Upload folder using huggingface_hub
Browse files- .gitattributes +1 -0
- 1_Pooling/config.json +10 -0
- README.md +342 -3
- config.json +27 -0
- model.safetensors +3 -0
- modules.json +14 -0
- sentence_bert_config.json +4 -0
- sentencepiece.bpe.model +3 -0
- special_tokens_map.json +51 -0
- tokenizer.json +3 -0
- tokenizer_config.json +55 -0
.gitattributes
CHANGED
@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
|
|
33 |
*.zip filter=lfs diff=lfs merge=lfs -text
|
34 |
*.zst filter=lfs diff=lfs merge=lfs -text
|
35 |
*tfevents* filter=lfs diff=lfs merge=lfs -text
|
|
|
|
33 |
*.zip filter=lfs diff=lfs merge=lfs -text
|
34 |
*.zst filter=lfs diff=lfs merge=lfs -text
|
35 |
*tfevents* filter=lfs diff=lfs merge=lfs -text
|
36 |
+
tokenizer.json filter=lfs diff=lfs merge=lfs -text
|
1_Pooling/config.json
ADDED
@@ -0,0 +1,10 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"word_embedding_dimension": 1024,
|
3 |
+
"pooling_mode_cls_token": false,
|
4 |
+
"pooling_mode_mean_tokens": true,
|
5 |
+
"pooling_mode_max_tokens": false,
|
6 |
+
"pooling_mode_mean_sqrt_len_tokens": false,
|
7 |
+
"pooling_mode_weightedmean_tokens": false,
|
8 |
+
"pooling_mode_lasttoken": false,
|
9 |
+
"include_prompt": true
|
10 |
+
}
|
README.md
CHANGED
@@ -1,3 +1,342 @@
|
|
1 |
-
---
|
2 |
-
|
3 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
---
|
2 |
+
language:
|
3 |
+
- af
|
4 |
+
- ar
|
5 |
+
- az
|
6 |
+
- be
|
7 |
+
- bg
|
8 |
+
- bn
|
9 |
+
- ca
|
10 |
+
- ceb
|
11 |
+
- cs
|
12 |
+
- cy
|
13 |
+
- da
|
14 |
+
- de
|
15 |
+
- el
|
16 |
+
- en
|
17 |
+
- es
|
18 |
+
- et
|
19 |
+
- eu
|
20 |
+
- fa
|
21 |
+
- fi
|
22 |
+
- fr
|
23 |
+
- gl
|
24 |
+
- gu
|
25 |
+
- he
|
26 |
+
- hi
|
27 |
+
- hr
|
28 |
+
- ht
|
29 |
+
- hu
|
30 |
+
- hy
|
31 |
+
- id
|
32 |
+
- is
|
33 |
+
- it
|
34 |
+
- ja
|
35 |
+
- jv
|
36 |
+
- ka
|
37 |
+
- kk
|
38 |
+
- km
|
39 |
+
- kn
|
40 |
+
- ko
|
41 |
+
- ky
|
42 |
+
- lo
|
43 |
+
- lt
|
44 |
+
- lv
|
45 |
+
- mk
|
46 |
+
- ml
|
47 |
+
- mn
|
48 |
+
- mr
|
49 |
+
- ms
|
50 |
+
- my
|
51 |
+
- ne
|
52 |
+
- nl
|
53 |
+
- 'no'
|
54 |
+
- pa
|
55 |
+
- pl
|
56 |
+
- pt
|
57 |
+
- qu
|
58 |
+
- ro
|
59 |
+
- ru
|
60 |
+
- si
|
61 |
+
- sk
|
62 |
+
- sl
|
63 |
+
- so
|
64 |
+
- sq
|
65 |
+
- sr
|
66 |
+
- sv
|
67 |
+
- sw
|
68 |
+
- ta
|
69 |
+
- te
|
70 |
+
- th
|
71 |
+
- tl
|
72 |
+
- tr
|
73 |
+
- uk
|
74 |
+
- ur
|
75 |
+
- vi
|
76 |
+
- yo
|
77 |
+
- zh
|
78 |
+
library_name: sentence-transformers
|
79 |
+
tags:
|
80 |
+
- korean
|
81 |
+
- sentence-transformers
|
82 |
+
- transformers
|
83 |
+
- multilingual
|
84 |
+
- sentence-transformers
|
85 |
+
- sentence-similarity
|
86 |
+
- feature-extraction
|
87 |
+
base_model: BAAI/bge-m3
|
88 |
+
datasets: []
|
89 |
+
metrics:
|
90 |
+
- pearson_cosine
|
91 |
+
- spearman_cosine
|
92 |
+
- pearson_manhattan
|
93 |
+
- spearman_manhattan
|
94 |
+
- pearson_euclidean
|
95 |
+
- spearman_euclidean
|
96 |
+
- pearson_dot
|
97 |
+
- spearman_dot
|
98 |
+
- pearson_max
|
99 |
+
- spearman_max
|
100 |
+
widget:
|
101 |
+
- source_sentence: 이집트 군대가 형제애를 단속하다
|
102 |
+
sentences:
|
103 |
+
- 이집트의 군대가 무슬림 형제애를 단속하다
|
104 |
+
- 아르헨티나의 기예르모 코리아와 네덜란드의 마틴 버커크의 또 다른 준결승전도 매력적이다.
