B
Bge M3 Custom Fr
由 manu 开发
bge-fr-en 是一个基于 sentence-transformers 的句子嵌入模型，专注于法语和英语的句子相似度计算和特征提取。
TensorBoard 下载量 9,184
发布时间 : 4/11/2024
模型介绍
内容详情
替代品
模型简介
该模型主要用于计算句子之间的相似度，支持法语和英语，适用于多种自然语言处理任务，如聚类、重排序、检索和分类。
模型特点
多语言支持
支持法语和英语的句子相似度计算。
多功能任务
适用于聚类、重排序、检索和分类等多种自然语言处理任务。
高性能
在多个数据集上表现出色，如 MTEB AlloProfClusteringP2P 和 MTEB AlloprofReranking。
模型能力
句子相似度计算
特征提取
文本聚类
文本重排序
文本检索
文本分类
使用案例
教育
教育内容聚类
用于教育内容的自动聚类，帮助组织和管理教育资源。
在 MTEB AlloProfClusteringP2P 数据集上 v_measure 达到 56.727。
法律
法律文档检索
用于法律文档的检索和重排序，提高法律研究的效率。
在 MTEB BSARDRetrieval 数据集上表现有限，map_at_100 为 0.011。
新闻
新闻分类
用于新闻文章的自动分类，帮助新闻平台组织内容。
在 MTEB MasakhaNEWSClassification 数据集上准确率达到 70.521。
库名称: sentence-transformers 流水线标签: 句子相似度 标签:
- sentence-transformers
- 特征提取
- 句子相似度
- mteb 模型索引:
- 名称: bge-fr-en
结果:
- 任务:
类型: 聚类
数据集:
类型: lyon-nlp/alloprof
名称: MTEB AlloProfClusteringP2P
配置: 默认
分割: 测试
修订: 392ba3f5bcc8c51f578786c1fc3dae648662cb9b
指标:
- 类型: v_measure 值: 56.727459716713
- 任务:
类型: 聚类
数据集:
类型: lyon-nlp/alloprof
名称: MTEB AlloProfClusteringS2S
配置: 默认
分割: 测试
修订: 392ba3f5bcc8c51f578786c1fc3dae648662cb9b
指标:
- 类型: v_measure 值: 38.19920006179227
- 任务:
类型: 重排序
数据集:
类型: lyon-nlp/mteb-fr-reranking-alloprof-s2p
名称: MTEB AlloprofReranking
配置: 默认
分割: 测试
修订: e40c8a63ce02da43200eccb5b0846fcaa888f562
指标:
- 类型: map 值: 65.17465797499942
- 类型: mrr 值: 66.51400197384653
- 任务:
类型: 检索
数据集:
类型: lyon-nlp/alloprof
名称: MTEB AlloprofRetrieval
配置: 默认
分割: 测试
修订: 2df7bee4080bedf2e97de3da6bd5c7bc9fc9c4d2
指标:
- 类型: map_at_1 值: 29.836000000000002
- 类型: map_at_10 值: 39.916000000000004
- 类型: map_at_100 值: 40.816
- 类型: map_at_1000 值: 40.877
- 类型: map_at_3 值: 37.294
- 类型: map_at_5 值: 38.838
- 类型: mrr_at_1 值: 29.836000000000002
- 类型: mrr_at_10 值: 39.916000000000004
- 类型: mrr_at_100 值: 40.816
- 类型: mrr_at_1000 值: 40.877
- 类型: mrr_at_3 值: 37.294
- 类型: mrr_at_5 值: 38.838
- 类型: ndcg_at_1 值: 29.836000000000002
- 类型: ndcg_at_10 值: 45.097
- 类型: ndcg_at_100 值: 49.683
- 类型: ndcg_at_1000 值: 51.429
- 类型: ndcg_at_3 值: 39.717
- 类型: ndcg_at_5 值: 42.501
- 类型: precision_at_1 值: 29.836000000000002
- 类型: precision_at_10 值: 6.149
- 类型: precision_at_100 值: 0.8340000000000001
- 类型: precision_at_1000 值: 0.097
- 类型: precision_at_3 值: 15.576
- 类型: precision_at_5 值: 10.698
- 类型: recall_at_1 值: 29.836000000000002
- 类型: recall_at_10 值: 61.485
- 类型: recall_at_100 值: 83.428
- 类型: recall_at_1000 值: 97.461
- 类型: recall_at_3 值: 46.727000000000004
- 类型: recall_at_5 值: 53.489
- 任务:
类型: 分类
数据集:
类型: mteb/amazon_reviews_multi
名称: MTEB AmazonReviewsClassification (fr)
配置: fr
分割: 测试
修订: 1399c76144fd37290681b995c656ef9b2e06e26d
指标:
- 类型: 准确率 值: 42.332
- 类型: f1 值: 40.801800929404344
- 任务:
