель Sentence-Transformers на базе BERT, дообученную на наборах данных для семантического сходства и перефразирования, включая NLI, PAWS-X, PKU-Paraphrase-Bank и STS. Она предназначена для общего семантического сопоставления китайских текстов: извлечения векторов предложений, кластеризации текстов и семантического поиска. Модель содержит 129,5 млн параметров, принимает текст и выдаёт эмбеддинги; максимальная длина контекста — 512 токенов. Лицензия Apache-2.0.

В карточке приведены результаты на нескольких наборах оценки: модель особенно хорошо показала себя на Chinese-STS, но на других задачах результаты неоднородны. Авторы отмечают риск переобучения и предупреждают, что модель не оптимальна для всех задач.

Сценарии применения

  • семантический поиск по китайским текстам
  • сравнение сходства китайских предложений
  • кластеризация текстов по смыслу
  • извлечение векторов предложений для поиска и анализа

Ограничения

На Chinese-STS модель показывает хорошие результаты, но на других задачах качество может быть ниже; авторы отмечают риск переобучения.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DMetaSoul/sbert-chinese-general-v1

此模型基于 bert-base-chinese 版本 BERT 模型,在 NLI、PAWS-X、PKU-Paraphrase-Bank、STS 等语义相似数据集上进行训练,适用于通用语义匹配场景(此模型在 Chinese-STS 任务上效果较好,但在其它任务上效果并非最优,存在一定过拟合风险),比如文本特征抽取、文本向量聚类、文本语义搜索等业务场景。

注:此模型的轻量化版本,也已经开源啦!

Usage

1. Sentence-Transformers

通过 sentence-transformers 框架来使用该模型,首先进行安装:

pip install -U sentence-transformers

然后使用下面的代码来载入该模型并进行文本表征向量的提取:

from sentence_transformers import SentenceTransformer
sentences = ["我的儿子!他猛然间喊道,我的儿子在哪儿?", "我的儿子呢!他突然喊道,我的儿子在哪里?"]

model = SentenceTransformer('DMetaSoul/sbert-chinese-general-v1')
embeddings = model.encode(sentences)
print(embeddings)

2. HuggingFace Transformers

如果不想使用 sentence-transformers 的话,也可以通过 HuggingFace Transformers 来载入该模型并进行文本向量抽取:

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    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)


# Sentences we want sentence embeddings for
sentences = ["我的儿子!他猛然间喊道,我的儿子在哪儿?", "我的儿子呢!他突然喊道,我的儿子在哪里?"]

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('DMetaSoul/sbert-chinese-general-v1')
model = AutoModel.from_pretrained('DMetaSoul/sbert-chinese-general-v1')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, mean pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

Evaluation

该模型在公开的几个语义匹配数据集上进行了评测,计算了向量相似度跟真实标签之间的相关性系数:

csts_devcsts_testafqmclcqmcbqcorpuspawsxxiaobu
spearman84.54%82.17%23.80%65.94%45.52%11.52%48.51%

Citing & Authors

E-mail: xiaowenbin@dmetasoul.com

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
bd27765

0 моделей