/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
MIT
Архитектура
bert · dense
Библиотека
sentence-transformers
Опубликована
21 мар 2023

sentence-bert-base-italian-xxl-uncased

ЭмбеддингиТекст → embedding9 профессий

Итальянская BERT-модель преобразует предложения и абзацы в эмбеддинги для семантического поиска, кластеризации и сравнения текстов.

7 723скачиваний за 30 дней17лайковвеса обновлены14 мар 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

Итальянская модель эмбеддингов предложений на базе архитектуры BERT, разработанная автором репозитория nickprock и предназначенная для использования с Sentence-Transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768, которые подходят для поиска семантически близких текстов, кластеризации и оценки сходства. Модель содержит 137,9 млн параметров, принимает текстовое описание на итальянском языке и поддерживает контекст до 512 токенов.

Обучение использовало CosineSimilarityLoss; в репозитории доступны форматы PyTorch, Safetensors и ONNX. Базовая модель — dbmdz/bert-base-italian-xxl-uncased. Лицензия — MIT. Возможности модели сосредоточены на получении эмбеддингов предложений; качество зависит от соответствия входных текстов итальянскому языку и прикладной задаче.

Сценарии применения

  • семантический поиск по итальянским документам
  • поиск похожих предложений на итальянском языке
  • кластеризация итальянских текстов по смыслу
  • сравнение семантического сходства двух предложений
  • индексация итальянских текстов для поиска по эмбеддингам

Ограничения

Контекст ограничен 512 токенами, а заявленное назначение ориентировано на итальянские предложения и абзацы. Векторы сами по себе не дают готовых ответов и требуют отдельного этапа сравнения или поиска.

Для каких профессий подходит9

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

sentence-bert-base-italian-xxl-cased

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. It derives from dbmdz/bert-base-italian-xxl-uncased, check its model card for more info.

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 = ["Una ragazza si acconcia i capelli.", "Una ragazza si sta spazzolando i capelli."]

model = SentenceTransformer('nickprock/sentence-bert-base-italian-xxl-uncased')
embeddings = model.encode(sentences)
print(embeddings)

Usage (FastEmbed)

Using this model becomes easy when you have FastEmbed installed:

pip install fastembed

Then you can use the model like this:

from fastembed import TextEmbedding
from fastembed.common.model_description import PoolingType, ModelSource

sentences = ["Una ragazza si acconcia i capelli.", "Una ragazza si sta spazzolando i capelli."]

TextEmbedding.add_custom_model(
    model="nickprock/sentence-bert-base-italian-xxl-uncased",
    pooling=PoolingType.MEAN,
    normalization=True,
    sources=ModelSource(hf="nickprock/sentence-bert-base-italian-xxl-uncased"),  # can be used with an `url` to load files from a private storage
    dim=768,
    model_file="onnx/model_qint8_avx512_vnni.onnx",  # can be used to load an already supported model with another optimization or quantization, e.g. onnx/model_O4.onnx
)

model = TextEmbedding(model_name="nickprock/sentence-bert-base-italian-xxl-uncased")
embeddings = list(model.embed(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 = ['Una ragazza si acconcia i capelli.', 'Una ragazza si sta spazzolando i capelli.']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('nickprock/sentence-bert-base-italian-xxl-uncased')
model = AutoModel.from_pretrained('nickprock/sentence-bert-base-italian-xxl-uncased')

# 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)

Evaluation Results

For an automated evaluation of this model, see the Sentence Embeddings Benchmark: https://seb.sbert.net

Training

The model was trained with the parameters:

DataLoader:

torch.utils.data.dataloader.DataLoader of length 360 with parameters:

{'batch_size': 16, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

Loss:

sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss

Parameters of the fit()-Method:

{
    "epochs": 10,
    "evaluation_steps": 500,
    "evaluator": "sentence_transformers.evaluation.EmbeddingSimilarityEvaluator.EmbeddingSimilarityEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": 1500,
    "warmup_steps": 360,
    "weight_decay": 0.01
}

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (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})
)

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
57f063e

0 моделей