Project Icon

all-MiniLM-L6-v2-onnx

高效文本嵌入和相似度搜索的ONNX解决方案

all-MiniLM-L6-v2模型的ONNX版本是一个用于文本分类和相似度搜索的工具。该模型与Qdrant兼容,支持IDF修饰符,并可通过FastEmbed库进行推理。它能生成文本嵌入向量,适用于多种自然语言处理任务,尤其在需要进行文本相似度比较的场景中表现优异。使用该模型可以简化文本处理流程,提高相关应用的效率。

LLM2Vec-Mistral-7B-Instruct-v2-mntp - 将大型语言模型转变为高效文本编码器的简单方法
GithubHuggingfaceLLM2Vec开源项目文本编码模型深度学习自然语言处理语义相似度
LLM2Vec-Mistral-7B-Instruct-v2-mntp项目提供了一种将解码器型大语言模型转换为文本编码器的方法。该方法包括启用双向注意力、掩码下一个词预测和无监督对比学习三个步骤。经过转换的模型可生成高质量文本嵌入,适用于信息检索、文本分类和语义相似度等自然语言处理任务,并可通过微调进一步提升性能。
MiniCPM-Embedding - 高效中英双语文本嵌入和跨语言检索模型
GithubHuggingfaceMiniCPM-Embedding中英双语嵌入模型开源项目检索模型跨语言
MiniCPM-Embedding是一款中英双语文本嵌入模型,由面壁智能、清华大学和东北大学共同开发。模型基于MiniCPM-2B-sft-bf16训练,采用双向注意力和加权平均池化技术,在中英文检索和跨语言检索任务中表现出色。模型参数为2.4B,嵌入维度2304,最大支持512个输入tokens。MiniCPM-Embedding在多项评测中展现了优秀性能,尤其在跨语言检索任务中表现突出,为中英文文本处理和检索提供了有力工具。
MiniLM-L12-H384-uncased - 轻量快速的预训练语言模型实现BERT级别性能表现
BERTGithubHuggingfaceMiniLM开源项目模型模型压缩深度学习自然语言处理
MiniLM-L12-H384-uncased通过模型压缩技术将参数量降至33M,在保持与BERT相当性能的同时,运行速度提升2.7倍。模型在SQuAD 2.0和GLUE等自然语言理解任务中表现出色,可直接替代BERT,适用于对模型体积和运行效率敏感的场景。
msmarco-cotmae-MiniLM-L12_en-ko-ja - 多语言语义理解和向量化模型
GithubHuggingfacesentence-transformers嵌入向量开源项目模型模型训练自然语言处理语义相似度
这是一个基于sentence-transformers框架的多语言语义理解模型,可将句子和段落映射为1536维向量。支持英语、韩语和日语,适用于聚类、语义搜索等任务。模型采用MSELoss训练,结合AdamW优化器,展现出优秀的跨语言语义理解能力。研究人员和开发者可通过sentence-transformers库轻松集成此模型,为多语言自然语言处理项目提供有力支持。
bge-base-en-v1.5 - 高效英文文本嵌入模型 支持语义搜索与相似度计算
GithubHuggingfaceONNX权重Transformers.js嵌入计算开源项目文本检索模型特征提取
bge-base-en-v1.5是一个基于Transformers.js的英文文本嵌入模型,专门用于语义搜索和文本相似度计算。该模型提供高效的特征提取功能,支持多句嵌入和余弦相似度计算。它易于集成到各种自然语言处理任务中,如信息检索、文档分类和语义匹配。开发者可通过简洁的JavaScript代码实现文本嵌入和相似度计算。
stsb-bert-tiny-openvino - 基于BERT的轻量级句子相似度和语义搜索模型
GithubHuggingfacesentence-transformers向量编码开源项目模型深度学习自然语言处理语义搜索
stsb-bert-tiny-openvino是一个轻量级的自然语言处理模型,基于sentence-transformers框架开发。模型将文本映射为128维向量,可用于文本相似度分析、聚类和语义检索。支持sentence-transformers和HuggingFace两种调用方式,配备完整的使用示例和文档。通过CosineSimilarityLoss训练优化,在保持高效处理能力的同时确保了模型的轻量化。
LLM2Vec-Sheared-LLaMA-mntp-unsup-simcse - 基于LLaMA的无监督语言模型嵌入技术
GithubHuggingfaceMTEB信息检索句子相似度开源项目文本分类文本嵌入模型
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。
timely-arctic-small - 语义相似度分析模型:句子向量化工具
GithubHuggingfaceSnowflake/snowflake-arctic-embed-s开源项目数据集文本分类模型相似性函数语义相似性
基于Sentence Transformers的模型,采用Snowflake/snowflake-arctic-embed-s进行语义相似度分析。模型将句子转化为384维向量,适用于语义搜索、同义词挖掘、文本分类和聚类等领域。使用余弦相似度作为基本算法,支持最长512个token的序列,训练与评估数据集分别包含55736与1000条样本,提升精确度。更多技术细节与用法,请参考GitHub和相关文档。
bge-micro-v2 - 轻量高效的语义相似度神经网络
GithubHuggingfacesentence-transformers开源项目数据集机器学习模型模型评估自然语言处理
作为一个轻量级语义相似度模型,bge-micro-v2在保持小型化的同时,展现出卓越的文本表示能力。该模型在MTEB多项基准测试中表现出色,包括文本分类、信息检索、文档聚类和语义相似度评估等任务。bge-micro-v2的设计特别适合在计算资源受限的场景下进行高效的语义分析工作。
sentence-t5-base - 基于T5架构的句子编码模型用于文本相似度分析
GithubHuggingfacesentence-t5-basesentence-transformers向量嵌入开源项目模型自然语言处理语义相似度
sentence-t5-base是一个基于T5架构的句子编码模型,能将文本映射到768维向量空间。该模型在句子相似度任务中表现优异,但语义搜索效果一般。它由TensorFlow版本转换而来,可通过sentence-transformers库轻松使用。模型仅包含T5-base的编码器部分,权重采用FP16格式存储。使用时需要sentence-transformers 2.2.0及以上版本。这个模型适用于多种自然语言处理应用场景,尤其是文本相似度分析。
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

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