AIDA-UPM/MSTSb_stsb-xlm-r-multilingual

Uso (Transformers de Oraciones)

Para usar este modelo es necesario tener instalado transformers-de-oraciones:

pip install -U sentence-transformers

Luego puede utilizar el modelo de la siguiente manera:

from sentence_transformers import SentenceTransformer
sentences = ["Esta es una oración de ejemplo", "Cada oración es convertida"]

model = SentenceTransformer('AIDA-UPM/MSTSb_stsb-xlm-r-multilingual')
embeddings = model.encode(sentences)
print(embeddings)

Uso (Transformadores HuggingFace)

Sin transformers-de-oraciones, puede utilizar el modelo de la siguiente manera: Primero, pasa su entrada a través del modelo transformador, luego debe aplicar la operación de agrupamiento correcta sobre las palabras contextualizadas incorporadas.

from transformers import AutoTokenizer, AutoModel
import torch

# Agrupamiento promedio - Tener en cuenta la máscara de atención para un promediado correcto
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] # Primer elemento de model_output contiene todas las incorporaciones de tokens
    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)

# Frases para las que queremos obtener embeddings
sentences = ['Esta es una oración de ejemplo', 'Cada oración es convertida']

# Cargar modelo desde HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('AIDA-UPM/MSTSb_stsb-xlm-r-multilingual')
model = AutoModel.from_pretrained('AIDA-UPM/MSTSb_stsb-xlm-r-multilingual')

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

# Calcular embeddings de tokens
with torch.no_grad():
    model_output = model(**encoded_input)

# Realizar agrupamiento. En este caso, agrupamiento máximo.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Embeddings de frases:")
print(sentence_embeddings)

Resultados de Evaluación

Para una evaluación automática de este modelo, vea el Benchmark de Embeddings de Frases: https://seb.sbert.net