/ Модель

Характеристики

Контекст
512 токенов
Параметры
20,4 млн
Лицензия
CC BY 4.0
Архитектура
electra · dense
Опубликована
2 ноя 2023

simcse-small-e-czech

Сходство предложенийТекст → score8 профессий

Компактная чешская ELECTRA-модель для получения эмбеддингов предложений и поиска семантически близких текстов.

349скачиваний за 30 дней1лайквеса 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

SimCSE-Small-E-Czech — компактная модель семантических эмбеддингов предложений, разработанная Seznam.cz. Она основана на Seznam/small-e-czech и дообучена с целевой функцией SimCSE; архитектура — ELECTRA, размер — 20,4 млн параметров. Модель предназначена для сравнения смысла чешских предложений и может применяться в семантическом поиске, извлечении релевантных текстов, кластеризации и классификации.

Модель принимает текст и выдаёт векторные представления предложений для задач сходства. Она рассчитана на чешский язык, поддерживает контекст до 512 токенов и распространяется в формате PyTorch по лицензии CC BY 4.0. README не приводит подробных результатов оценки; качество для конкретного набора данных следует проверять отдельно.

Сценарии применения

  • поиск семантически похожих чешских предложений
  • извлечение релевантных документов по запросу на чешском языке
  • кластеризация чешских текстов по смыслу
  • классификация текстов с использованием эмбеддингов

Ограничения

В README не приведены подробные результаты оценки, поэтому качество для конкретного набора данных следует проверять отдельно. Контекст ограничен 512 токенами.

Для каких профессий подходит8

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

SimCSE

SimCSE-Small-E-Czech is the Seznam/small-e-czech model fine-tuned with the SimCSE objective.

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
ElectraModel
Ревизия весов
8b0a8c5

0 моделей