类型: 检索
数据集:
类型: maastrichtlawtech/bsard
名称: MTEB BSARDRetrieval
配置: 默认
分割: 测试
修订: 5effa1b9b5fa3b0f9e12523e6e43e5f86a6e6d59
指标:
- 类型: map_at_1 值: 0.0
- 类型: map_at_10 值: 0.0
- 类型: map_at_100 值: 0.011000000000000001
- 类型: map_at_1000 值: 0.018000000000000002
- 类型: map_at_3 值: 0.0
- 类型: map_at_5 值: 0.0
- 类型: mrr_at_1 值: 0.0
- 类型: mrr_at_10 值: 0.0
- 类型: mrr_at_100 值: 0.011000000000000001
- 类型: mrr_at_1000 值: 0.018000000000000002
- 类型: mrr_at_3 值: 0.0
- 类型: mrr_at_5 值: 0.0
- 类型: ndcg_at_1 值: 0.0
- 类型: ndcg_at_10 值: 0.0
- 类型: ndcg_at_100 值: 0.13999999999999999
- 类型: ndcg_at_1000 值: 0.457
- 类型: ndcg_at_3 值: 0.0
- 类型: ndcg_at_5 值: 0.0
- 类型: precision_at_1 值: 0.0
- 类型: precision_at_10 值: 0.0
- 类型: precision_at_100 值: 0.009000000000000001
- 类型: precision_at_1000 值: 0.004
- 类型: precision_at_3 值: 0.0
- 类型: precision_at_5 值: 0.0
- 类型: recall_at_1 值: 0.0
- 类型: recall_at_10 值: 0.0
- 类型: recall_at_100 值: 0.901
- 类型: recall_at_1000 值: 3.604
- 类型: recall_at_3 值: 0.0
- 类型: recall_at_5 值: 0.0
- 任务:
类型: 聚类
数据集:
类型: lyon-nlp/clustering-hal-s2s
名称: MTEB HALClusteringS2S
配置: 默认
分割: 测试
修订: e06ebbbb123f8144bef1a5d18796f3dec9ae2915
指标:
- 类型: v_measure 值: 24.1294565929144
- 任务:
类型: 聚类
数据集:
类型: mlsum
名称: MTEB MLSUMClusteringP2P
配置: 默认
分割: 测试
修订: b5d54f8f3b61ae17845046286940f03c6bc79bc7
指标:
- 类型: v_measure 值: 42.12040762356958
- 任务:
类型: 聚类
数据集:
类型: mlsum
名称: MTEB MLSUMClusteringS2S
配置: 默认
分割: 测试
修订: b5d54f8f3b61ae17845046286940f03c6bc79bc7
指标:
- 类型: v_measure 值: 36.69102548662494
- 任务:
类型: 分类
数据集:
类型: mteb/mtop_domain
名称: MTEB MTOPDomainClassification (fr)
配置: fr
分割: 测试
修订: d80d48c1eb48d3562165c59d59d0034df9fff0bf
指标:
- 类型: 准确率 值: 90.3946132164109
- 类型: f1 值: 90.15608090764273
- 任务:
类型: 分类
数据集:
类型: mteb/mtop_intent
名称: MTEB MTOPIntentClassification (fr)
配置: fr
分割: 测试
修订: ae001d0e6b1228650b7bd1c2c65fb50ad11a8aba
指标:
- 类型: 准确率 值: 60.87691825869088
- 类型: f1 值: 43.56160799721332
- 任务:
类型: 分类
数据集:
类型: masakhane/masakhanews
名称: MTEB MasakhaNEWSClassification (fra)
配置: fra
分割: 测试
修订: 8ccc72e69e65f40c70e117d8b3c08306bb788b60
指标:
- 类型: 准确率 值: 70.52132701421802
- 类型: f1 值: 66.7911493789742
- 任务:
类型: 聚类
数据集:
类型: masakhane/masakhanews
名称: MTEB MasakhaNEWSClusteringP2P (fra)
配置: fra
分割: 测试
修订: 8ccc72e69e65f40c70e117d8b3c08306bb788b60
指标:
- 类型: v_measure 值: 34.60975901092521
- 任务:
类型: 聚类
数据集:
类型: masakhane/masakhanews
名称: MTEB MasakhaNEWSClusteringS2S (fra)
配置: fra
分割: 测试
修订: 8ccc72e69e65f40c70e117d8b3c08306bb788b60
指标:
- 类型: v_measure 值: 32.8092912406207
- 任务:
类型: 分类
数据集:
类型: mteb/amazon_massive_intent
名称: MTEB MassiveIntentClassification (fr)
配置: fr
分割: 测试
修订: 31efe3c427b0bae9c22cbb560b8f15491cc6bed7
指标:
