/ Модель

Характеристики

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

sbert-chinese-qmc-domain-v1

ЭмбеддингиТекст → embedding6 профессий

Китайская BERT-модель создаёт эмбеддинги предложений для поиска семантически близких вопросов и сопоставления перефразировок.

114скачиваний за 30 дней0лайковвеса обновлены4 апр 2022

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 оценки

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

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DMetaSoul/sbert-chinese-qmc-domain-v1 — модель векторных представлений предложений на архитектуре BERT, основанная на bert-base-chinese и дообученная на наборе вопросов LCQMC от Baidu Zhidao. Она предназначена для сопоставления вопросов в открытой предметной области: преобразует текст в эмбеддинги, которые можно сравнивать по сходству для поиска перефразировок и семантически близких запросов. Модель содержит 129,5 млн параметров, принимает китайский текст с контекстом до 512 токенов и распространяется в формате PyTorch; её можно использовать через Sentence-Transformers или Transformers.

В README приведены результаты оценки на нескольких наборах данных семантического сопоставления. Качество зависит от набора данных, а обучение на LCQMC может ограничивать переносимость на другие языки и специализированные области. Лицензия в доступных сведениях не указана.

Сценарии применения

  • поиск похожих вопросов в базе знаний
  • сопоставление перефразированных запросов на китайском языке
  • семантический поиск по пользовательским вопросам
  • ранжирование кандидатов по сходству с запросом
  • поиск дубликатов вопросов

Ограничения

Модель обучена на китайском наборе вопросов LCQMC, поэтому качество на других языках и в специализированных областях может быть ниже. В приведённых оценках результаты заметно различаются между наборами данных.

Для каких профессий подходит6

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-qmc-domain-v1

此模型基于 bert-base-chinese 版本 BERT 模型,在百度知道问题匹配数据集(LCQMC)上进行训练调优,适用于开放领域的问题匹配场景,比如:

  • 洗澡用什么香皂好?vs. 洗澡用什么香皂好
  • 大连哪里拍婚纱照好点? vs. 大连哪里拍婚纱照比较好
  • 银行卡怎样挂失?vs. 银行卡丢了怎么挂失啊?

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-qmc-domain-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-qmc-domain-v1')
model = AutoModel.from_pretrained('DMetaSoul/sbert-chinese-qmc-domain-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
sbert-chinese-qmc-domain-v180.90%76.63%34.51%77.06%52.96%12.98%59.48%

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
25a2815

0 моделей