Twitter4SSE
digio
Similitud de oraciones
Este modelo mapea textos a incrustaciones densas de 768 dimensiones que codifican la similitud semántica. Fue entrenado con la pérdida de clasificación de negativos múltiples (MNRL) en un conjunto de datos de Twitter. Se inicializó desde BERTweet y se entrenó con Sentence-transformers.
Como usar
El modelo es más fácil de usar con la biblioteca de sentence-transformers
pip install -U sentence-transformers
from sentence_transformers import SentenceTransformer
sentences = ["Este es el primer tweet", "Este es el segundo tweet"]
model = SentenceTransformer('digio/Twitter4SSE')
embeddings = model.encode(sentences)
print(embeddings)
Sin la biblioteca sentence-transformers, por favor consulte este repositorio para obtener instrucciones detalladas sobre cómo usar Sentence Transformers en Huggingface.
Funcionalidades
- Similitud de oraciones
- Transformadores
- PyTorch
- Extracción de características
- Incrustaciones de texto
- Endpoints de inferencia
Casos de uso
- Creación de incrustaciones densas de texto
- Codificación de similitud semántica entre textos
- Análisis de sentimientos y emociones en tweets
- Análisis de similitud de frases y oraciones
- Modelado de contextos lingüísticos en Twitter