|
105 |
+
- 그것이 사실일 수도 있다고 생각하는 것은 재미있다.
|
106 |
+
- source_sentence: 오, 그리고 다시 결혼은 근본적인 인권이라고 주장한다.
|
107 |
+
sentences:
|
108 |
+
- 특히 결혼은 근본적인 인권이라고 말한 후에.
|
109 |
+
- 해변에 있는 흑인과 그의 개...
|
110 |
+
- 이란은 핵 프로그램이 평화적인 목적을 위한 것이라고 주장한다
|
111 |
+
- source_sentence: 두 사람이 계단을 올라가 건물 안으로 들어간다
|
112 |
+
sentences:
|
113 |
+
- 글쎄, 나는 우리가 꽤 나빠진 사이트 목록을 만들었고 일부를 정리해야한다는 일부 사이트에서 알았고 지금 법은 슈퍼 펀드이며 당신이 아무리간에
|
114 |
+
독성 폐기물을 일으킨 사람이라면 누구나 알고 있습니다. 결국 당신이 아는 사람은 누구나 땅에 손상을 입혔거나 모두가 기여해야한다는 것을 알고
|
115 |
+
있습니다. 그리고 우리가이 돈을 정리하기 위해 수퍼 펀드 거래를 가져 왔을 때 많은 돈을 벌었습니다. 모든 것을 꺼내서 다시 실행하면 다른
|
116 |
+
지역을 채울 수 있습니다. 음. 확실히 셔먼 시설과 같은 더 나은 솔루션을 가지고있는 것 같습니다. 기름 통에 넣은 다음 시멘트가 깔려있는
|
117 |
+
곳에서 밀봉하십시오.
|
118 |
+
- 한 사람이 계단을 올라간다.
|
119 |
+
- 두 사람이 함께 계단을 올라간다.
|
120 |
+
- source_sentence: 그래, 내가 알아차린 적이 있어
|
121 |
+
sentences:
|
122 |
+
- 나는 알아차리지 못했다.
|
123 |
+
- 이것은 내가 영국의 아서 안데르센 사업부의 파트너인 짐 와디아를 아서 안데르센 경영진이 선택한 것보다 래리 웨인바흐를 안데르센 월드와이드의
|
124 |
+
경영 파트너로 승계하기 위해 안데르센 컨설팅 사업부(현재의 엑센츄어라고 알려져 있음)의 전 관리 파트너인 조지 샤힌에 대한 지지를 표명했을
|
125 |
+
때 가장 명백했다.
|
126 |
+
- 나는 메모했다.
|
127 |
+
- source_sentence: 여자가 전화를 하는 동안 두 남자가 돈을 위해 악기를 연주한다.
|
128 |
+
sentences:
|
129 |
+
- 마이크에 대고 노래를 부르고 베이스를 연주하는 남자.
