library_name: sentence-transformers pipeline_tag: sentence-similarity tags:

• sentence-transformers
• feature-extraction
• sentence-similarity license: cc-by-nc-4.0

FinLang/finance-embeddings-investopedia

这是FinLang团队为金融应用开发的Investopedia嵌入模型。该模型基于我们开源的金融数据集训练而成，数据集来自https://huggingface.co/datasets/FinLang/investopedia-embedding-dataset。

本模型是在BAAI/bge-base-en-v1.5基础上微调的嵌入模型，可将句子和段落映射到768维稠密向量空间，适用于RAG应用中的聚类或语义搜索等任务。

本项目仅用于研究目的。第三方数据集可能受其相关许可协议中附加条款的约束。

计划

• 研究论文即将发表
• 我们正在开发v2版本模型，将增加金融数据训练语料库，并采用改进的嵌入训练技术

使用方法（LLamaIndex）

在金融RAG应用的索引过程中直接指定Finlang嵌入模型即可。

from llama_index.embeddings import HuggingFaceEmbedding
embed_model = HuggingFaceEmbedding(model_name="FinLang/investopedia_embedding")

使用方法（Sentence-Transformers）

安装sentence-transformers后即可轻松使用本模型（参见https://huggingface.co/sentence-transformers）：

pip install -U sentence-transformers

使用方式如下：

from sentence_transformers import SentenceTransformer
sentences = ["这是一个示例句子", "每个句子都会被转换"]

model = SentenceTransformer('FinLang/investopedia_embedding')
embeddings = model.encode(sentences)
print(embeddings)

测试示例代码：

from sentence_transformers import SentenceTransformer, util

model = SentenceTransformer("FinLang/investopedia_embedding")

query_1 = "让他人存储你的加密货币密钥存在什么潜在风险？私钥是否可能被解密？"
query_2 = "主要风险在于托管关系中，密钥持有方控制着你的加密货币资产。虽然理论上可以解密私钥，但以现有技术需要数百年甚至数千年才能遍历115 quattuorvigintillion种可能性。大多数黑客攻击和盗窃都发生在存储私钥的钱包层面。"

embedding_1 = model.encode(query_1)
embedding_2 = model.encode(query_2)
scores = (embedding_1*embedding_2).sum()
print(scores) # 0.862