sentence-transformers/xlm-r-distilroberta-base-paraphrase-v1

Uso (Sentence-Transformers)

Usar este modelo es fácil cuando se tienen instalados los sentence-transformers:

pip install -U sentence-transformers

Entonces puedes usar el modelo de esta manera:

from sentence_transformers import SentenceTransformer
sentences = ["Esta es una frase de ejemplo", "Cada frase se convierte"]

model = SentenceTransformer('sentence-transformers/xlm-r-distilroberta-base-paraphrase-v1')
embeddings = model.encode(sentences)
print(embeddings)

Uso (HuggingFace Transformers)

Sin los sentence-transformers, puedes usar el modelo de esta manera: Primero, pasa tu entrada a través del modelo transformador, luego debes aplicar la operación de agrupación correcta en la parte superior de las incrustaciones de palabras contextualizadas:

from transformers import AutoTokenizer, AutoModel
import torch

# Promedio de Agrupación - Ten en cuenta la máscara de atención para el promedio correcto
def mean_pooling(model_output, attention_mask):
tokens_embeddings = model_output[0] # El primer elemento de model_output contiene todas las incrustaciones de tokens
input_mask_expanded = attention_mask.unsqueeze(-1).expand(tokens_embeddings.size()).float()
return torch.sum(tokens_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)

# Frases para las que queremos incrustaciones de frases
sentences = ['Esta es una frase de ejemplo', 'Cada frase se convierte']

# Cargar modelo desde HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('sentence-transformers/xlm-r-distilroberta-base-paraphrase-v1')
model = AutoModel.from_pretrained('sentence-transformers/xlm-r-distilroberta-base-paraphrase-v1')

# Tokenizar frases
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 agrupación. En este caso, agrupación de máximo.
sentences_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

print("Incrustaciones de frases:")
print(sentences_embeddings)

Evaluación de Resultados

Para una evaluación automática de este modelo, ver el Benchmark de Incrustaciones de Frases: https://seb.sbert.net

Citar y Autores

Este modelo fue entrenado por sentence-transformers. Si encuentras este modelo útil, siéntete libre de citar nuestra publicación Sentence-BERT: Incrustaciones de Frases utilizando Redes Siamese BERT:

@inproceedings{reimers-2019-sentence-bert, title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks", author = "Reimers, Nils and Gurevych, Iryna", booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing", month = "11", year = "2019", publisher = "Association for Computational Linguistics", url = "http://arxiv.org/abs/1908.10084", }