nq-distilbert-base-v1

项目介绍：nq-distilbert-base-v1

nq-distilbert-base-v1 是一个基于 sentence-transformers 框架的模型。它的主要功能是将句子和段落映射到一个768维密集向量空间，这非常适合用于聚类或语义搜索等任务。

模型特点

库与许可证: 该模型使用的库是 sentence-transformers，并且它遵循 Apache-2.0 许可证。
相关标签: 模型与 sentence-transformers、特征提取、句子相似性 和 transformers 等概念关联。
应用领域: 主要应用于测量句子间相似性。

安装与使用 (通过 Sentence-Transformers)

使用这个模型非常简单，只需确保安装了sentence-transformers库。可以使用以下命令安装：

pip install -U sentence-transformers

安装后，可通过如下代码进行使用：

from sentence_transformers import SentenceTransformer
sentences = ["这是一条示例句子", "每个句子都会被转换"]

model = SentenceTransformer('sentence-transformers/nq-distilbert-base-v1')
embeddings = model.encode(sentences)
print(embeddings)

使用方式 (通过 HuggingFace Transformers)

如果没有sentence-transformers库，也可以直接使用transformers库。以下是使用的简单示例：

from transformers import AutoTokenizer, AutoModel
import torch

# 平均池化操作
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] 
    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)

sentences = ['这是一条示例句子', '每个句子都会被转换']

tokenizer = AutoTokenizer.from_pretrained('sentence-transformers/nq-distilbert-base-v1')
model = AutoModel.from_pretrained('sentence-transformers/nq-distilbert-base-v1')

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

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

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

print("句子嵌入:")
print(sentence_embeddings)

模型评估

如需了解模型的自动化评估结果，可以查看 Sentence Embeddings Benchmark：评估链接

模型架构

该模型使用以下结构：

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

引用与作者信息

这个模型由 sentence-transformers 团队训练。如果您觉得该模型有帮助，可以引用他们的论文：Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks。以下是引用格式：

@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",
}

通过以上介绍，希望可以帮助大家对 nq-distilbert-base-v1 模型有一个更为全面的理解。这个模型在应用自然语言处理任务时，是一个强有力的工具，可为开发者和研究人员提供有效的解决方案。