初始化项目，由ModelHub XC社区提供模型

Model: inkoziev/sbert_pq
Source: Original Platform

README.md

@@ -0,0 +1,67 @@
+---
+pipeline_tag: sentence-similarity
+tags:
+- sentence-transformers
+- feature-extraction
+- sentence-similarity
+- transformers
+language: ru
+license: unlicense
+
+widget:
+- source_sentence: "Кошка ловит мышку."
+  sentences: ["Кто ловит мышку?", "Где живет кошка?", "Как мышку зовут?"]
+---
+
+
+# SBERT_PQ
+
+Это [sentence-transformers](https://www.SBERT.net) модель, предназначенная
+для определения релевантности короткого текста (преимущественно одно предложение длиной до 10-15 слов) и вопроса.
+
+Модель вычисляет для текста и вопроса векторы размерностью 312. Косинус угла между этими векторами
+дает оценку того, содержит ли текст ответ на заданный вопрос. В [проекте диалоговой системы](https://github.com/Koziev/chatbot) 
+она используется для семантического поиска записей в базе фактов по заданному собеседником вопросу.
+
+# Скорость и точность
+
+Модель основана на [cointegrated/rubert-tiny2](https://huggingface.co/cointegrated/rubert-tiny2).
+Она имеет очень небольшой размер и быстро выполняет инференс даже на CPU.
+
+Максимальное значение метрики cossim_f1 на тестовой выборке (10% датасета) равно **0.986**.
+
+При использовании модели sberbank-ai/ruBert-base в качестве базовой, максимум cossim_f1 составляет **0.992**.
+
+
+## Использование с библиотекой (Sentence-Transformers)
+
+Необходимо установить [sentence-transformers](https://www.SBERT.net):
+
+```
+pip install -U sentence-transformers
+```
+
+Чтобы определить релевантность в одной паре "текст-вопрос", можно использовать такой код:
+
+```
+import sentence_transformers
+
+sentences = ["Кошка ловит мышку.", "Чем занята кошка?"]
+
+model = sentence_transformers.SentenceTransformer('inkoziev/sbert_pq')
+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   = {Texts & Questions Relevancy Model},
+    url     = {https://huggingface.co/inkoziev/sbert_pq},
+    year    = 2022
+}
+```