|
130 |
+
- 빨대를 사용하는 아이
|
131 |
+
- 돈을 위해 악기를 연주하는 사람들
|
132 |
+
pipeline_tag: sentence-similarity
|
133 |
+
model-index:
|
134 |
+
- name: upskyy/bge-m3-korean
|
135 |
+
results:
|
136 |
+
- task:
|
137 |
+
type: semantic-similarity
|
138 |
+
name: Semantic Similarity
|
139 |
+
dataset:
|
140 |
+
name: sts dev
|
141 |
+
type: sts-dev
|
142 |
+
metrics:
|
143 |
+
- type: pearson_cosine
|
144 |
+
value: 0.8740181295716805
|
145 |
+
name: Pearson Cosine
|
146 |
+
- type: spearman_cosine
|
147 |
+
value: 0.8723737976913686
|
148 |
+
name: Spearman Cosine
|
149 |
+
- type: pearson_manhattan
|
150 |
+
value: 0.8593266961329962
|
151 |
+
name: Pearson Manhattan
|
152 |
+
- type: spearman_manhattan
|
153 |
+
value: 0.8687629058449345
|
154 |
+
name: Spearman Manhattan
|
155 |
+
- type: pearson_euclidean
|
156 |
+
value: 0.8597907936339472
|
157 |
+
name: Pearson Euclidean
|
158 |
+
- type: spearman_euclidean
|
159 |
+
value: 0.8693987158996017
|
160 |
+
name: Spearman Euclidean
|
161 |
+
- type: pearson_dot
|
162 |
+
value: 0.8683777071455441
|
163 |
+
name: Pearson Dot
|
164 |
+
- type: spearman_dot
|
165 |
+
value: 0.8665500024614361
|
166 |
+
name: Spearman Dot
|
167 |
+
- type: pearson_max
|
168 |
+
value: 0.8740181295716805
|
169 |
+
name: Pearson Max
|
170 |
+
- type: spearman_max
|
171 |
+
value: 0.8723737976913686
|
172 |
+
name: Spearman Max
|
173 |
+
---
|
174 |
+
|
175 |
+
# upskyy/bge-m3-korean
|
176 |
+
|
177 |
+
This model is korsts and kornli finetuning model from [BAAI/bge-m3](https://huggingface.co/BAAI/bge-m3). It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
|
178 |
+
|
179 |
+
## Model Details
|
180 |
+
|
181 |
+
### Model Description
|
182 |
+
- **Model Type:** Sentence Transformer
|
183 |
+
- **Base model:** [BAAI/bge-m3](https://huggingface.co/BAAI/bge-m3) <!-- at revision 5617a9f61b028005a4858fdac845db406aefb181 -->
|
184 |
+
- **Maximum Sequence Length:** 512 tokens
|
185 |
+
- **Output Dimensionality:** 1024 tokens
|
186 |
+
- **Similarity Function:** Cosine Similarity
|
187 |
+
<!-- - **Training Dataset:** Unknown -->
|
188 |
+
<!-- - **Language:** Unknown -->
|
189 |
+
<!-- - **License:** Unknown -->
|
190 |
+
|
191 |
+
### Full Model Architecture
|
192 |
+
|
193 |
+
```
|
194 |
+
SentenceTransformer(
|
195 |
+
(0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel
|
196 |
+
(1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
|
197 |
+
)
|
198 |
+
```
|
199 |
+
|
200 |
+
|
201 |
+
## Usage
|
202 |
+
|
203 |
+
### Usage (Sentence-Transformers)
|
204 |
+
|
205 |
+
|
206 |
+
First install the Sentence Transformers library:
|
207 |
+
|
208 |
+
```bash
|
209 |
+
pip install -U sentence-transformers
|
210 |
+
```
|
211 |
+
|
212 |
+
Then you can load this model and run inference.
