/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Опубликована
2 мар 2022

mirror-bert-base-uncased-word

ЭмбеддингиТекст → embedding4 профессии

Бессупервизорный BERT-кодировщик для получения векторных представлений английских слов и сравнения их семантической близости.

115скачиваний за 30 дней1лайквеса обновлены5 апр 2023

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

mirror-bert-base-uncased-word — бессупервизорный кодировщик слов, предложенный Liu и соавторами в 2021 году. Модель обучена на наборе неразмеченных слов на основе bert-base-uncased; для получения представления входного слова в качестве вектора следует использовать токен [CLS].

Модель предназначена для извлечения векторных представлений слов и задач сравнения их семантической близости. Это BERT-архитектура с 136,7 млн параметров и контекстом до 512 токенов. Доступны веса PyTorch и Safetensors; в карточке указан английский язык.

Модель подходит для поиска похожих слов и построения признаков для последующей обработки текста. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • поиск семантически похожих английских слов
  • получение векторного представления отдельного слова
  • расчет сходства между словами
  • создание признаков слов для последующих NLP-моделей

Ограничения

Для представления входного слова карточка рекомендует использовать [CLS]. Модель обучена на неразмеченных словах и описана как кодировщик слов; предоставленные сведения не подтверждают её пригодность для генерации текста или диалогов.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

language: en

tags:

  • word-embeddings
  • word-similarity

mirror-bert-base-uncased-word

An unsupervised word encoder proposed by Liu et al. (2021). Trained with a set of unlabelled words, using bert-base-uncased as the base model. Please use [CLS] as the representation of the input.

Citation

@inproceedings{
	liu2021fast,
  title={Fast, Effective and Self-Supervised: Transforming Masked LanguageModels into Universal Lexical and Sentence Encoders},
  author={Liu, Fangyu and Vuli{\'c}, Ivan and Korhonen, Anna and Collier, Nigel},
  booktitle={EMNLP 2021},
  year={2021}
}

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
be23ecb

0 моделей