Conan-embedding-v1

Conan-embedding-v1

中文文本处理的开源深度学习工具

Conan-embedding-v1是一个开源项目,采用sentence-transformers库,支持多种中文自然语言处理任务如STS、分类、重排序、检索和聚类。通过在AFQMC、ATEC和AmazonReviewsClassification等数据集上的测试,该项目展示了其在复杂中文语境中的有效性。其分析与性能指标对比提供了开发者和研究人员一种提升自然语言处理效率和准确性的方法。

检索性能语义相似度Huggingface句子转换器conan-embeddingGithub文本分类开源项目模型

项目介绍:Conan-embedding-v1

Conan-embedding-v1是一个基于Sentence Transformers库开发的文本嵌入模型。其主要目标是通过多样化的自然语言处理任务来有效地评估和提升语言理解的能力。该项目遵循cc-by-nc-4.0开源协议。

主要功能和数据集

Conan-embedding-v1模型涵盖了以下几种任务类型,这些任务都是在不同数据集上执行的,具体包括:

文本相似性(STS)

  1. MTEB AFQMC数据集:在验证集上,该模型通过余弦相似度和欧氏距离等多种方式评估,表现出了相对一致的性能,其中余弦相似度的皮尔逊相关值为56.61,斯皮尔曼相关值为60.66。
  2. MTEB ATEC数据集:模型同样在测试集上进行评估,结果显示其在不同的相似性度量中的分数略有变化,表明了该模型在处理这种类型语料时的稳定性。
  3. MTEB BQ数据集:模型在该数据集上的表现较为优秀,余弦相似度的皮尔逊相关值达到72.65,表明模型在这个特定语料库中的良好运作。
  4. MTEB LCQMC数据集:同样,模型通过皮尔逊和斯皮尔曼的得分展示了其在该任务上的有效性。

文本分类

  1. MTEB AmazonReviewsClassification(zh)数据集:在该中文评论分类任务中,模型在测试集上的准确率为50.31%。虽然这一分数不高,但F1分数为46.93,显示了该模型在类别不平衡的情况下仍具有一定的识别能力。
  2. MTEB IFlyTek数据集:验证集上的F1得分为39.82,这表明模型在实际应用场景中的适应能力。
  3. MTEB JDReview数据集:该数据集展示了较高的准确率90.32%,并且F1得分为85.94,表明了该模型在处理这种类型数据时的有效性。

聚类

  1. MTEB CLSClusteringP2P数据集:测试集上模型的V测量值为60.64,反映出模型在对聚类任务的理解和应用能力。
  2. MTEB CLSClusteringS2S数据集:在该数据集上模型表现略有下降,V测量值为52.65。

重排

  1. MTEB CMedQAv1/V2数据集:在这些重排任务中,模型展示了极好的表现,MAP值分别达到91.38和89.72。
  2. MTEB MMarcoReranking数据集:MAP得分为41.58,展示出模型在处理开放领域问答重排时的稳健性。

信息检索

在各类检索数据集中,Conan-embedding-v1模型总体表现优良,部分数据集如MTEB CovidRetrieval和MTEB DuRetrieval展示了高效的性能:

  • MTEB CovidRetrieval数据集:在开发集上的MAP@10达到90.10,MRR@10为90.01。
  • MTEB MMarcoRetrieval数据集:在开发集上MAP@10达到78.26,展示了模型在处理大规模文本检索时的能力。

结论

Conan-embedding-v1模型在多语言文本理解任务上表现出色,能够有效执行多种自然语言处理任务。其在文本相似性评估、文本分类、聚类及信息检索任务中均取得了不错的业绩,显示了其作为一个多用途语言模型的潜力。随着不断针对各类任务进行优化和调整,此模型可在更广泛的应用场景中得到使用。

编辑推荐精选

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。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多