- 类型: 准确率 值: 66.70477471418964
- 类型: f1 值: 64.4848306188641
- 任务:
类型: 分类
数据集:
类型: mteb/amazon_massive_scenario
名称: MTEB MassiveScenarioClassification (fr)
配置: fr
分割: 测试
修订: 7d571f92784cd94a019292a1f45445077d0ef634
指标:
- 类型: 准确率 值: 74.57969065232011
- 类型: f1 值: 73.58251655418402
- 任务:
类型: 检索
数据集:
类型: jinaai/mintakaqa
名称: MTEB MintakaRetrieval (fr)
配置: fr
分割: 测试
修订: efa78cc2f74bbcd21eff2261f9e13aebe40b814e
指标:
- 类型: map_at_1 值: 14.005
- 类型: map_at_10 值: 21.279999999999998
- 类型: map_at_100 值: 22.288
- 类型: map_at_1000 值: 22.404
- 类型: map_at_3 值: 19.151
- 类型: map_at_5 值: 20.322000000000003
- 类型: mrr_at_1 值: 14.005
- 类型: mrr_at_10 值: 21.279999999999998
- 类型: mrr_at_100 值: 22.288
- 类型: mrr_at_1000 值: 22.404
- 类型: mrr_at_3 值: 19.151
- 类型: mrr_at_5 值: 20.322000000000003
- 类型: ndcg_at_1 值: 14.005
- 类型: ndcg_at_10 值: 25.173000000000002
- 类型: ndcg_at_100 值: 30.452
- 类型: ndcg_at_1000 值: 34.241
- 类型: ndcg_at_3 值: 20.768
- 类型: ndcg_at_5 值: 22.869
- 类型: precision_at_1 值: 14.005
- 类型: precision_at_10 值: 3.759
- 类型: precision_at_100 值: 0.631
- 类型: precision_at_1000 值: 0.095
- 类型: precision_at_3 值: 8.477
- 类型: precision_at_5 值: 6.101999999999999
- 类型: recall_at_1 值: 14.005
- 类型: recall_at_10 值: 37.592
- 类型: recall_at_100 值: 63.144999999999996
- 类型: recall_at_1000 值: 94.513
- 类型: recall_at_3 值: 25.430000000000003
- 类型: recall_at_5 值: 30.508000000000003
- 任务:
类型: 对分类
数据集:
类型: GEM/opusparcus
名称: MTEB OpusparcusPC (fr)
配置: fr
分割: 测试
修订: 9e9b1f8ef51616073f47f306f7f47dd91663f86a
指标:
- 类型: cos_sim_accuracy 值: 81.60762942779292
- 类型: cos_sim_ap 值: 93.33850264444463
- 类型: cos_sim_f1 值: 87.24705882352941
- 类型: cos_sim_precision 值: 82.91592128801432
- 类型: cos_sim_recall 值: 92.05561072492551
- 类型: dot_accuracy 值: 81.60762942779292
- 类型: dot_ap 值: 93.33850264444463
- 类型: dot_f1 值: 87.24705882352941
- 类型: dot_precision 值: 82.91592128801432
- 类型: dot_recall 值: 92.05561072492551
- 类型: euclidean_accuracy 值: 81.60762942779292
- 类型: euclidean_ap 值: 93.3384939260791
- 类型: euclidean_f1 值: 87.24705882352941
- 类型: euclidean_precision 值: 82.91592128801432
- 类型: euclidean_recall 值: 92.05561072492551
- 类型: manhattan_accuracy 值: 81.607629427
- 任务:
类型: 聚类
数据集:
类型: lyon-nlp/alloprof
名称: MTEB AlloProfClusteringP2P
配置: 默认
分割: 测试
修订: 392ba3f5bcc8c51f578786c1fc3dae648662cb9b
指标:
Jina Embeddings V3
Jina Embeddings V3 是一个多语言句子嵌入模型，支持超过100种语言，专注于句子相似度和特征提取任务。
文本嵌入
Transformers
Transformers 支持多种语言
J
jinaai
3.7M
911
Ms Marco MiniLM L6 V2
Apache-2.0
基于MS Marco段落排序任务训练的交叉编码器模型，用于信息检索中的查询-段落相关性评分
文本嵌入
英语
M
cross-encoder
2.5M
86
Opensearch Neural Sparse Encoding Doc V2 Distill
Apache-2.0
基于蒸馏技术的稀疏检索模型，专为OpenSearch优化，支持免推理文档编码，在搜索相关性和效率上优于V1版本
