/ Модель

Характеристики

Архитектура
bert · dense

German-semantic

ЭмбеддингиТекст → embedding10 профессий

Модель Sentence Transformers на базе BERT создаёт немецкоязычные эмбеддинги предложений для оценки их смыслового сходства.

29скачиваний за 30 дней17лайковвеса обновлены8 июн 2021

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

Sahajtomar/German-semantic — модель семейства BERT на базе Sentence Transformers, предназначенная для сравнения смысловой близости предложений на немецком языке. README приводит результаты на немецком наборе STS: 87,9% на dev и 84,3% на test.

Модель преобразует предложения в плотные векторные представления, которые подходят для вычисления семантического сходства и поиска похожих фраз. В метаданных указаны форматы PyTorch и поддержка задач sentence-similarity и feature-extraction. Лицензия в предоставленных данных не указана.

Сценарии применения

  • оценка смысловой близости немецких предложений
  • поиск похожих немецких фраз
  • сравнение вариантов формулировки на немецком языке

Ограничения

В README приведены результаты STS только для немецкого языка; применимость к другим языкам не подтверждена.

Для каких профессий подходит10

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

German STS

STS dev (german)

87.9%

STS test (german)

84.3%

STS pipeline


!pip install -U sentence-transformers
from sentence_transformers import SentenceTransformer
model = SentenceTransformer('..model_path..')
sentences1 = ['Die Katze sitzt draußen',
             "Ein Mann spielt Gitarre",
             'Der neue Film ist großartig']

sentences2 = ['Der Hund spielt im Garten',
              "Eine Frau sieht fern",
              'Der neue Film ist so toll']
embeddings1 = model.encode(sentences1, convert_to_tensor=True)
embeddings2 = model.encode(sentences2, convert_to_tensor=True)
cosine_scores = util.pytorch_cos_sim(embeddings1, embeddings2)

for i in range(len(sentences1)):
    for j in range(len(sentences2)):
        print(cosine_scores[i][j]))
"""
Die Katze sitzt draußen  Der Hund spielt im Garten  Score: 0.1259
Die Katze sitzt draußen  Eine Frau sieht fern Score: 0.0567
Die Katze sitzt draußen  Der neue Film ist so toll Score: 0.0557
Ein Mann spielt Gitarre  Der Hund spielt im Garten  Score: 0.1031
Ein Mann spielt Gitarre  Eine Frau sieht fern Score: 0.0098
Ein Mann spielt Gitarre  Der neue Film ist so toll  Score: 0.0828
Der neue Film ist großartig Der Hund spielt im Garten  Score: 0.1008
Der neue Film ist großartig Eine Frau sieht fern  Score: 0.0674
""" 

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
2482fdc

0 моделей