DeBERTaV3-small-GeneralSentenceTransformer

bobox

Similitud de oraciones

Este es un modelo de sentence-transformers afinado a partir de microsoft/deberta-v3-small en los conjuntos de datos nli-pairs, sts-label, vitaminc-pairs, qnli-contrastive, scitail-pairs-qa, scitail-pairs-pos, xsum-pairs, compression-pairs, sciq_pairs, qasc_pairs, openbookqa_pairs, msmarco_pairs, nq_pairs, trivia_pairs, quora_pairs y gooaq_pairs. Mapea oraciones y párrafos a un espacio vectorial denso de 768 dimensiones y se puede usar para la similitud textual semántica, búsqueda semántica, minería de paráfrasis, clasificación de texto, agrupamiento y más.

Como usar

Primero, instale la biblioteca Sentence Transformers:
pip install -U sentence-transformers

Luego, puede cargar este modelo y ejecutar la inferencia.
from sentence_transformers import SentenceTransformer

# Descargar desde el hub de 🤗
model = SentenceTransformer('bobox/DeBERTaV3-small-GeneralSentenceTransformer')
# Ejecución de inferencia
sentences = [
    'Why did oil start getting priced in terms of gold?',
    "Because oil was priced in dollars, oil producers' real income decreased.",
    'This allows all set top boxes in a household to share recordings and other media.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Obtenga los puntajes de similitud para los embebimientos
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Funcionalidades

Modelo basado en microsoft/deberta-v3-small
Longitud máxima de secuencia: 512 tokens
Dimensionalidad de salida: 768 tokens
Función de similitud: Similitud del coseno

Casos de uso

Similitud textual semántica
Búsqueda semántica
Minería de paráfrasis
Clasificación de texto
Agrupamiento