first release of the tiny model for paraphrase detection

1_Pooling/config.json

@@ -0,0 +1,7 @@
+{
+  "word_embedding_dimension": 312,
+  "pooling_mode_cls_token": false,
+  "pooling_mode_mean_tokens": true,
+  "pooling_mode_max_tokens": false,
+  "pooling_mode_mean_sqrt_len_tokens": false
+}

README.md

@@ -1,3 +1,60 @@
 ---
+pipeline_tag: sentence-similarity
+tags:
+- sentence-transformers
+- feature-extraction
+- sentence-similarity
+- transformers
+language: ru
 license: unlicense
+
+widget:
+- source_sentence: "Кошка ловит мышку"
+  sentences: ["Мышка преследуема кошкой", "Мышка ловит кузнечика", "Кошка ловит кайф"]
 ---
+
+
+# SBERT_SYNONYMY
+
+Это [sentence-transformers](https://www.SBERT.net) модель, предназначенная
+для определения синонимичности двух коротких текстов, преимущественно одиночных предложений длиной до 10-15 слов.
+
+Модель вычисляет для текста и вопроса векторы размерностью 312. Косинус угла между этими векторами
+дает оценку того, насколько они близки по смыслу. В [проекте диалоговой системы](https://github.com/Koziev/chatbot) 
+она используется для определения перефразировок высказыванийи и фактов.
+
+Модель основана на [cointegrated/rubert-tiny2](https://huggingface.co/cointegrated/rubert-tiny2). Она имеет очень небольшой размер и быстро выполняет инференс даже на CPU.
+
+
+## Использование с библиотекой (Sentence-Transformers)
+
+Для удобства установите [sentence-transformers](https://www.SBERT.net):
+
+```
+pip install -U sentence-transformers
+```
+
+Чтобы определить синонимичность одной пары предложений, можно использовать такой код:
+
+```
+import sentence_transformers
+
+sentences = ["Кошка ловит мышку.", "Мышка преследуема кошкой."]
+
+model = sentence_transformers.SentenceTransformer('inkoziev/sbert_synonymy')
+embeddings = model.encode(sentences)
+
+s = sentence_transformers.util.cos_sim(a=embeddings[0], b=embeddings[1])
+print('text={} question={} cossim={}'.format(sentences[0], sentences[1], s))
+```
+
+## Контакты и цитирование
+
+```
+@MISC{rugpt_chitchat,
+    author  = {Ilya Koziev},
+    title   = {Paraphrase Detection Model},
+    url     = {https://huggingface.co/inkoziev/sbert_synonymy},
+    year    = 2022
+}
+```

config.json

@@ -0,0 +1,27 @@
+{
+  "_name_or_path": "cointegrated/rubert-tiny2",
+  "architectures": [
+    "BertModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "classifier_dropout": null,
+  "emb_size": 312,
+  "gradient_checkpointing": false,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 312,
+  "initializer_range": 0.02,
+  "intermediate_size": 600,
+  "layer_norm_eps": 1e-12,
+  "max_position_embeddings": 2048,
+  "model_type": "bert",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 3,
+  "pad_token_id": 0,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.21.3",
+  "type_vocab_size": 2,
+  "use_cache": true,
+  "vocab_size": 83828
+}

config_sentence_transformers.json

@@ -0,0 +1,7 @@
+{
+  "__version__": {
+    "sentence_transformers": "2.0.0",
+    "transformers": "4.21.3",
+    "pytorch": "1.8.0.dev20201224+cu110"
+  }
+}

modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

pytorch_model.bin

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f7a53423f99139f8108ade47dafc9da238bdd3a4c2060ea5844482ed3702493b
+size 116809361

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 2048,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,7 @@
+{
+  "cls_token": "[CLS]",
+  "mask_token": "[MASK]",
+  "pad_token": "[PAD]",
+  "sep_token": "[SEP]",
+  "unk_token": "[UNK]"
+}

tokenizer_config.json

@@ -0,0 +1,16 @@
+{
+  "cls_token": "[CLS]",
+  "do_basic_tokenize": true,
+  "do_lower_case": false,
+  "mask_token": "[MASK]",
+  "model_max_length": 2048,
+  "name_or_path": "cointegrated/rubert-tiny2",
+  "never_split": null,
+  "pad_token": "[PAD]",
+  "sep_token": "[SEP]",
+  "special_tokens_map_file": null,
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "unk_token": "[UNK]"
+}