allenai-specter

项目介绍：allenai-specter

项目概述

allenai-specter是一个从AllenAI SPECTER模型转换来的模型，该模型集成进了sentence-transformers库中。它的功能是将科学出版物的标题和摘要映射到一个向量空间，这样类似的论文在这个空间里就更加靠近。

使用方法

使用Sentence-Transformers

若要使用此模型，首先需要安装sentence-transformers库：

pip install -U sentence-transformers

安装后，可通过以下代码使用该模型：

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('sentence-transformers/allenai-specter')
embeddings = model.encode(sentences)
print(embeddings)

使用HuggingFace Transformers

即使不使用sentence-transformers库，也可以通过HuggingFace Transformers库来使用该模型。具体步骤如下：首先将输入通过转换器模型处理，然后在上下文化的词嵌入上应用合适的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch

def cls_pooling(model_output, attention_mask):
    return model_output[0][:,0]

sentences = ['This is an example sentence', 'Each sentence is converted']

tokenizer = AutoTokenizer.from_pretrained('sentence-transformers/allenai-specter')
model = AutoModel.from_pretrained('sentence-transformers/allenai-specter')

encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

with torch.no_grad():
    model_output = model(**encoded_input)

sentence_embeddings = cls_pooling(model_output, encoded_input['attention_mask'])

print("Sentence embeddings:")
print(sentence_embeddings)

评估结果

对于此模型的自动评估，可以访问Sentence Embeddings Benchmark，网址为：https://seb.sbert.net。

模型架构

模型的整体架构如下：

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
)