|
213 |
+
```python
|
214 |
+
from sentence_transformers import SentenceTransformer
|
215 |
+
|
216 |
+
# Download from the 🤗 Hub
|
217 |
+
model = SentenceTransformer("upskyy/bge-m3-korean")
|
218 |
+
|
219 |
+
# Run inference
|
220 |
+
sentences = [
|
221 |
+
'아이를 가진 엄마가 해변을 걷는다.',
|
222 |
+
'두 사람이 해변을 걷는다.',
|
223 |
+
'한 남자가 해변에서 개를 산책시킨다.',
|
224 |
+
]
|
225 |
+
embeddings = model.encode(sentences)
|
226 |
+
print(embeddings.shape)
|
227 |
+
# [3, 768]
|
228 |
+
|
229 |
+
# Get the similarity scores for the embeddings
|
230 |
+
similarities = model.similarity(embeddings, embeddings)
|
231 |
+
print(similarities.shape)
|
232 |
+
# [3, 3]
|
233 |
+
print(similarities)
|
234 |
+
```
|
235 |
+
|
236 |
+
### Usage (HuggingFace Transformers)
|
237 |
+
|
238 |
+
Without sentence-transformers, you can use the model like this:
|
239 |
+
First, you pass your input through the transformer model, then you have to apply the right pooling-operation on-top of the contextualized word embeddings.
|
240 |
+
|
241 |
+
```python
|
242 |
+
from transformers import AutoTokenizer, AutoModel
|
243 |
+
import torch
|
244 |
+
|
245 |
+
|
246 |
+
# Mean Pooling - Take attention mask into account for correct averaging
|
247 |
+
def mean_pooling(model_output, attention_mask):
|
248 |
+
token_embeddings = model_output[0] # First element of model_output contains all token embeddings
|
249 |
+
input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
|
250 |
+
return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)
|
251 |
+
|
252 |
+
|
253 |
+
# Sentences we want sentence embeddings for
|
254 |
+
sentences = ["안녕하세요?", "한국어 문장 임베딩을 위한 버트 모델입니다."]
|
255 |
+
|
256 |
+
# Load model from HuggingFace Hub
|
257 |
+
tokenizer = AutoTokenizer.from_pretrained("upskyy/bge-m3-korean")
|
258 |
+
model = AutoModel.from_pretrained("upskyy/bge-m3-korean")
|
259 |
+
|
260 |
+
# Tokenize sentences
|
261 |
+
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors="pt")
|
262 |
+
|
263 |
+
# Compute token embeddings
|
264 |
+
with torch.no_grad():
|
265 |
+
model_output = model(**encoded_input)
|
266 |
+
|
267 |
+
# Perform pooling. In this case, mean pooling.
|
268 |
+
sentence_embeddings = mean_pooling(model_output, encoded_input["attention_mask"])
|
269 |
+
|
270 |
+
print("Sentence embeddings:")
|
271 |
+
print(sentence_embeddings)
|
272 |
+
```
|
273 |
+
|
274 |
+
## Evaluation
|
275 |
+
|
276 |
+
### Metrics
|
277 |
+
|
278 |
+
#### Semantic Similarity
|
279 |
+
* Dataset: `sts-dev`
|
280 |
+
* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)
|
281 |
+
|
282 |
+
| Metric | Value |
|
283 |
+
| :----------------- | :--------- |
|
284 |
+
| pearson_cosine | 0.874 |
|
285 |
+
| spearman_cosine | 0.8724 |
|
286 |
+
| pearson_manhattan | 0.8593 |
|
287 |
+
| spearman_manhattan | 0.8688 |
|
288 |
+
| pearson_euclidean | 0.8598 |
|
289 |
+
| spearman_euclidean | 0.8694 |
|
290 |
+
| pearson_dot | 0.8684 |
|
291 |
+
| spearman_dot | 0.8666 |
|
292 |
+
| pearson_max | 0.874 |
|
293 |
+
| **spearman_max** | **0.8724** |
|
294 |
+
|
295 |
+
<!--
|
296 |
+
## Bias, Risks and Limitations
|
297 |
+
