Clemylia/Nacacia-fine

💕 Documentation du modèle Nacacia-fine 💕

🌟 Objectif du modèle

Nacacia-fine est un modèle spécialisé dans l'analyse de la similarité des phrases. Son super-pouvoir ? Il est capable de comprendre si deux phrases ont le même sens, même si elles ne sont pas écrites avec les mêmes mots. C'est un peu comme un détective qui cherche le sens caché des phrases ! 🕵️‍♀️

Ce modèle est parfait pour les applications de recherche, de classification de texte, ou pour construire un chatbot capable de comprendre les questions des utilisateurs, même s'ils les posent de manière différente.

✨ Comment ça marche ?

Nacacia-fine est un modèle de machine learning qui a été entraîné avec amour et soin sur une dataset unique et personnalisée. C'est un modèle du type Sentence Transformer.

Pour le créer, il a été fine-tuné à partir du modèle Nacacia-v2 (disponible sur l'ancien compte de Clemylia). Nacacia-v2 est lui-même une version fine-tunée d'un grand modèle de base comme distilbert. Cela permet à Nacacia-fine de bénéficier de l'énorme connaissance de son modèle parent tout en étant spécialisé pour sa tâche unique.

Le modèle a été entraîné avec la petite dataset Nacid sur le compte Clem27sey, qui contient une liste de questions et de réponses. C'est grâce à elle qu'il a appris à reconnaître la cohérence entre une question et sa réponse.

💖 Comment l'utiliser

Vous pouvez utiliser Nacacia-fine dans vos propres projets pour y ajouter une touche d'intelligence !

1. Installation

D'abord, installez la bibliothèque sentence-transformers en utilisant pip :

pip install -U sentence-transformers

2. Utilisation en Python

Ensuite, vous pouvez charger le modèle et l'utiliser pour comparer vos propres phrases. Il est très simple à utiliser !

from sentence_transformers import SentenceTransformer, util

# Téléchargez et chargez le modèle directement depuis le Hugging Face Hub
model = SentenceTransformer("Clemylia/Nacacia-fine")

# Vos phrases à analyser
sentences = [
    'Est-ce que le chat est un animal ?',
    'Un chat est un mammifère.',
    'Le chien est mon meilleur ami.'
]

# Calcule les "embeddings" de vos phrases
embeddings = model.encode(sentences, convert_to_tensor=True)

# Calcule la matrice de similarité (plus le score est proche de 1, plus les phrases sont similaires)
similarity_scores = util.cos_sim(embeddings, embeddings)

# Affiche le résultat
print("Scores de similarité :")
print(similarity_scores)

🚀 Allez-y, créez !

Nous espérons que ce modèle vous inspirera pour vos prochains projets. N'hésitez pas à jouer avec, à tester d'autres phrases, et à découvrir toutes les possibilités de Nacacia-fine.