Project Icon

sup-SimCSE-VietNamese-phobert-base

越南语句向量生成与对比学习模型

该项目开发了一个越南语句向量生成模型,通过有监督和无监督学习方法进行训练。模型整合了SimCSE和PhoBERT技术,能够准确理解和表示越南语句的语义信息。开发者可以通过sentence-transformers或transformers库快速集成使用,支持文本分词和向量编码等核心功能。模型规模达到1.35亿参数。

sup-simcse-ja-large - 基于BERT的日语句向量模型与文本相似度分析工具
GithubHuggingfaceJSNLIsentence-transformers开源项目文本嵌入日本语文本相似度模型自然语言处理
该模型基于BERT-large-japanese-v2架构开发,通过JSNLI数据集训练完成。模型整合了sentence-transformers和HuggingFace Transformers框架,可实现日语文本的向量化表示和相似度分析。技术特点包括cls池化策略、1024维隐藏层和BFloat16数据格式,适用于日语自然语言处理任务。
sentence-transformers - 多语言文本和图像嵌入向量生成框架
GithubSentence Transformers向量表示开源项目深度学习自然语言处理预训练模型
sentence-transformers是一个基于transformer网络的框架,用于生成句子、段落和图像的向量表示。该项目提供了多语言预训练模型,支持自定义训练,适用于语义搜索、相似度计算、聚类等场景。这个开源工具在自然语言处理和计算机视觉任务中表现出色,为研究人员和开发者提供了便捷的嵌入向量生成方案。
sbert-base-chinese-nli - SBERT中文句向量模型实现语义相似度计算
Chinese Sentence BERTGithubHuggingfaceUER-py句向量模型开源项目模型自然语言处理语义相似度
sbert-base-chinese-nli是一个基于BERT的中文句向量模型,通过UER-py框架预训练,并在ChineseTextualInference数据集上微调。该模型可将中文句子转换为向量表示,主要用于计算语义相似度。用户可通过sentence-transformers库轻松调用,适用于自然语言处理中的句子相似度任务。模型采用Siamese网络结构,在腾讯云平台上进行了5轮微调,以提升性能。
paraphrase-multilingual-mpnet-base-v2 - 跨语言句子向量化模型支持聚类和语义检索
GithubHuggingfacesentence-transformers多语言模型开源项目文本嵌入模型自然语言处理语义搜索
paraphrase-multilingual-mpnet-base-v2是一个基于sentence-transformers的多语言句子嵌入模型,支持50多种语言。它将句子和段落映射为768维向量,适用于聚类和语义搜索。模型易于使用,通过pip安装即可快速集成。在Sentence Embeddings Benchmark上表现出色,采用XLMRobertaModel和平均池化层结构,可有效处理不同长度的文本输入。
ko-sbert-nli - 基于SBERT架构的韩语语义相似度模型实现文本向量化
GithubHuggingfacesentence-transformers开源项目文本嵌入模型自然语言处理语义搜索韩语模型
该模型基于sentence-transformers框架,将韩语文本转化为768维向量。经KorNLI数据集训练,在KorSTS评估中获83.16%相关性。适用于句子编码、语义搜索和文本聚类,支持Python接口和pip安装。
sentence-transformers-e5-large-v2 - 句子向量化模型实现文本相似度检索和聚类
GithubHuggingfaceembaas APIsentence-transformers句子嵌入开源项目模型自然语言处理语义搜索
sentence-transformers-e5-large-v2模型是intfloat/e5-large-v2的改进版本,能将文本映射至1024维向量空间。该模型在聚类和语义搜索方面表现出色,支持通过sentence-transformers库或embaas API快速集成。模型在MTEB评测中获得优异成绩,为文本嵌入和相似度计算提供了有力支持。
text2vec-base-chinese - 高效中文语义匹配与文本嵌入模型
CoSENTGithubHuggingfacesentence-transformers中文模型开源项目文本匹配模型语义相似度
text2vec-base-chinese是一个采用CoSENT方法训练的中文语义匹配模型,可将句子转换为768维密集向量。该模型在句子嵌入、文本匹配和语义搜索等任务中表现优异,在多项中文文本匹配基准测试中展现出卓越性能和效率。模型支持通过text2vec、Hugging Face Transformers或sentence-transformers等库轻松集成,便于开发者快速应用于实际项目中。
distiluse-base-multilingual-cased-v2 - 多语言句子向量模型 适用于60多种语言的语义分析
GithubHuggingfacesentence-transformers句子相似度向量空间多语言模型开源项目模型语义搜索
distiluse-base-multilingual-cased-v2是一款多语言句子转换模型,能将文本转化为512维向量。支持60多种语言,可用于文本聚类和语义搜索。通过sentence-transformers库即可快速部署使用。该模型在句子嵌入基准测试中表现优异,为多语言自然语言处理提供了有力支持。
VLM2Vec-Full - 视觉语言模型VLM2Vec的多模态嵌入训练方法
GithubHuggingfaceTIGER-LabVLM2Vec多模态嵌入对比学习开源项目模型视觉语言模型
VLM2Vec在Phi-3.5-V模型中引入EOS标记,实现跨多模态输入的统一嵌入表达,高效结合文本与图像。通过对比学习在MMEB-train数据集上训练,并在36个数据集上进行评估,Lora训练方式表现最佳。项目提供模型检查点及完整训练记录,供用户在GitHub仓库克隆下载,通过代码实现文本与图像的嵌入和相似度计算,助力模型运用。
paraphrase-xlm-r-multilingual-v1 - 多语言句子嵌入模型 生成768维向量用于相似度计算
GithubHuggingfacesentence-transformers向量嵌入多语言模型开源项目模型自然语言处理语义相似度
这是一个基于sentence-transformers的多语言句子嵌入模型。该模型将句子和段落映射到768维向量空间,适用于聚类和语义搜索等任务。模型支持多语言输入,可通过简单的Python代码调用。它基于XLM-RoBERTa架构,采用平均池化方法生成句子嵌入。模型性能可在Sentence Embeddings Benchmark网站查看评估结果。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号