ddobokki/klue-roberta-small-nli-sts
ddobokki
Similitud de oraciones
한국어 Sentence Transformer 모델입니다. Este modelo transforma oraciones en embeddings para comparar la similitud entre ellas. Utiliza el modelo Roberta y es compatible con varias bibliotecas populares como `sentence-transformers`, `transformers` y `pytorch`.
Como usar
Uso (Sentence-Transformers)
from sentence_transformers import SentenceTransformer
sentences = ["흐르는 강물을 거꾸로 거슬러 오르는", "세월이 가면 가슴이 터질 듯한"]
model = SentenceTransformer('ddobokki/klue-roberta-small-nli-sts')
embeddings = model.encode(sentences)
print(embeddings)
Uso (HuggingFace Transformers)
from transformers import AutoTokenizer, AutoModel
import torch
#Mean Pooling - Considerar la máscara de atención para una media correcta
def mean_pooling(model_output, attention_mask):
token_embeddings = model_output[0] # El primer elemento de model_output contiene todos los embeddings 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)
# Oraciones para las que queremos embeddings
sentences = ["흐르는 강물을 거꾸로 거슬러 오르는", "세월이 가면 가슴이 터질 듯한"]
# Cargar modelo desde HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('ddobokki/klue-roberta-small-nli-sts')
model = AutoModel.from_pretrained('ddobokki/klue-roberta-small-nli-sts')
# Tokenizar oraciones
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
# Calcular embeddings de los tokens
with torch.no_grad():
model_output = model(**encoded_input)
# Realizar pooling. En este caso, pooling medio.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
print("Embeddings de oraciones:")
print(sentence_embeddings)
Funcionalidades
- Transformación de oraciones
- Extracción de características
- Similitud de oraciones
- Compatible con AutoTrain
- Embeddings de texto para inferencia
- Compatible con endpoints de inferencia
Casos de uso
- Comparación de similitud de oraciones
- Generación de embeddings de texto
- Análisis semántico de texto
- Extracción de características de texto