quora-distilbert-multilingual - 跨语言句子嵌入与语义搜索解决方案

quora-distilbert-multilingual项目介绍

项目概述

quora-distilbert-multilingual项目是一个基于sentence-transformers的模型，旨在将句子和段落映射到768维的密集向量空间中。该模型可以用于许多任务，例如聚类（clustering）或语义搜索（semantic search）。项目采用了通用的BERT架构，通过减少规模的方式实现更高效的性能。

如何使用（使用Sentence-Transformers库）

要使用quora-distilbert-multilingual模型，首先需要安装sentence-transformers库。以下是使用步骤：

安装库：
```
pip install -U sentence-transformers
```

使用模型：

from sentence_transformers import SentenceTransformer

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

model = SentenceTransformer('sentence-transformers/quora-distilbert-multilingual')
embeddings = model.encode(sentences)
print(embeddings)

这样就可以轻松地将句子转换为嵌入向量，进行进一步的分析和使用。

如何使用（使用HuggingFace Transformers库）

如果不使用sentence-transformers库，也可以通过HuggingFace Transformers使用quora-distilbert-multilingual模型。以下是使用方法：

导入所需的库：

from transformers import AutoTokenizer, AutoModel
import torch

进行句子编码：

#定义平均池化操作
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)

#需要转换为嵌入的句子
sentences = ['This is an example sentence', 'Each sentence is converted']

#从HuggingFace Hub加载模型
tokenizer = AutoTokenizer.from_pretrained('sentence-transformers/quora-distilbert-multilingual')
model = AutoModel.from_pretrained('sentence-transformers/quora-distilbert-multilingual')

#对句子进行标记化
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

#计算标记嵌入
with torch.no_grad():
    model_output = model(**encoded_input)

#执行平均池化以获得句子嵌入
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])

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

通过这些步骤，可以获得句子的嵌入表示，用于进一步的文本相似性比较和其他任务。

模型架构

quora-distilbert-multilingual模型的完整架构如下：

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, '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})
)

该架构包含一个DistilBERT模型和一个池化层，用于将句子转换为嵌入。

模型评估

为了自动评估该模型的性能，可以访问Sentence Embeddings Benchmark：Sentence Embeddings Benchmark获取测试结果。

参考与作者

quora-distilbert-multilingual模型由sentence-transformers团队训练。如果发现该模型有用，欢迎引用以下文献：

@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",
}

通过这种简便的方式，用户可以高效实现多语言的文本相似性分析和聚类任务。