#句子相似度

此项目提供了nomic-embed-text-v1.5的llama.cpp兼容文件，采用GGUF格式。主要用于文本特征提取和句子相似性计算，支持最多8192个token的处理。通过YaRN和线性扩展进行上下文管理，且支持多种量化选项以优化性能和存储需求。适用于整合搜索和问答应用。

项目依托sentence-transformers框架及PhoBERT-base-v2模型，旨在优化越南语句子相似度与聚类任务。通过结合MS Macro、SQuAD v2及Zalo 2021数据集进行训练，其在语义搜索和法律文本检索表现上有所提升。支持用户通过安装sentence-transformers库及HuggingFace的API和Widget多种方式轻松上手。

此项目基于多语言处理，融合Sentence Transformers技术，专注于句子相似性与特征提取。支持多语言，适用于分类、重排序、文本聚类等多种场景。模型在各种任务中表现优异，如MTEB AmazonCounterfactualClassification和MTEB BUCC中的分类与双语文本挖掘，表现出色。采用MIT许可证，具有高度使用灵活性。

该模型是基于roberta-base-bne进行微调，专为西班牙语问答场景优化。通过将句子和段落转换为768维的密集向量空间，适用于语义搜索和文本聚类等任务。使用MS-MARCO数据集的西班牙语翻译版进行训练，尤其适合处理西班牙语问题。输入文本超过512个词片段时会自动截断，旨在提供精确的问答性能。

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。

ember-v1是一个在MTEB基准测试中表现出色的自然语言处理模型。该模型在分类、检索、聚类和语义相似度等多种NLP任务中取得了显著成果。在Amazon评论分类和问答检索等实际应用场景中，ember-v1展现出优异性能。这个多功能模型为文本分析和信息检索提供了有力支持，是研究人员和开发者的实用NLP工具。

gte-Qwen2-7B-instruct是基于Qwen2架构开发的多语言句子嵌入模型。在MTEB基准测试中,该模型在句子相似度、文本分类和信息检索等任务上表现出色。它支持多语言处理,能有效完成跨语言文本理解,为自然语言处理应用提供强大的语义表示能力。

项目bge-large-en-v1.5的ONNX版本，适用于文本分类和相似性搜索。使用FastEmbed工具进行推理，可实现灵活高效的文本嵌入，具备快速计算与高准确性，适合大规模文本数据分析场景。

基于MiniLM-L6-v2架构开发的句子相似度模型，通过整合注意力权重机制增强了文本搜索能力。模型采用ONNX格式发布，可与FastEmbed库无缝集成，支持稀疏嵌入生成，在大规模文本检索场景中表现出色。该模型针对BM42搜索进行了特别优化，能有效提升检索准确度。

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。

基于Transformer架构的中文文本向量模型，支持句子相似度计算、文本分类、检索和重排序功能。在MTEB中文基准测试中完成了医疗问答、电商等领域的评估，支持中英双语处理，采用Apache-2.0开源许可证。

gte-tiny是一个轻量级句向量模型，用于文本相似度计算和语义匹配。模型在MTEB基准测试的文本分类、检索和聚类任务中取得良好效果，适用于各类文本处理应用场景。

msmarco-distilbert-base-dot-prod-v3是一个开源的sentence-transformer模型，通过将文本映射为768维向量实现语义表示。模型采用点积方法计算文本相似度，支持语义搜索和文本聚类功能。集成sentence-transformers框架，可快速部署并应用于实际场景。该模型在句子嵌入基准测试中表现出色，适用于多种自然语言处理任务。

gbert-large-paraphrase-cosine是一个基于deepset/gbert-large的德语句子转换模型，能将文本映射至1024维向量空间。该模型与SetFit配合使用，显著提升德语少样本文本分类效果。模型采用MultipleNegativesRankingLoss和余弦相似度作为损失函数，在精选的deutsche-telekom/ger-backtrans-paraphrase数据集上训练。评估显示，其在德语少样本场景中的表现优于多语言模型和Electra模型，为德语自然语言处理任务提供了有力工具。

该开源项目mmlw-roberta-large通过多任务学习提高了自然语言处理性能，尤其在句子相似性、分类和检索等任务上表现突出。模型适用于多种数据集，如MTEB AllegroReviews和MTEB ArguAna-PL，实现了较高的准确率和F1值。使用了sentence-transformers和transformers技术，确保在大规模数据集上的优异表现。

ko-sroberta-nli模型通过将韩语文本转换为768维向量，支持多种自然语言处理任务如聚类和语义搜索。它在KorNLI和KorSTS数据集上的评估结果值得关注，且允许在不使用sentence-transformers时结合Hugging Face Transformers进行操作，实现灵活的词嵌入应用。这款工具具备便捷的安装和操作，可高效提升韩语语义处理能力。

