/ Модель

french_semantic

ЭмбеддингиТекст → embedding9 профессий

Модель Sentence Transformers для вычисления семантического сходства французских предложений и получения их эмбеддингов.

72скачиваний за 30 дней17лайковвеса обновлены4 июн 2021

Бенчмарки

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

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/french_semantic — модель на базе Sentence Transformers для оценки семантического сходства предложений на французском языке. В карточке приведены результаты на французских наборах STS: 87,4% на dev и 85,8% на test. Метаданные указывают на поддержку эмбеддингов и формат PyTorch.

Модель подходит для сравнения французских предложений, поиска семантически близких формулировок и ранжирования текстов по сходству. Размер, длина контекста и лицензия в доступных материалах не указаны.

Сценарии применения

  • Сравнение двух французских предложений по смыслу
  • Поиск похожих французских формулировок
  • Семантический поиск по французским текстам
  • Ранжирование французских предложений по близости к запросу

Ограничения

Результаты в карточке приведены для STS на французском языке; качество на других языках и задачах не подтверждено. Лицензия и параметры контекста в доступных материалах не приведены.

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

French STS

STS dev (french)

87.4%

STS test (french)

85.8%

STS pipeline

!pip install -U sentence-transformers
from sentence_transformers import SentenceTransformer
model = SentenceTransformer('..model_path..')
sentences1 = ["J'aime mon téléphone",
    "Mon téléphone n'est pas bon.",
    "Votre téléphone portable est superbe."]
    
sentences2 = ["Est-ce qu'il neige demain?",
    "Récemment, de nombreux ouragans ont frappé les États-Unis",
    "Le réchauffement climatique est réel",]
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]))
"""
""" 

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
df60f0a

0 моделей