#信息检索

基于MS MARCO数据集开发的英德双语跨编码器模型，主要用于文本段落重排序。模型在TREC-DL19评测中NDCG@10分别达到72.94（英-英）和66.07（德-英），在GermanDPR数据集上MRR@10为49.91。支持SentenceTransformers和Transformers框架，处理速度为900对文档/秒，适用于跨语言信息检索场景。

项目专注于利用组合数据集进行信息检索与分类操作，如MedicalQARetrieval、NFCorpus和PublicHealthQA等。模型的评估指标包括精确率、召回率和F1-分数，在多任务如医疗问答和亚马逊评论分类中展现了良好性能。分类和检索任务测试结果显示，该模型在精度和性能上表现优异，为医疗嵌入和临床信息检索提供了有效的解决方案。

此开源模型基于DeepPavlov/rubert-base-cased，并经过MS-MARCO数据集优化，专用于俄语信息检索，支持高效的查询和段落相关性排序。通过安装sentence-transformers可直接使用，也可通过HuggingFace Transformers扩展文本分类功能，适合需处理俄语复杂文本的用户。

这是一个基于MS MARCO数据集训练的跨语言文本重排序模型，支持英语和德语文本的相关性排序。模型可处理英语-英语、德语-英语和德语-德语的文本匹配任务。在TREC-DL19和GermanDPR基准测试中表现出色，处理速度可达每秒1600个文档对。兼容SentenceTransformers和Transformers框架，为跨语言信息检索应用提供了高效方案。

TCT-ColBERT是一个采用知识蒸馏技术的密集文档检索模型。该模型通过教师模型紧耦合方法，实现了BERT模型的轻量化，在维持检索效果的同时提高了运行效率。项目支持Pyserini框架集成，提供完整的模型实现代码。

InRanker通过语言模型和重排序技术，在无需额外查询或人工标注的情况下提升跨领域信息检索能力。其双重蒸馏训练策略有效生成训练数据，从而优化了模型性能，并保持易用特性。

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。

TinyBERT-L-6模型在MS Marco Passage Ranking任务中进行了优化，解决信息检索中的查询与段落排序问题。该模型通过交叉编码器实现高效的信息检索，提升查准率并缩短排序时间。支持Transformers与SentenceTransformers工具使用，简化实现流程，展示良好性能。项目提供详尽的训练代码和性能评估，助力深度学习场景下的信息处理任务优化。

MMARCO-MiniLMv2-L12-H384-v1模型使用MMARCO数据集，以Google Translate翻译为14种语言，基于多语言MiniLMv2训练，主要用于信息检索。借助SentenceTransformers工具，用户可以对查询进行编码和排序，实现高效的信息检索。详细信息和训练代码可在SBERT.net及GitHub上查看，适用于多语言环境的信息检索。

这个模型专注于越南语文本嵌入，利用RAG以提高生产效率，并采用Matryoshka损失来实现嵌入截断，从而加快比较速度。微调于intfloat/multilingual-e5-base模型，该模型适用于语义文本相似性、搜索和文本分类等任务，映射到784维密集向量空间，支持多语种处理。在多个余弦相似度指标中具有卓越表现，如cosine accuracy@10达到0.9687，提供高效的信息检索和分类解决方案。