探索无监督文本嵌入的新领域，E5-base-unsupervised模型通过弱监督对比预训练实现文本表示学习。模型由12层组成，嵌入尺寸为768，支持句子相似度评估等多种任务。模型专为高效的查询和段落编码设计，适合开放问答和广告信息检索等场景使用。其使用便捷，支持与Sentence Transformers结合应用，以便在不同任务中灵活调整。同时，该模型仅支持英文文本，最大支持512个令牌。访问相关文档和基准测试可进一步了解性能和训练细节。

此开源项目专注于实现多语言特征提取与文本分类的多任务模型，适用于多种MTEB数据集场景。模型实现句子相似度的有效评估，并在分类、聚类、再排序和检索任务中展现出良好的性能。采用多种数学计算方法，如余弦相似度、曼哈顿距离、欧氏距离等，确保结果的精确性与适应性。项目支持中英文文本处理，适用于学术研究及商业应用中的多种场景。

snowflake-arctic-embed-m-v1.5是基于Transformers.js开发的句子相似度模型,主要应用于文本检索和特征提取。该模型采用sentence-transformers架构,在MTEB ArguAna等基准测试中主要评估指标达到59.53,能够提供准确的文本匹配和检索功能。

LLM2Vec项目通过简单的三步法，将仅解码的大型语言模型转换为有效的文本编码器。这三步包括启用双向注意力机制、掩蔽下一个词预测和无监督对比学习。经过微调，这个模型能够在文本嵌入、信息检索和句子相似性等自然语言处理应用中取得高效表现。

text2vec-base-chinese 是一个中文自然语言处理模型，通过将MacBERT替换为LERT实现改进，用于提升句子相似度计算的精确性。该项目在保持其他训练条件不变的情况下，确保了模型性能的稳定性，对需要进行高效特征提取和相似度计算的用户尤其有帮助。2024年6月25日，该项目的onnxruntime版本已发布，以支持更广泛的应用，让开发者能够更高效地构建智能应用。

multi-qa-MiniLM-L6-dot-v1是一个专为语义搜索设计的句子嵌入模型，将文本转化为384维的密集向量。此模型训练于215M个问题和答案对，可处理多种数据来源。用户可通过sentence-transformers轻松加载模型进行查询和文档编码，从而计算点积相似度分数，实现相关性排序。除了基础功能外，该模型同样支持HuggingFace Transformers的复杂上下文嵌入处理，能有效提升语义搜索效率，适用于不超过512词片的文本。

bge-en-icl是一个开源的句子嵌入模型，在MTEB基准测试的多项自然语言处理任务中表现出色。该模型支持多语言处理，适用于句子相似度计算、文本分类和信息检索等应用场景。在AmazonPolarity分类任务中，bge-en-icl达到了96.98%的准确率；在FEVER检索任务中，准确率达到92.83%。此外，该模型在其他任务如ArguAna检索和Banking77分类中也取得了优异成绩。bge-en-icl为研究人员和开发者提供了一个强大的工具，用于处理和分析各种文本数据。

LLM2Vec-Sheared-LLaMA-mntp-unsup-simcse 是一种基于LLaMA模型的无监督语言模型嵌入技术。该项目通过剪枝和对比学习等方法优化模型，在文本分类、信息检索、聚类等多种NLP任务中表现优异。项目进行了广泛的评估，为自然语言处理领域提供了一种高效的文本表示学习方法。

LLM2Vec-Meta-Llama-3-8B-Instruct-mntp项目提供了创新的文本嵌入技术，支持文本分类、信息检索、重排序和聚类等多种任务。通过其监督模型，有效提升精度和召回率，如在Amazon反事实分类任务中准确率达79.94%，在ArguAna数据集的检索任务中各项指标优异。此项目在多种自然语言处理中展现出显著应用潜力，是评价文本语义相似度的关键工具。

LinkTransformer模型提供了一种简便的方法来实现实体匹配与链接任务，如聚类、去重和数据链接。模型使用微调后的句子转换器技术，将文本转换为稠密向量，适用于语义搜索等任务。通过安装LinkTransformer，用户可以在数据框架中轻松实现公司名称匹配，并获得相似度分数。该模型支持自定义训练，并提供详细的使用说明。

instructor-base是一个基于Transformer架构的文本相似度模型。该模型在MTEB基准测试中表现良好，可用于文本分类、信息检索和文档聚类等任务。它使用文本嵌入技术来捕捉句子间的语义相似度，适用于搜索优化、问答系统和文本分析。模型支持多语言处理，可作为自然语言处理的有效工具。

nq-distilbert-base-v1模型以sentence-transformers为基础，将句子和段落转换为768维向量，以支持聚类和语义搜索任务。通过安装sentence-transformers库可轻松使用，具备丰富的使用选项，包括通过HuggingFace Transformers实现上下文嵌入和均值池化等应用，广泛适用于文本相似性评估、内容聚类和语义检索等自然语言处理任务，提供可靠性能与灵活应用场景。

基于text2vec衍生的中文模型，采用LERT替代MacBERT，提高句子相似性和特征提取效率。支持onnxruntime，发布于2024年6月25日。