BERT文本相似度-英文-base-学术数据集paws

该模型基于bert-base-uncased，在paws(Paraphrase Adversaries from Word Scrambling)数据集(约9万条)上微调得到。

模型描述

模型采用英文句子对方式对句子相似度进行学习

期望模型使用方式以及适用范围

你可以使用BERT英文文本相似度模型，对通用领域的英文文本相似度任务进行推理。 输入形如（文本A，文本B）的文本对数据，模型会给出该文本对的是否相似的标签（0, 1）以及相应的概率。

如何使用

在安装完成ModelScope-lib之后即可使用，请参考modelscope环境安装 。

推理代码范例

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

semantic_cls = pipeline(Tasks.sentence_similarity, 'damo/nlp_bert_sentence-similarity_english-base')
semantic_cls(input=('That is a happy person', 'That person is happy'))

//: # () //: # () //: # () //: # () //: # () //: # () //: # () //: # () //: # () //: # () //: # () //: # () //: # () //: # ()

模型局限性以及可能的偏差

模型训练数据有限，在特定行业数据上，效果可能存在一定偏差。

数据评估及结果

在测试集上的f1为0.915。

相关论文以及引用信息

@InProceedings{paws2019naacl,
  title = {{PAWS: Paraphrase Adversaries from Word Scrambling}},
  author = {Zhang, Yuan and Baldridge, Jason and He, Luheng},
  booktitle = {Proc. of NAACL},
  year = {2019}
}