/ Модель

Характеристики

Контекст
512 токенов
Параметры
27,2 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
bert · dense
Опубликована
2 ноя 2023

dist-mpnet-czeng-cs-en

Сходство предложенийТекст → score10 профессий

Компактная дистиллированная модель Seznam.cz для семантического сравнения чешских и английских предложений, поиска и кластеризации.

171скачиваний за 30 дней5лайковвеса обновлены18 окт 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

Seznam.cz разработала Dist-MPNet-Paracrawl — компактную модель эмбеддингов на базе BERT, дистиллированную из sentence-transformers/all-mpnet-base-v2 на параллельном чешско-английском корпусе CzEng. Модель предназначена для оценки семантического сходства предложений и может применяться для поиска похожих текстов, извлечения релевантных документов, кластеризации и классификации.

Модель содержит 27,2 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт представления для сравнения предложений. Она рассчитана на чешский и английский языки. Репозиторий содержит веса PyTorch; лицензия — CC BY-NC-SA 4.0, предусматривающая указание авторства, распространение производных работ на тех же условиях и ограничения на коммерческое использование.

Сценарии применения

  • поиск семантически похожих предложений на чешском и английском
  • извлечение релевантных документов по текстовому запросу
  • кластеризация чешских и английских текстов
  • классификация текстов на основе эмбеддингов
  • поиск сходства между чешскими и английскими текстами

Ограничения

Контекст ограничен 512 токенами. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование и требует распространять производные работы на тех же условиях.

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

Multilingual distillation

Dist-MPNet-Paracrawl is a BERT-small model distilled from the sentence-transformers/all-mpnet-base-v2 model, using parallel cs-en dataset CzEng for training.

This model was created at Seznam.cz as part of a project to create high-quality small Czech semantic embedding models. These models perform well across various natural language processing tasks, including similarity search, retrieval, clustering, and classification. For further details or evaluation results, please visit the associated paper or GitHub repository.

How to Use

You can load and use the model like this:

import torch
from transformers import AutoModel, AutoTokenizer

model_name = "Seznam/retromae-small-cs"  # Hugging Face link
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name)

input_texts = [
    "Dnes je výborné počasí na procházku po parku.",
    "Večer si oblíbím dobrý film a uvařím si čaj."
]

# Tokenize the input texts
batch_dict = tokenizer(input_texts, max_length=512, padding=True, truncation=True, return_tensors='pt')

outputs = model(**batch_dict)
embeddings = outputs.last_hidden_state[:, 0]  # Extract CLS token embeddings

similarity = torch.nn.functional.cosine_similarity(embeddings[0], embeddings[1], dim=0)

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
45512f1

0 моделей