查看“Sentence transformers”的源代码

sentence-transformer(SBERT) 框架提供了一种简便的方法来计算句子和段落的向量表示（也称为句子嵌入），是用于访问、使用和训练最先进的文本和图像嵌入模型的首选 Python 模块。它可用于模型计算嵌入或使用交叉编码器模型计算相似性，包括语义搜索、语义文本相似性和释义挖掘。

超过 5,000 个预先训练的 Sentence Transformer 模型可供 Hugging Face 立即使用，其中包括 Massive Text Embeddings Benchmark（MTEB） 排行榜中的许多最先进的模型。此外，使用 Sentence Transformer 可以轻松训练或微调您自己的模型，使您能够为特定用例创建自定义模型。

Sentence Transformers 由 UKPLab 创建，由  Hugging Face 维护。

=== 同种语义句向量对比 ===
 <small>from sentence_transformers import SentenceTransformer, util
 model = SentenceTransformer('distiluse-base-multilingual-cased')
 emb1 = model.encode('Natural language processing is a hard task for human')
 emb2 = model.encode('自然语言处理对于人类来说是个困难的任务')
 emb3 = model.encode('猫是一种小型哺乳动物，被视为宠物。')
 cos_sim = util.pytorch_cos_sim(emb1, emb2)
 print(cos_sim)
 cos_sim = util.pytorch_cos_sim(emb1, emb3)
 print(cos_sim)

 tensor([[0.8960]])
 tensor([[0.1019]])</small>

[[分类:Develop]]
[[分类:AI]]
[[分类:Python]]