Finetuned_Alibaba_Large

openpecha
Similitud de oraciones

Este es un modelo de sentence-transformers afinado desde Alibaba-NLP/gte-large-en-v1.5. Mapea frases y párrafos a un espacio vectorial denso de 1024 dimensiones y puede ser utilizado para similitud textual semántica, búsqueda semántica, minería de paráfrasis, clasificación de texto, agrupamiento y más.

Como usar

Primero instala la biblioteca de Sentence Transformers:

pip install -U sentence-transformers

Luego puedes cargar este modelo y ejecutar la inferencia.

from sentence_transformers import SentenceTransformer

# Descargar desde el Hub de 🤗
model = SentenceTransformer("sentence_transformers_model_id")
# Ejecutar inferencia
sentences = [
'¿Quién le dio una conferencia al Dalai Lama antes de que saliera de Lhasa?',
"Antes de que el Dalai Lama dejara Lhasa, recibió una larga conferencia del General Chang Chin-wu, el representante permanente de China...",
'Todo lugar a donde fui, estuve acompañado por un séquito de sirvientes...'
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

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

Funcionalidades

Modelo Transformer de Frases
Modelo base: Alibaba-NLP/gte-large-en-v1.5
Longitud máxima de secuencia: 8192 tokens
Dimensionalidad de salida: 1024 tokens
Función de similitud: Similitud Coseno

Casos de uso

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