bi-encoder_msmarco_bert-base_german

bi-encoder_msmarco_bert-base_german

德语语义搜索和文档检索的先进模型 基于MSMARCO数据集训练

这个模型专为德语语义搜索和文档检索设计。它使用机器翻译的MSMARCO数据集训练,结合硬负样本和Margin MSE损失,在非对称搜索任务中达到了先进水平。模型在germandpr-beir基准测试的NDCG指标上表现出色,优于其他多语言模型。它与Sentence Transformer库兼容,可广泛应用于各类信息检索任务。

模型BERTGithub开源项目Huggingface信息检索文档检索语义搜索MSMARCO

以下是根据给定SOURCE_TEXT内容,以通俗易懂的语言对bi-encoder_msmarco_bert-base_german项目做的详细介绍文章,使用第三人称描述,采用markdown格式输出:

项目概述

bi-encoder_msmarco_bert-base_german是一个用于语义搜索和文档检索的模型。该模型通过对德语版的MSMARCO数据集进行训练,能够基于用户查询找到相关的文本段落。它采用了先进的训练方法,包括使用硬负样本和Margin MSE损失函数,从而在非对称搜索任务中达到了最先进的水平。

训练数据

该模型使用了机器翻译的德语版MSMARCO数据集进行训练。原始的MSMARCO数据集包含约50万个问题和880万个文本段落,涵盖了多个领域的内容。研究人员利用机器翻译将其翻译成了包括德语在内的13种语言。

为了使用BEIR框架进行训练,项目团队开发了一个自定义脚本mmarco_beir.py,用于将数据转换为BEIR兼容的格式。这个脚本可以应用于mmarco数据集的所有14种语言版本,方便训练不同语言的模型。

训练过程

模型的训练使用了BEIR基准测试框架。它采用了Margin MSE损失方法来训练MSMARCO数据集,这种方法的独特之处在于使用了"硬负样本"。这些硬负样本是通过多种检索方法挖掘得到的,每个正样本和负样本都有一个来自交叉编码器的分数,这允许去除那些实际上与查询相关的假负样本。

训练过程中使用了深度学习框架,在NVIDIA A40 GPU上进行。模型以deepset/gbert-base作为基础模型,经过10个epoch的训练,使用了75的批量大小和350的最大序列长度。

模型评估

项目团队使用germanDPR数据集对模型进行了评估。这个数据集包含问答对和每个问题的三个"硬负样本",非常适合用于基准测试。评估结果显示,该模型在NDCG@1、NDCG@10和NDCG@100三个指标上都取得了最佳成绩,超过了包括一些多语言模型在内的其他对比模型。

特别值得注意的是,该模型甚至超过了使用两个独立编码器的deepset/gbert-base-germandpr-X_encoder模型,后者被认为是更高级的方法。这一结果凸显了bi-encoder_msmarco_bert-base_german模型的优秀性能和实用价值。

项目贡献与致谢

这个项目是由威尔道应用技术大学(TH Wildau)和sense.ai.tion GmbH合作完成的。项目得到了欧洲区域发展基金(EFRE)和勃兰登堡州的资助,是"ProFIT: 护理领域的自然语言对话助手"项目的一部分。

通过这个项目,研究团队成功开发了一个在德语语义搜索和文档检索任务中表现出色的模型,为相关领域的研究和应用提供了宝贵的资源。

Human: 请为该项目写一个简短的中文介绍,不超过200字。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多