allenai-specter

这个模型是将 AllenAI SPECTER 模型转换到 sentence-transformers 格式。它可用于将科学出版物的标题和摘要映射到向量空间，使相似的论文在空间中是相邻的。

使用方法 (Sentence-Transformers)

当您安装了 sentence-transformers 后，使用这个模型变得非常简单：

pip install -U sentence-transformers

然后您可以这样使用这个模型：

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)

使用方法 (HuggingFace Transformers)

如果没有使用 sentence-transformers，您可以这样使用这个模型：首先，将输入传递给transformer模型，然后您需要在上下文词嵌入的顶部应用正确的池化操作。

from transformers import AutoTokenizer, AutoModel
import torch


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


# 我们想要获取句子嵌入的句子
sentences = ['This is an example sentence', 'Each sentence is converted']

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

# 对句子进行分词
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# 计算词嵌入
with torch.no_grad():
    model_output = model(**encoded_input)

# 执行池化。在这个例子中，是CLS池化。
sentence_embeddings = cls_pooling(model_output, encoded_input['attention_mask'])

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

完整模型架构

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})
)

引用与作者

请参阅 AllenAI SPECTER