初始化项目，由ModelHub XC社区提供模型

Model: OysterQAQ/ACGVoc2vec
Source: Original Platform

README.md

@@ -0,0 +1,87 @@
+---
+pipeline_tag: sentence-similarity
+tags:
+- sentence-transformers
+- feature-extraction
+- sentence-similarity
+widget:
+  source_sentence: "亚丝娜"
+  sentences:
+    - "火影忍者"
+    - "Sword Art Online"
+    - "结城明日奈"
+    - "アスナ"
+
+---
+
+# ACGVoc2vec
+
+结构为[sentence-transformers](https://github.com/UKPLab/sentence-transformers)，使用其**distiluse-base-multilingual-cased-v2**预训练权重，以5e-5的学习率在动漫相关语句对数据集下进行微调，损失函数为MultipleNegativesRankingLoss。
+
+数据集主要包括：
+
+* Bangumi
+
+  * 动画日文名-动画中文名
+  * 动画日文名-简介
+  * 动画中文名-简介
+  * 动画中文名-标签
+  * 动画日文名-角色
+  * 动画中文名-角色
+  * 声优日文名-声优中文名
+
+* pixiv
+
+  * 标签日文名-标签中文名
+* AnimeList
+
+  * 动画日文名-动画英文名
+
+* 维基百科
+
+  * 动画日文名-动画中文名
+  * 动画日文名-动画英文名
+  * 中英日详情页h2标题及其对应文本
+  * 简介多语言对照（中日英）
+  * 动画名-简介（中日英）  
+
+* moegirl
+
+  * 动画中文名的简介-简介
+* 动画中文名+小标题-对应内容
+
+在进行爬取，清洗，处理后得到8000w对文本对（还在持续增加），batchzise=80训练了20个epoch，使st的权重能够适应该问题空间，生成融合了领域知识的文本特征向量（体现为有关的文本距离更加接近，例如作品与登场人物，或者来自同一作品的登场人物）。
+
+## Usage
+
+Using this model becomes easy when you have [sentence-transformers](https://www.SBERT.net) installed:
+
+```
+pip install -U sentence-transformers
+```
+
+Then you can use the model like this:
+
+```python
+from sentence_transformers import SentenceTransformer
+sentences = ["This is an example sentence", "Each sentence is converted"]
+
+model = SentenceTransformer('OysterQAQ/ACGVoc2vec')
+embeddings = model.encode(sentences)
+print(embeddings)
+```
+
+
+## Full Model Architecture
+
+```
+SentenceTransformer(
+  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: DistilBertModel 
+  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
+  (2): Dense({'in_features': 768, 'out_features': 512, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'})
+)
+```
+
+## Citing & Authors
+
+<!--- Describe where people can find more information -->