/ Модель

Характеристики

Контекст
512 токенов
Параметры
265 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Базовая модель
marathi-sentence-bert-nli
Опубликована
5 ноя 2022

marathi-sentence-similarity-sbert

ЭмбеддингиТекст → embedding7 профессий

Маратхиязычная Sentence-BERT-модель для преобразования предложений в векторы и оценки их семантического сходства.

163скачиваний за 30 дней3лайкавеса обновлены17 авг 2025

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

MahaSBERT-STS — модель семейства Sentence-BERT на архитектуре BERT, разработанная L3Cube-Pune в рамках проекта MahaNLP. Она дообучена на наборе STS для оценки семантического сходства предложений на маратхи. Модель преобразует предложения и абзацы в плотные векторы размерностью 768 и подходит для семантического поиска, сравнения текстов и кластеризации. Число параметров — 264,8 млн, максимальная длина контекста — 512 токенов; доступный формат весов — PyTorch.

Модель предназначена для работы с текстом на маратхи и может использоваться в поиске похожих предложений, сопоставлении пар фраз и группировке текстов по смыслу. Для применения требуется корректно получать векторы предложений, например через sentence-transformers либо с помощью подходящего pooling поверх выходов Transformers.

Лицензия — CC BY 4.0. Качество на иных языках и задачах, кроме описанных, не заявлено; длина входа ограничена контекстом в 512 токенов.

Сценарии применения

  • поиск предложений на маратхи по смыслу
  • сравнение семантической близости двух фраз на маратхи
  • кластеризация предложений и абзацев на маратхи
  • поиск дубликатов и перефразирований на маратхи

Ограничения

Предназначена для текстов на маратхи, а максимальный контекст составляет 512 токенов. Для получения векторов без sentence-transformers необходимо самостоятельно применить корректную операцию pooling.

Для каких профессий подходит7

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

MahaSBERT-STS

A MahaSBERT model (l3cube-pune/marathi-sentence-bert-nli) fine-tuned on STS dataset. This is released as a part of project MahaNLP : https://github.com/l3cube-pune/MarathiNLP A multilingual version of this model supporting major Indic languages and cross-lingual sentence similarity is shared here indic-sentence-similarity-sbert

More details on the dataset, models, and baseline results can be found in our [paper] (https://arxiv.org/abs/2211.11187)

@article{joshi2022l3cubemahasbert,
  title={L3Cube-MahaSBERT and HindSBERT: Sentence BERT Models and Benchmarking BERT Sentence Representations for Hindi and Marathi},
  author={Joshi, Ananya and Kajale, Aditi and Gadre, Janhavi and Deode, Samruddhi and Joshi, Raviraj},
  journal={arXiv preprint arXiv:2211.11187},
  year={2022}
}

monolingual Indic SBERT paper multilingual Indic SBERT paper

Other Monolingual similarity models are listed below: Marathi Similarity Hindi Similarity Kannada Similarity Telugu Similarity Malayalam Similarity Tamil Similarity Gujarati Similarity Oriya Similarity Bengali Similarity Punjabi Similarity Indic Similarity (multilingual)

Other Monolingual Indic sentence BERT models are listed below: Marathi SBERT Hindi SBERT Kannada SBERT Telugu SBERT Malayalam SBERT Tamil SBERT Gujarati SBERT Oriya SBERT Bengali SBERT Punjabi SBERT Indic SBERT (multilingual)

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.

Usage (Sentence-Transformers)

Using this model becomes easy when you have sentence-transformers installed:

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('{MODEL_NAME}')
embeddings = model.encode(sentences)
print(embeddings)

Usage (HuggingFace Transformers)

Without sentence-transformers, you can use the model like this: First, you pass your input through the transformer model, then you have to apply the right pooling-operation on-top of the contextualized word embeddings.

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)


# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('{MODEL_NAME}')
model = AutoModel.from_pretrained('{MODEL_NAME}')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)

# Perform pooling. In this case, mean pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

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
4ab4cda

0 моделей