/ Модель

Характеристики

Контекст
514 токенов
Параметры
138 млн
Лицензия
MIT
Архитектура
roberta · dense
Опубликована
8 авг 2024

simcse-ko-roberta-unsupervised

Сходство предложенийТекст → score10 профессий

Корейская модель на базе RoBERTa для вычисления смыслового сходства между предложениями.

72скачиваний за 30 дней0лайковвеса обновлены11 фев 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

snumin44/simcse-ko-roberta-unsupervised — модель для оценки смыслового сходства двух предложений на корейском языке. Она основана на RoBERTa и обучена автором репозитория методом SimCSE без разметки, на корейских текстах из Википедии; для обучения указана базовая модель klue/roberta-base. Модель преобразует предложения в представления, по которым можно вычислять косинусное сходство.

Модель подходит для поиска семантически близких предложений, сопоставления запросов с текстами и построения систем поиска или дедупликации на корейском языке. В README приведены результаты оценки на KorSTS и Klue. Метаданные указывают 137,8 млн параметров и контекст до 514 токенов; в настройках обучения README указан предел длины 64 токена. Распространяется по лицензии MIT.

Сценарии применения

  • поиск предложений, близких по смыслу к запросу
  • сравнение перефразированных корейских фраз
  • ранжирование текстов по семантической близости
  • поиск повторяющихся или почти дублирующихся предложений

Ограничения

Модель обучалась на корейских текстах и предназначена прежде всего для корейского языка. В README максимальная длина при обучении указана как 64 токена; качество для других языков и длинных текстов не подтверждено.

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

🍊 SimCSE-KO

1. Intro

한국어 SimCSE(RoBERTa, Unsupervised) 모델입니다.
Princeton NLP의 코드가 아닌 새로운 코드를 이용해 학습되었습니다.
두 문장 사이의 코사인 유사도를 계산해 의미적 관련성을 판단할 수 있습니다.

2. Experiments Settings

  • Model: klue/roberta-base
  • Dataset: Korean Wiki Text 1M (unsupervised training), KorSTS-dev (evaluation)
  • epoch: 1
  • max length: 64
  • batch size: 256
  • learning rate: 5e-5
  • drop out: 0.1
  • temp: 0.05
  • pooler: cls
  • 1 A100 GPU

3. Performance

(1) KorSTS-test

ModelAVGCosine PearsonCosine SpearmanEuclidean PearsonEuclidean SpearmanManhatten PearsonManhatten SpearmanDot PearsonDot Spearman
SimCSE-BERT-KO(unsup)72.8573.0072.7772.9672.9272.9372.8672.8072.53
SimCSE-BERT-KO(sup)85.9886.0586.0085.8886.0885.9086.0885.9685.89
SimCSE-RoBERTa-KO(unsup)75.7976.3975.5775.7175.5275.6575.4276.4175.63
SimCSE-RoBERTa-KO(sup)83.0682.6783.2183.2283.2783.2483.2882.5483.03

(2) Klue-dev

ModelAVGCosine PearsonCosine SpearmanEuclidean PearsonEuclidean SpearmanManhatten PearsonManhatten SpearmanDot PearsonDot Spearman
SimCSE-BERT-KO(unsup)65.2766.2764.3166.1864.0566.0063.7766.6464.93
SimCSE-BERT-KO(sup)83.9682.9884.3284.3284.3084.2884.2083.0084.29
SimCSE-RoBERTa-KO(unsup)80.7881.2080.3581.2780.3681.2880.4081.1380.26
SimCSE-RoBERTa-KO(sup)85.3184.1485.6486.0985.6886.0485.6583.9485.30

Citing

@article{gao2021simcse,
   title={{SimCSE}: Simple Contrastive Learning of Sentence Embeddings},
   author={Gao, Tianyu and Yao, Xingcheng and Chen, Danqi},
   booktitle={Empirical Methods in Natural Language Processing (EMNLP)},
   year={2021}
}
@article{ham2020kornli,
 title={KorNLI and KorSTS: New Benchmark Datasets for Korean Natural Language Understanding},
 author={Ham, Jiyeon and Choe, Yo Joong and Park, Kyubyong and Choi, Ilji and Soh, Hyungjoon},
 journal={arXiv preprint arXiv:2004.03289},
 year={2020}
}
@misc{park2021klue,
      title={KLUE: Korean Language Understanding Evaluation},
      author={Sungjoon Park and Jihyung Moon and Sungdong Kim and Won Ik Cho and Jiyoon Han and Jangwon Park and Chisung Song and Junseong Kim and Yongsook Song and Taehwan Oh and Joohong Lee and Juhyun Oh and Sungwon Lyu and Younghoon Jeong and Inkwon Lee and Sangwoo Seo and Dongjun Lee and Hyunwoo Kim and Myeonghwa Lee and Seongbo Jang and Seungwon Do and Sunkyoung Kim and Kyungtae Lim and Jongwon Lee and Kyumin Park and Jamin Shin and Seonghyun Kim and Lucy Park and Alice Oh and Jungwoo Ha and Kyunghyun Cho},
      year={2021},
      eprint={2105.09680},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaModel
Ревизия весов
5d1608e

0 моделей