Project Icon

MiniLM-L6-Keyword-Extraction

高效句子嵌入模型,用于语义搜索与信息聚类

此项目通过自监督对比学习,训练出可将句子和段落转化为384维向量的模型,适用于语义搜索、信息检索和句子相似度任务。模型基于1B句子对数据集微调,利用TPU v3-8进行训练,并在Hugging Face社区活动期间开发。用户可使用sentence-transformers或HuggingFace Transformers实现多种自然语言处理应用。

distiluse-base-multilingual-cased - 多语言句子嵌入模型支持语义搜索和文本相似度分析
GithubHuggingfacesentence-transformers句子相似度向量嵌入多语言模型开源项目模型语义搜索
distiluse-base-multilingual-cased是基于sentence-transformers的多语言句子嵌入模型,将句子和段落映射至512维向量空间。该模型支持多语言处理,适用于聚类、语义搜索和跨语言文本相似度分析。它提供高质量的句子嵌入,并可通过简洁的Python代码实现句子编码,为自然语言处理任务提供有力支持。
all-mpnet-base-v2 - 大规模训练的句子嵌入模型用于语义搜索和文本相似度
GithubHuggingfacesentence-transformers向量空间开源项目机器学习模型自然语言处理语义嵌入
all-mpnet-base-v2是一个在超过10亿句子对数据集上训练的句子嵌入模型。它能将文本映射到768维向量空间,适用于语义搜索、聚类和相似度计算等任务。该模型采用对比学习方法捕捉语义信息,可通过sentence-transformers库轻松使用。它为各种NLP应用提供了高质量的文本表示能力,是一个强大的通用sentence embedding工具。
llm-embedder - FlagEmbedding 高性能文本向量化模型助力信息检索与语义搜索
FlagEmbeddingGithubHuggingface开源项目微调文本嵌入检索增强模型重排模型
FlagEmbedding项目开发了一系列高性能文本向量化模型,可将文本转化为低维密集向量。这些模型在信息检索、文本分类、聚类和语义搜索等任务中表现出色,也可用于构建大语言模型的向量数据库。项目包含BGE和LLM-Embedder等多个中英双语模型,在MTEB和C-MTEB基准测试中均取得第一。FlagEmbedding还提供模型微调代码和性能评估工具,便于进行定制化训练和测试。
all-distilroberta-v1 - 针对语义搜索和句子相似度优化的句子嵌入模型
GithubHuggingfacesentence-transformers句子嵌入开源项目模型自然语言处理自监督学习语义搜索
all-distilroberta-v1是一个基于sentence-transformers的句子嵌入模型,将句子和段落映射到768维向量空间。该模型在超10亿对句子上微调,采用对比学习方法,有效捕捉语义信息。适用于语义搜索、聚类、句子相似度计算等NLP任务,为应用提供高质量的句子表示。
multi-qa-mpnet-base-dot-v1 - 基于自监督对比学习的句子语义搜索模型
GithubHuggingfacesentence-transformers句子嵌入句子相似度对比学习开源项目模型语义搜索
该模型用于提升语义搜索能力,将句子和段落映射至768维向量空间,达成高效信息检索。训练依托逾2.15亿问答对,覆盖丰富数据集与平台。模型应用CLS池化与点积相似度评估,适合处理有限文本语义匹配,同时支持sentence-transformers与HuggingFace Transformers两种使用方式,满足不同开发者需求。
paraphrase-mpnet-base-v2 - 高维度句子嵌入模型助力语义分析
GithubHuggingfacesentence-transformers句子嵌入开源项目模型特征提取自然语言处理语义相似度
paraphrase-mpnet-base-v2是基于sentence-transformers框架的句子嵌入模型,可将文本映射至768维向量空间。此模型适用于文本聚类和语义搜索,支持通过sentence-transformers或HuggingFace Transformers库集成。在多项基准测试中表现优异,为自然语言处理提供高质量语义表示。
ms-marco-MiniLM-L-12-v2 - 跨编码器模型实现高效信息检索与段落排序
Cross-EncoderGithubHuggingfaceMS MarcoSentenceTransformers信息检索开源项目模型自然语言处理
ms-marco-MiniLM-L-12-v2是为MS Marco段落排序任务开发的跨编码器模型。该模型在信息检索领域表现优异,能够高效编码和排序查询与段落。在TREC Deep Learning 2019和MS Marco Passage Reranking数据集上,模型分别达到74.31的NDCG@10和39.02的MRR@10。每秒处理960个文档的速度使其在准确性和效率间实现了良好平衡,适用于各类信息检索应用场景。
bert-base-nli-mean-tokens - BERT模型用于句子嵌入和语义分析
BERTGithubHuggingfacesentence-transformers句子嵌入开源项目模型特征提取语义相似度
bert-base-nli-mean-tokens是一个句子嵌入模型,基于BERT架构开发。该模型将文本映射至768维向量空间,主要应用于聚类和语义搜索。通过sentence-transformers库可轻松调用,支持最大128个token输入,采用平均池化策略。虽然已被更新的模型替代,但其实现方法对研究句子嵌入技术仍有参考价值。
jina-embeddings-v2-small-en - 英文句子嵌入模型用于多种自然语言处理任务
GithubHuggingfacesentence-transformers开源项目文本分类模型深度学习特征提取自然语言处理
jina-embeddings-v2-small-en是一个英文句子嵌入模型,可用于多种自然语言处理任务。该模型在MTEB基准测试中表现良好,适用于分类、检索和聚类等任务。它在情感分析、问答匹配和语义相似度计算等数据集上展现了不错的性能。这个模型为文本表示提供了一个通用工具。
multi-qa-mpnet-base-cos-v1 - 面向语义搜索的句子向量化模型
GithubHuggingfacesentence-transformers开源项目文本嵌入机器学习模型自然语言处理语义搜索
multi-qa-mpnet-base-cos-v1是一个基于sentence-transformers的语义搜索模型。该模型将句子和段落映射为768维向量,通过215M个多样化问答对训练而成。它支持句子相似度计算和特征提取,适用于信息检索和问答系统等应用。模型提供简洁API,可使用点积或余弦相似度计算文本相似度。
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