text2vec-base-multilingual

Uso (text2vec)

Usar este modelo se vuelve sencillo cuando tienes text2vec instalado:

pip install -U text2vec

Luego, puedes usar el modelo de esta manera:

from text2vec import SentenceModel
sentences = ['如何更换花呗绑定银行卡', 'How to replace the Huabei bundled bank card']

model = SentenceModel('shibing624/text2vec-base-multilingual')
embeddings = model.encode(sentences)
print(embeddings)

Uso (HuggingFace Transformers)

Sin text2vec, puedes usar el modelo de esta manera:

Primero, pasa tu entrada a través del modelo transformer, luego debes aplicar la operación de agrupamiento adecuada sobre las incrustaciones de palabras contextualizadas.

Instala transformers:

pip install transformers

Luego carga el modelo y predice:

from transformers import AutoTokenizer, AutoModel
import torch

# Agrupamiento de Media - Ten en cuenta la máscara de atención para un promedio correcto
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0]  # El primer elemento de model_output contiene todas las incrustaciones 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)

# Cargar modelo desde HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('shibing624/text2vec-base-multilingual')
model = AutoModel.from_pretrained('shibing624/text2vec-base-multilingual')
sentences = ['如何更换花呗绑定银行卡', 'How to replace the Huabei bundled bank card']
# Tokenizar oraciones
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Calcular incrustaciones de tokens
with torch.no_grad():
    model_output = model(**encoded_input)
# Realizar agrupamiento. En este caso, agrupamiento de media.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
print("Incrustaciones de oraciones:")
print(sentence_embeddings)

Uso (sentence-transformers)

sentence-transformers es una biblioteca popular para calcular representaciones vectoriales densas para oraciones.

Instala sentence-transformers:

pip install -U sentence-transformers

Luego carga el modelo y predice:

from sentence_transformers import SentenceTransformer

m = SentenceTransformer('shibing624/text2vec-base-multilingual')
sentences = ['如何更换花呗绑定银行卡', 'How to replace the Huabei bundled bank card']

sentence_embeddings = m.encode(sentences)
print("Incrustaciones de oraciones:")
print(sentence_embeddings)