/ Модель

stsb-m-mt-es-distilbert-base-uncased

ЭмбеддингиТекст → embedding3 профессии

Экспериментальная модель на базе DistilBERT формирует эмбеддинги испанских предложений для оценки их семантического сходства.

100скачиваний за 30 дней1лайквеса обновлены5 июл 2021

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Это экспериментальная модель на базе distilbert-base-uncased, дообученная автором eduardofv для оценки семантического сходства предложений на испанском языке. Для обучения использованы испанские данные stsb_multi_mt — автоматически переведённые версии наборов STSBenchmark; модель предназначена для проверки концепции и сравнения подходов к sentence similarity.

Модель формирует эмбеддинги предложений, которые можно сравнивать по косинусному сходству для оценки смысловой близости. Карточка описывает её как тестовый proof of concept без заявленного прикладного назначения; результаты оценки приведены не полностью. Доступные веса представлены в формате PyTorch. Лицензия в предоставленных данных не указана.

Сценарии применения

  • оценка смысловой близости двух предложений на испанском
  • сравнение эмбеддингов испанских текстов по косинусному сходству
  • эксперименты с дообучением моделей для STS
  • сравнение качества моделей семантического сходства на испанском

Ограничения

Автор позиционирует модель как тестовую проверку концепции, без специального прикладного назначения. Оценочные результаты в карточке представлены не полностью, поэтому качество модели по ней оценить нельзя.

Для каких профессий подходит3

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

distilbert-base-uncased trained for Semantic Textual Similarity in Spanish

This is a test model that was fine-tuned using the Spanish datasets from stsb_multi_mt in order to understand and benchmark STS models.

Model and training data description

This model was built taking distilbert-base-uncased and training it on a Semantic Textual Similarity task using a modified version of the training script for STS from Sentece Transformers (the modified script is included in the repo). It was trained using the Spanish datasets from stsb_multi_mt which are the STSBenchmark datasets automatically translated to other languages using deepl.com. Refer to the dataset repository for more details.

Intended uses & limitations

This model was built just as a proof-of-concept on STS fine-tuning using Spanish data and no specific use other than getting a sense on how this training works.

How to use

You may use it as any other STS trained model to extract sentence embeddings. Check Sentence Transformers documentation.

Training procedure

Use the included script to train in Spanish the base model. You can also try to train another model passing it's reference as first argument. You can also train in some other language of those included in the training dataset.

Evaluation results

Evaluating distilbert-base-uncased on the Spanish test dataset before training results in:

Cosine-Similarity :	Pearson: 0.2980	Spearman: 0.4008

While the fine-tuned version with the defaults of the training script and the Spanish training dataset results in:

Cosine-Similarity :	Pearson: 0.7451	Spearman: 0.7364

In our STS Evaluation repository we compare the performance of this model with other models from Sentence Transformers and Tensorflow Hub using the standard STSBenchmark and the 2017 STSBenchmark Task 3 for Spanish.

Resources

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
7362144

0 моделей