/ Модель

Характеристики

Контекст
514 токенов
Параметры
137 млн
Лицензия
cc-by-2.0
Архитектура
mpnet · dense
Опубликована
23 мар 2024

same-story

ЭмбеддингиТекст → embedding6 профессий

Модель кодирует англоязычные новости в эмбеддинги, чтобы искать и группировать статьи об одном событии.

112скачиваний за 30 дней1лайквеса обновлены23 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 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

Same news story — модель на базе Sentence Transformers, разработанная Dell Research и Harvard для поиска новостных статей об одном и том же событии. Она кодирует предложения и абзацы в плотные векторы размерности 768; по близости векторов можно оценивать сходство статей, находить материалы о той же истории и группировать их. Модель обучена на парах статей из агрегатора AllSides: статьи из подборок об одном событии использовались как положительные примеры, а тематически и сюжетно несвязанные пары — как отрицательные. Архитектура MPNet содержит 136,7 млн параметров и принимает текст на английском языке; максимальная длина контекста — 514 токенов.

Модель подходит для семантического поиска и кластеризации новостей по событию. Она выдаёт эмбеддинги, а не готовые метки о том, относятся ли две статьи к одной истории, поэтому для такого решения нужно сравнивать векторы или строить отдельный кластеризатор. Репозиторий распространяется по лицензии CC BY 2.0.

Сценарии применения

  • поиск статей о том же событии
  • кластеризация новостей по сюжету
  • оценка сходства двух новостных статей
  • поиск связанных материалов в новостном архиве

Ограничения

Модель обучена на англоязычных новостях и предназначена для сопоставления сюжетов в этом домене; её эмбеддинги сами по себе не дают готового решения о совпадении статей. Контекст ограничен 514 токенами.

Для каких профессий подходит6

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

Same news story

This is a sentence-transformers model: It maps sentences & paragraphs to a 768 dimensional dense vector space and can be used for tasks like clustering or semantic search.

This model is trained to maps news stories that contain similar content close to each other. It can be used to measure the distance between two news stories or cluster similar news stories together.

Usage

This model can be used with the sentence-transformers package:

pip install -U sentence-transformers

Then you can use the model like this:

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('dell-research-harvard/same-story')
embeddings = model.encode(sentences)
print(embeddings)

Training

This model was trained on data using news articles from Allsides, a news aggregator that collates articles on the same story from multiple news sites. We extract pairs of articles from these groupings and use these as positive pairs in our training data. For negative pairs, we use pairs that have a small cosine distance when evaluated with the untrained model, but do not come from the same story, and do not share the same topic tags, according to All Sides.

The model was trained with the parameters:

DataLoader:

torch.utils.data.dataloader.DataLoader of length 806 with parameters:

{'batch_size': 32, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

Loss:

modified_sbert.losses.OnlineContrastiveLoss_wandb

Parameters of the fit()-Method:

{
    "epochs": 9,
    "evaluation_steps": 320,
    "evaluator": "sentence_transformers.evaluation.SequentialEvaluator.SequentialEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 2842,
    "weight_decay": 0.01
}

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 384, 'do_lower_case': False}) with Transformer model: MPNetModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
  (2): Normalize()
)

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MPNetModel
Ревизия весов
e9274ca

0 моделей