/ Модель

Характеристики

Контекст
514 токенов
Параметры
435 млн
Лицензия
Apache 2.0
Архитектура
camembert · dense
Библиотека
sentence-transformers
Опубликована
25 окт 2023

sentence-camembert-large

ЭмбеддингиТекст → embedding9 профессий

Модель La Javaness преобразует французские предложения в смысловые векторы для семантического поиска и оценки сходства.

2 546скачиваний за 30 дней11лайковвеса обновлены20 мар 2025

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

Sentence-CamemBERT-Large — модель эмбеддингов предложений для французского языка, разработанная La Javaness. Она преобразует предложения векторы, отражающие их смысл, и предназначена для семантического поиска и сравнения текстов по смыслу.

Модель основана на CamemBERT Large и дообучена с помощью Siamese BERT-Networks и Augmented SBERT на STS-B; при обучении также использовались стратегии попарной выборки. По метаданным, модель содержит 435,4 млн параметров и поддерживает контекст до 514 токенов. Доступны форматы PyTorch, safetensors, ONNX и OpenVINO. README приводит высокие результаты корреляции на французских наборах STS, включая STS-B и SICK-fr.

Модель подходит для поиска семантически близких предложений и документов, сопоставления запросов с текстами и оценки семантического сходства. Она ориентирована на французский язык, поэтому её не следует считать универсальной многоязычной моделью; README оценивает её на наборах семантического сходства, что не гарантирует качество для других задач. Лицензия — Apache-2.0.

Сценарии применения

  • поиск документов по смыслу французского запроса
  • ранжирование французских предложений по близости к запросу
  • поиск похожих французских предложений
  • сопоставление перефразировок на французском языке
  • оценка семантического сходства пар предложений

Ограничения

Модель рассчитана на французский язык и обучалась для семантического сходства; её качество на других языках и задачах не подтверждено приведёнными оценками. Контекст ограничен 514 токенами.

Для каких профессий подходит9

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

Description:

This Sentence-CamemBERT-Large Model is an Embedding Model for French developed by La Javaness. The purpose of this embedding model is to represent the content and semantics of a French sentence as a mathematical vector, allowing it to understand the meaning of the text beyond individual words in queries and documents. It offers powerful semantic search capabilities.

Pre-trained sentence embedding models are state-of-the-art of Sentence Embeddings for French.

The Lajavaness/sentence-camembert-large model is an improvement over the dangvantuan/sentence-camembert-base offering greater robustness and better performance on all STS benchmark datasets. It has been fine-tuned using the pre-trained facebook/camembert-large and Siamese BERT-Networks with 'sentences-transformers' on dataset stsb. Additionally, it has been combined with Augmented SBERT on dataset stsb. The model benefits from Pair Sampling Strategies using two models: CrossEncoder-camembert-large and dangvantuan/sentence-camembert-large

Usage

The model can be used directly (without a language model) as follows:

from sentence_transformers import SentenceTransformer
model =  SentenceTransformer("Lajavaness/sentence-camembert-large")

sentences = ["Un avion est en train de décoller.",
          "Un homme joue d'une grande flûte.",
          "Un homme étale du fromage râpé sur une pizza.",
          "Une personne jette un chat au plafond.",
          "Une personne est en train de plier un morceau de papier.",
          ]

embeddings = model.encode(sentences)

Evaluation

The model can be evaluated as follows on the French test data of stsb.

from sentence_transformers import SentenceTransformer
from sentence_transformers.readers import InputExample
from datasets import load_dataset
def convert_dataset(dataset):
    dataset_samples=[]
    for df in dataset:
        score = float(df['similarity_score'])/5.0  # Normalize score to range 0 ... 1
        inp_example = InputExample(texts=[df['sentence1'], 
                                    df['sentence2']], label=score)
        dataset_samples.append(inp_example)
    return dataset_samples

# Loading the dataset for evaluation
df_dev = load_dataset("stsb_multi_mt", name="fr", split="dev")
df_test = load_dataset("stsb_multi_mt", name="fr", split="test")

# Convert the dataset for evaluation

# For Dev set:
dev_samples = convert_dataset(df_dev)
val_evaluator = EmbeddingSimilarityEvaluator.from_input_examples(dev_samples, name='sts-dev')
val_evaluator(model, output_path="./")

# For Test set:
test_samples = convert_dataset(df_test)
test_evaluator = EmbeddingSimilarityEvaluator.from_input_examples(test_samples, name='sts-test')
test_evaluator(model, output_path="./")

Test Result: The performance is measured using Pearson and Spearman correlation:

  • On dev
ModelPearson correlationSpearman correlation#params
Lajavaness/sentence-camembert-large88.6388.46336M
dangvantuan/sentence-camembert-large88.288.02336M
Sahajtomar/french_semanti87.4487.30336M
Lajavaness/sentence-flaubert-base87.1487.10137M
GPT-3 (text-davinci-003)85NaN175B
GPT-(text-embedding-ada-002)79.7580.44NaN
  • On test, Pearson and Spearman correlation are evaluated on many different benchmark datasets:

Pearson score

ModelSTS-BSTS12-fr STS13-frSTS14-frSTS15-frSTS16-frSICK-frparams
Lajavaness/sentence-camembert-large86.2687.4289.3488.0588.9177.1583.13336M
dangvantuan/sentence-camembert-large85.8887.2889.2587.9188.5476.9083.26336M
Sahajtomar/french_semantic85.8086.0588.5086.5787.4977.8583.27336M
Lajavaness/sentence-flaubert-base85.3986.6487.2485.6887.9975.7882.84137M
GPT3 (text-embedding-ada-002)79.0366.1675.4870.6977.8865.18--

Spearman score

ModelSTS-BSTS12-fr STS13-frSTS14-frSTS15-frSTS16-frSICK-frparams
Lajavaness/sentence-camembert-large86.1481.2288.6186.2889.0178.6577.71336M
dangvantuan/sentence-camembert-large85.7881.0988.6885.8188.5678.4977.70336M
Sahajtomar/french_semantic85.5577.9287.8583.9687.6379.0777.14336M
Lajavaness/sentence-flaubert-base85.6779.9786.9184.5788.1077.8477.55137M
GPT3 (text-embedding-ada-002)77.5364.2776.4169.6378.6575.30--

Citation

@article{reimers2019sentence,
   title={Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks},
   author={Nils Reimers, Iryna Gurevych},
   journal={https://arxiv.org/abs/1908.10084},
   year={2019}
}


@article{martin2020camembert,
   title={CamemBERT: a Tasty French Language Mode},
   author={Martin, Louis and Muller, Benjamin and Su{\'a}rez, Pedro Javier Ortiz and Dupont, Yoann and Romary, Laurent and de la Clergerie, {\'E}ric Villemonte and Seddah, Djam{\'e} and Sagot, Beno{\^\i}t},
   journal={Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics},
   year={2020}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
CamembertModel
Ревизия весов
4d78b02

0 моделей