shibing624/text2vec-base-chinese-paraphrase

Usar este modelo se vuelve fácil cuando tienes text2vec instalado:

pip install -U text2vec

Entonces puedes usar el modelo así:

from text2vec import SentenceModel
sentences = ['如何更换花呗绑定银行卡', '花呗更改绑定银行卡']
model = SentenceModel('shibing624/text2vec-base-chinese-paraphrase')
embeddings = model.encode(sentences)
print(embeddings)

Uso con Transformers de HuggingFace: Sin text2vec, puedes usar el modelo así: Primero, pasas tu entrada a través del modelo transformer, luego debes aplicar la operación de pooling correcta sobre los embeddings de las palabras contextualizadas. Instala transformers:

pip install transformers

Entonces carga el modelo y predice:

from transformers import BertTokenizer, BertModel
import torch
# Mean Pooling - Toma en cuenta la máscara de atención para el promedio correcto
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)
# Cargar modelo desde HuggingFace Hub
tokenizer = BertTokenizer.from_pretrained('shibing624/text2vec-base-chinese-paraphrase')
model = BertModel.from_pretrained('shibing624/text2vec-base-chinese-paraphrase')
sentences = ['如何更换花呗绑定银行卡', '花呗更改绑定银行卡']
# Tokenizar oraciones
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
# Calcular los embeddings de los tokens
with torch.no_grad():
    model_output = model(**encoded_input)
# Realizar pooling. En este caso, pooling promedio.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
print("Embeddings de oración:")
print(sentence_embeddings)

Uso con sentence-transformers: sentence-transformers es una librería popular para calcular representaciones vectoriales densas para oraciones. Instala sentence-transformers:

pip install -U sentence-transformers

Entonces carga el modelo y predice:

from sentence_transformers import SentenceTransformer
m = SentenceTransformer("shibing624/text2vec-base-chinese-paraphrase")
sentences = ['如何更换花呗绑定银行卡', '花呗更改绑定银行卡']
sentence_embeddings = m.encode(sentences)
print("Embeddings de oración:")
print(sentence_embeddings)