/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
flaubert · dense
Библиотека
sentence-transformers
Опубликована
25 окт 2023

sentence-flaubert-base

ЭмбеддингиТекст → embedding9 профессий

Франкоязычная модель Sentence Transformers на базе Flaubert для получения эмбеддингов и измерения семантического сходства предложений.

1 950скачиваний за 30 дней5лайковвеса обновлены1 ноя 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 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

Lajavaness/sentence-flaubert-base — франкоязычная модель эмбеддингов предложений, разработанная Lajavaness на основе flaubert/flaubert_base_uncased. Модель с архитектурой Flaubert и 137 млн параметров дообучена в сиамской схеме Sentence Transformers с использованием Augmented SBERT, набора STS и стратегий подбора пар; при подготовке данных применялись CrossEncoder-camembert-large и dangvantuan/sentence-camembert-large.

Модель преобразует французские предложения в векторы для сравнения их смысловой близости. Её можно применять для поиска семантически похожих фраз, сопоставления формулировок и вычисления сходства пар предложений. В README приведены результаты на STS-B и нескольких французских бенчмарках семантического сходства. Модель принимает текст и возвращает эмбеддинги; контекст ограничен 512 токенами.

Модель распространяется под лицензией Apache-2.0. Она ориентирована на французский язык, поэтому качество для других языков не подтверждено приведёнными данными; эмбеддинги также не следует трактовать как готовые ответы или метки без дополнительной логики приложения.

Сценарии применения

  • поиск французских предложений с близким смыслом
  • ранжирование вариантов ответа по сходству с запросом
  • сопоставление перефразированных французских фраз
  • поиск дубликатов и похожих формулировок на французском
  • вычисление семантического сходства пар предложений

Ограничения

Модель рассчитана на французский язык; качество для других языков в предоставленных результатах не подтверждено. Контекст ограничен 512 токенами, а эмбеддинги сами по себе не дают готовых ответов или меток.

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

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

Model is Fine-tuned using pre-trained flaubert/flaubert_base_uncased and Siamese BERT-Networks with 'sentences-transformers' combined with Augmented SBERT on dataset stsb along with Pair Sampling Strategies through 2 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-flaubert-base")

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 sentence_transformers.evaluation import EmbeddingSimilarityEvaluator
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 the sts-benchmark:

  • On dev
ModelPearson correlationSpearman correlation#params
Lajavaness/sentence-flaubert-base87.1487.10137M
Lajavaness/sentence-camembert-base86.8886.73110M
dangvantuan/sentence-camembert-base86.7386.54110M
inokufu/flaubert-base-uncased-xnli-sts85.8585.71137M
distiluse-base-multilingual-cased79.2279.16135M
  • On test: Pearson and Spearman correlation are evaluated on many different benchmarks dataset:

Pearson score

ModelSTS-BSTS12-fr STS13-frSTS14-frSTS15-frSTS16-frSICK-frparams
Lajavaness/sentence-flaubert-base85.586.6487.2485.6888.0075.7882.84137M
Lajavaness/sentence-camembert-base83.4684.4984.6183.9486.9475.2082.86110M
inokufu/flaubert-base-uncased-xnli-sts82.8284.7985.7682.8185.3874.0582.23137M
dangvantuan/sentence-camembert-base82.3682.0684.0881.5185.5473.9780.91110M
sentence-transformers/distiluse-base-multilingual-cased-v278.6372.5167.2570.1279.9366.6777.76135M
hugorosen/flaubert_base_uncased-xnli-sts78.3879.0077.6176.5679.0371.2280.58137M
antoinelouis/biencoder-camembert-base-mmarcoFR76.9771.4373.5070.5678.4471.2377.62110M

Spearman score

ModelSTS-BSTS12-fr STS13-frSTS14-frSTS15-frSTS16-frSICK-frparams
Lajavaness/sentence-flaubert-base85.6780.0086.9184.5988.1077.8477.55137M
inokufu/flaubert-base-uncased-xnli-sts83.0777.3485.8880.9685.7076.4377.00137M
Lajavaness/sentence-camembert-base82.9277.7184.1981.8387.0476.8176.36110M
dangvantuan/sentence-camembert-base81.6475.4583.8678.6385.6675.3674.18110M
sentence-transformers/distiluse-base-multilingual-cased-v277.4969.8068.8568.1780.2770.0472.49135M
hugorosen/flaubert_base_uncased-xnli-sts76.9368.9677.6271.8779.3372.8673.91137M
antoinelouis/biencoder-camembert-base-mmarcoFR75.5566.8973.9067.1478.7872.6472.03110M

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}
}
@article{thakur2020augmented,
  title={Augmented SBERT: Data Augmentation Method for Improving Bi-Encoders for Pairwise Sentence Scoring Tasks},
  author={Thakur, Nandan and Reimers, Nils and Daxenberger, Johannes and Gurevych, Iryna},
  journal={arXiv e-prints},
  pages={arXiv--2010},
  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
FlaubertModel
Ревизия весов
47f6b0a

0 моделей