|
298 |
+
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
|
299 |
+
-->
|
300 |
+
|
301 |
+
<!--
|
302 |
+
### Recommendations
|
303 |
+
|
304 |
+
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
|
305 |
+
-->
|
306 |
+
|
307 |
+
|
308 |
+
### Framework Versions
|
309 |
+
- Python: 3.10.13
|
310 |
+
- Sentence Transformers: 3.0.1
|
311 |
+
- Transformers: 4.42.4
|
312 |
+
- PyTorch: 2.3.0+cu121
|
313 |
+
- Accelerate: 0.30.1
|
314 |
+
- Datasets: 2.16.1
|
315 |
+
- Tokenizers: 0.19.1
|
316 |
+
|
317 |
+
## Citation
|
318 |
+
|
319 |
+
### BibTeX
|
320 |
+
|
321 |
+
```bibtex
|
322 |
+
@misc{bge-m3,
|
323 |
+
title={BGE M3-Embedding: Multi-Lingual, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge Distillation},
|
324 |
+
author={Jianlv Chen and Shitao Xiao and Peitian Zhang and Kun Luo and Defu Lian and Zheng Liu},
|
325 |
+
year={2024},
|
326 |
+
eprint={2402.03216},
|
327 |
+
archivePrefix={arXiv},
|
328 |
+
primaryClass={cs.CL}
|
329 |
+
}
|
330 |
+
```
|
331 |
+
|
332 |
+
```bibtex
|
333 |
+
@inproceedings{reimers-2019-sentence-bert,
|
334 |
+
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
|
335 |
+
author = "Reimers, Nils and Gurevych, Iryna",
|
336 |
+
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
|
337 |
+
month = "11",
|
338 |
+
year = "2019",
|
339 |
+
publisher = "Association for Computational Linguistics",
|
340 |
+
url = "https://arxiv.org/abs/1908.10084",
|
341 |
+
}
|
342 |
+
```
|
config.json
ADDED
@@ -0,0 +1,27 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"architectures": [
|
3 |
+
"XLMRobertaModel"
|
4 |
+
],
|
5 |
+
"attention_probs_dropout_prob": 0.1,
|
6 |
+
"bos_token_id": 0,
|
7 |
+
"classifier_dropout": null,
|
8 |
+
"eos_token_id": 2,
|
9 |
+
"hidden_act": "gelu",
|
10 |
+
"hidden_dropout_prob": 0.1,
|
11 |
+
"hidden_size": 1024,
|
12 |
+
"initializer_range": 0.02,
|
13 |
+
"intermediate_size": 4096,
|
14 |
+
"layer_norm_eps": 1e-05,
|
15 |
+
"max_position_embeddings": 8194,
|
16 |
+
"model_type": "xlm-roberta",
|
17 |
+
"num_attention_heads": 16,
|
18 |
+
"num_hidden_layers": 24,
|
19 |
+
"output_past": true,
|
20 |
+
"pad_token_id": 1,
|
21 |
+
"position_embedding_type": "absolute",
|
22 |
+
"torch_dtype": "float32",
|
23 |
+
"transformers_version": "4.42.4",
|
24 |
+
"type_vocab_size": 1,
|
25 |
+
"use_cache": true,
|
26 |
+
"vocab_size": 250002
|
27 |
+
}
|
model.safetensors
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:8f36f5b113e21e68f8440a44fb9355569d81ab1d213d156d02bedc2ef0b508b3
|
3 |
+
size 2271064456
|
modules.json
ADDED
@@ -0,0 +1,14 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
[
|
2 |
+
{
|
3 |
+
"idx": 0,
|
4 |
+
"name": "0",
|
5 |
+
"path": "",
|
6 |
+
"type": "sentence_transformers.models.Transformer"
|
7 |
+
},
|
8 |
+
{
|
9 |
+
"idx": 1,
|
10 |
+
"name": "1",
|
11 |
+
"path": "1_Pooling",
|
12 |
+
"type": "sentence_transformers.models.Pooling"
|
13 |
+
}
|
14 |
+
]
|
sentence_bert_config.json
ADDED
@@ -0,0 +1,4 @@
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"max_seq_length": 512,
|
3 |
+
"do_lower_case": false
|
4 |
+
}
|
sentencepiece.bpe.model
