/ Модель

Характеристики

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

LaBSE-en-ru

ЭмбеддингиТекст → embedding10 профессий

Компактная версия LaBSE для получения эмбеддингов английских и русских предложений и поиска их семантического сходства.

22 982скачиваний за 30 дней60лайковвеса обновлены28 мар 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 оценки27

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • NusaXBitextMining

    main_score

    Результат

    0,3386

    MTEB

    Публичная таблицаревизия совпадает

  • IndicGenBenchFloresBitextMining

    main_score

    Результат

    0,0933

    Общий результат 0,1107Общий результат 0,0963Общий результат 0,0827
    MTEB

    Публичная таблицаревизия совпадает

  • XPQARetrieval

    main_score

    Результат

    0,3817

    MTEB

    Публичная таблицаревизия совпадает

  • LEMBWikimQARetrieval

    main_score

    Результат

    0,251

    MTEB

    Публичная таблицаревизия совпадает

  • SIB200Classification

    main_score

    Результат

    0,5456

    Общий результат 0,4515Общий результат 0,3711Общий результат 0,3394
    MTEB

    Публичная таблицаревизия совпадает

  • MIRACLRetrievalHardNegatives

    main_score

    Результат

    0,1483

    MTEB

    Публичная таблицаревизия совпадает

  • AfriSentiClassification

    main_score

    Результат

    0,2352

    Общий результат 0,3417
    MTEB

    Публичная таблицаревизия совпадает

  • WikiClusteringP2P.v2

    main_score

    Результат

    0,2827

    Общий результат 0,2842
    MTEB

    Публичная таблицаревизия совпадает

  • TweetSentimentClassification

    main_score

    Результат

    0,5113

    MTEB

    Публичная таблицаревизия совпадает

  • AlloProfClusteringP2P

    main_score

    Результат

    0,5509

    MTEB

    Публичная таблицаревизия совпадает

  • IndicCrosslingualSTS

    main_score

    Результат

    0,0006

    MTEB

    Публичная таблицаревизия совпадает

  • AmazonCounterfactualClassification

    main_score

    Результат

    0,5269

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveIntentClassification

    main_score

    Результат

    0,4327

    Общий результат 0,3767Общий результат 0,0357
    MTEB

    Публичная таблицаревизия совпадает

  • NTREXBitextMining

    main_score

    Результат

    0,1176

    Общий результат 0,0555
    MTEB

    Публичная таблицаревизия совпадает

  • NusaTranslationBitextMining

    main_score

    Результат

    0,8951

    MTEB

    Публичная таблицаревизия совпадает

  • MLQARetrieval

    main_score

    Результат

    0,066

    Общий результат 0,3799Общий результат 0,0235
    MTEB

    Публичная таблицаревизия совпадает

  • NorwegianParliamentClassification

    main_score

    Результат

    0,5372

    MTEB

    Публичная таблицаревизия совпадает

  • LinceMTBitextMining

    main_score

    Результат

    0,3192

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveScenarioClassification

    main_score

    Результат

    0,0738

    Общий результат 0,3628
    MTEB

    Публичная таблицаревизия совпадает

  • MTOPDomainClassification

    main_score

    Результат

    0,856

    Общий результат 0,1486
    MTEB

    Публичная таблицаревизия совпадает

  • Quail

    main_score

    Результат

    0,0155

    MTEB

    Публичная таблицаревизия совпадает

  • MTOPIntentClassification

    main_score

    Результат

    0,4457

    MTEB

    Публичная таблицаревизия совпадает

  • SummEval

    main_score

    Результат

    0,3058

    MTEB

    Публичная таблицаревизия совпадает

  • AngryTweetsClassification

    main_score

    Результат

    0,4623

    MTEB

    Публичная таблицаревизия совпадает

  • CUREv1

    main_score

    Результат

    0,1366

    MTEB

    Публичная таблицаревизия совпадает

  • MasakhaNEWSClusteringP2P

    main_score

    Результат

    0,4412

    MTEB

    Публичная таблицаревизия совпадает

  • LegalBenchCorporateLobbying

    main_score

    Результат

    0,6624

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

LaBSE-en-ru — сокращённая версия LaBSE, созданной Google и перенесённой в Sentence Transformers, адаптированная автором cointegrated для английского и русского языков. Это плотная модель семейства BERT с 155,5 млн параметров и контекстом до 512 токенов; в словаре оставлены токены только для английского и русского, что сократило словарь до 10% исходного, а число параметров — до 27% исходного размера LaBSE.

Модель предназначена для получения векторных представлений предложений на английском и русском языках. Такие эмбеддинги можно использовать для поиска семантически близких текстов и оценки сходства между предложениями, в том числе между языками. В README указано, что сокращение не ухудшило качество эмбеддингов для этих двух языков.

Модель распространяется в форматах PyTorch, Safetensors и TensorFlow. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск семантически похожих предложений на русском
  • поиск соответствий между русскими и английскими предложениями
  • кластеризация русских и английских текстов по смыслу
  • ранжирование текстов по близости к запросу

Ограничения

Словарь модели ограничен английским и русским языками, поэтому она не предназначена для других языков; максимальный контекст — 512 токенов. Лицензия не определена в предоставленных данных.

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

LaBSE for English and Russian

This is a truncated version of sentence-transformers/LaBSE, which is, in turn, a port of LaBSE by Google.

The current model has only English and Russian tokens left in the vocabulary. Thus, the vocabulary is 10% of the original, and number of parameters in the whole model is 27% of the original, without any loss in the quality of English and Russian embeddings.

To get the sentence embeddings, you can use the following code:

import torch
from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("cointegrated/LaBSE-en-ru")
model = AutoModel.from_pretrained("cointegrated/LaBSE-en-ru")
sentences = ["Hello World", "Привет Мир"]
encoded_input = tokenizer(sentences, padding=True, truncation=True, max_length=64, return_tensors='pt')
with torch.no_grad():
    model_output = model(**encoded_input)
embeddings = model_output.pooler_output
embeddings = torch.nn.functional.normalize(embeddings)
print(embeddings)

The model has been truncated in this notebook. You can adapt it for other languages (like EIStakovskii/LaBSE-fr-de), models or datasets.

Reference:

Fangxiaoyu Feng, Yinfei Yang, Daniel Cer, Narveen Ari, Wei Wang. Language-agnostic BERT Sentence Embedding. July 2020

License: https://tfhub.dev/google/LaBSE/1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForPreTraining
Ревизия весов
cf0714e

0 моделей