许可协议：apache-2.0
支持语言：

• 英语
  任务类型：句子相似度

这是sentence-transformers/all-MiniLM-L6-v2的ONNX移植版本，已调整为可返回注意力权重。

该模型专为BM42搜索场景设计。

使用示例

以下是通过FastEmbed库调用模型进行推理的示例：

from fastembed import SparseTextEmbedding

文档样本 = [
    "你应当留下、学习并冲刺。",
    "历史唯一能做的，就是让我们对下一次意外做好准备。",
]

模型 = SparseTextEmbedding(model_name="Qdrant/bm42-all-minilm-l6-v2-attentions")
嵌入向量 = list(模型.embed(文档样本))

# 输出示例：
# [
#     SparseEmbedding(数值=数组([0.26399775, 0.24662513, 0.47077307]),
#                     索引=数组([1881538586, 150760872, 1932363795])),
#     SparseEmbedding(数值=数组(
#         [0.38320042, 0.25453135, 0.18017513, 0.30432631, 0.1373556]),
#                     索引=数组([
#                         733618285, 1849833631, 1008800696, 2090661150,
#                         1117393019
#                     ]))
# ]