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:cfc8146abe2a0488e9e2a0c56de7952f7c11ab059eca145a0a727afce0db2865
|
3 |
+
size 5069051
|
special_tokens_map.json
ADDED
@@ -0,0 +1,51 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"bos_token": {
|
3 |
+
"content": "<s>",
|
4 |
+
"lstrip": false,
|
5 |
+
"normalized": false,
|
6 |
+
"rstrip": false,
|
7 |
+
"single_word": false
|
8 |
+
},
|
9 |
+
"cls_token": {
|
10 |
+
"content": "<s>",
|
11 |
+
"lstrip": false,
|
12 |
+
"normalized": false,
|
13 |
+
"rstrip": false,
|
14 |
+
"single_word": false
|
15 |
+
},
|
16 |
+
"eos_token": {
|
17 |
+
"content": "</s>",
|
18 |
+
"lstrip": false,
|
19 |
+
"normalized": false,
|
20 |
+
"rstrip": false,
|
21 |
+
"single_word": false
|
22 |
+
},
|
23 |
+
"mask_token": {
|
24 |
+
"content": "<mask>",
|
25 |
+
"lstrip": true,
|
26 |
+
"normalized": false,
|
27 |
+
"rstrip": false,
|
28 |
+
"single_word": false
|
29 |
+
},
|
30 |
+
"pad_token": {
|
31 |
+
"content": "<pad>",
|
32 |
+
"lstrip": false,
|
33 |
+
"normalized": false,
|
34 |
+
"rstrip": false,
|
35 |
+
"single_word": false
|
36 |
+
},
|
37 |
+
"sep_token": {
|
38 |
+
"content": "</s>",
|
39 |
+
"lstrip": false,
|
40 |
+
"normalized": false,
|
41 |
+
"rstrip": false,
|
42 |
+
"single_word": false
|
43 |
+
},
|
44 |
+
"unk_token": {
|
45 |
+
"content": "<unk>",
|
46 |
+
"lstrip": false,
|
47 |
+
"normalized": false,
|
48 |
+
"rstrip": false,
|
49 |
+
"single_word": false
|
50 |
+
}
|
51 |
+
}
|
tokenizer.json
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:d9a6af42442a3e3e9f05f618eae0bb2d98ca4f6a6406cb80ef7a4fa865204d61
|
3 |
+
size 17083052
|
tokenizer_config.json
ADDED
@@ -0,0 +1,55 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"added_tokens_decoder": {
|
3 |
+
"0": {
|
4 |
+
"content": "<s>",
|
5 |
+
"lstrip": false,
|
6 |
+
"normalized": false,
|
7 |
+
"rstrip": false,
|
8 |
+
"single_word": false,
|
9 |
+
"special": true
|
10 |
+
},
|
11 |
+
"1": {
|
12 |
+
"content": "<pad>",
|
13 |
+
"lstrip": false,
|
14 |
+
"normalized": false,
|
15 |
+
"rstrip": false,
|
16 |
+
"single_word": false,
|
17 |
+
"special": true
|
18 |
+
},
|
19 |
+
"2": {
|
20 |
+
"content": "</s>",
|
21 |
+
"lstrip": false,
|
22 |
+
"normalized": false,
|
23 |
+
"rstrip": false,
|
24 |
+
"single_word": false,
|
25 |
+
"special": true
|
26 |
+
},
|
27 |
+
"3": {
|
28 |
+
"content": "<unk>",
|
29 |
+
"lstrip": false,
|
30 |
+
"normalized": false,
|
31 |
+
"rstrip": false,
|
32 |
+
"single_word": false,
|
33 |
+
"special": true
|
34 |
+
},
|
35 |
+
"250001": {
|
36 |
+
"content": "<mask>",
|
37 |
+
"lstrip": true,
|
38 |
+
"normalized": false,
|
39 |
+
"rstrip": false,
|
40 |
+
"single_word": false,
|
41 |
+
"special": true
|
42 |
+
}
|
43 |
+
},
|
44 |
+
"bos_token": "<s>",
|
45 |
+
"clean_up_tokenization_spaces": true,
|
46 |
+
"cls_token": "<s>",
|
47 |
+
"eos_token": "</s>",
|
48 |
+
"mask_token": "<mask>",
|
49 |
+
"model_max_length": 512,
|
50 |
+
"pad_token": "<pad>",
|
51 |
+
"sep_token": "</s>",
|
52 |
+
"sp_model_kwargs": {},
|
53 |
+
"tokenizer_class": "XLMRobertaTokenizer",
|
54 |
+
"unk_token": "<unk>"
|
55 |
+
}
|