文本嵌入 Transformers
Transformers 英语
O
opensearch-project
1.8M
7
Sapbert From PubMedBERT Fulltext
Apache-2.0
基于PubMedBERT的生物医学实体表征模型，通过自对齐预训练优化语义关系捕捉
文本嵌入
英语
S
cambridgeltl
1.7M
49
Gte Large
MIT
GTE-Large 是一个强大的句子转换器模型，专注于句子相似度和文本嵌入任务，在多个基准测试中表现出色。
文本嵌入
英语
G
thenlper
1.5M
278
Gte Base En V1.5
Apache-2.0
GTE-base-en-v1.5 是一个英文句子转换器模型，专注于句子相似度任务，在多个文本嵌入基准测试中表现优异。
文本嵌入 Transformers
Transformers 支持多种语言
G
Alibaba-NLP
1.5M
63
Gte Multilingual Base
Apache-2.0
GTE Multilingual Base 是一个多语言的句子嵌入模型，支持超过50种语言，适用于句子相似度计算等任务。
文本嵌入 Transformers
Transformers 支持多种语言
G
Alibaba-NLP
1.2M
246
Polybert
polyBERT是一个化学语言模型，旨在实现完全由机器驱动的超快聚合物信息学。
文本嵌入 Transformers
TransformersP
kuelumbus
1.0M
5
Bert Base Turkish Cased Mean Nli Stsb Tr
Apache-2.0
基于土耳其语BERT的句子嵌入模型，专为语义相似度任务优化
文本嵌入 Transformers
Transformers 其他
B
emrecan
1.0M
40
GIST Small Embedding V0
MIT
基于BAAI/bge-small-en-v1.5模型微调的文本嵌入模型，通过MEDI数据集与MTEB分类任务数据集训练，优化了检索任务的查询编码能力。
文本嵌入
Safetensors
Safetensors 英语
G
avsolatorio
945.68k
29
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型 Transformers
Transformers 支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。
对话系统 Transformers
Transformers 英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20none;%20}%20.st1%20{%20fill:%20%235ce6cf;%20}%20.st2%20{%20fill:%20%230080ff;%20}%20.st3%20{%20clip-path:%20url(%23clippath);%20}%20%3c/style%3e%3cclipPath%20id='clippath'%3e%3crect%20class='st0'%20y='0'%20width='120'%20height='32'/%3e%3c/clipPath%3e%3c/defs%3e%3cg%20class='st3'%3e%3cg%3e%3cpath%20class='st1'%20d='M22.4,32H3.2c-1,0-2-.5-2.6-1.4-.6-.9-.7-2-.4-2.9L9.8,2.1C10.3.8,11.5,0,12.8,0s2.5.8,3,2.1l9.6,25.6c.4,1,.2,2.1-.4,2.9-.6.9-1.6,1.4-2.6,1.4ZM7.8,25.6h10l-5-13.3-5,13.3Z'/%3e%3cpath%20class='st2'%20d='M33.6,32c-1.3,0-2.5-.8-3-2.1L21,4.3c-.6-1.7.2-3.5,1.9-4.1,1.7-.6,3.5.2,4.1,1.9l9.6,25.6c.6,1.7-.2,3.5-1.9,4.1-.4.1-.8.2-1.1.2h0Z'/%3e%3cpath%20d='M71.8,9.1h-6.9v4.6h6.9c2.5,0,4.6,2,4.6,4.6h-6.9c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h2.3c1.7,0,3.2-.4,4.6-1.2v1.2h4.6v-13.7c0-5-4.1-9.1-9.1-9.1h0ZM71.8,27.4h-2.3c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h6.9c0,2.5-2,4.6-4.6,4.6h0Z'/%3e%3cpath%20d='M52.3,9.1h-4.6V0h-4.6V32h9.1c5,0,9.1-4.1,9.1-9.1v-4.6c0-5.1-4.1-9.1-9.1-9.1h0ZM56.9,22.9c0,2.5-2,4.6-4.6,4.6h-4.6v-13.7h4.6c2.5,0,4.6,2,4.6,4.6v4.6h0Z'/%3e%3cpath%20d='M110.9,13.7h9.1v-4.6h-9.1c-5.1,0-9.1,4.1-9.1,9.1v4.6c0,5.1,4.1,9.1,9.1,9.1h9.1v-4.6h-9.1c-2.5,0-4.6-2-4.6-4.6h13.7v-4.6h-13.7c0-2.5,2-4.6,4.6-4.6h0Z'/%3e%3cpath%20d='M93.6,18.3h-4.6c-1.3,0-2.3-1-2.3-2.3s1-2.3,2.3-2.3h10.3v-4.6h-10.3c-3.8,0-6.9,3.1-6.9,6.9s3.1,6.9,6.9,6.9h4.6c1.3,0,2.3,1,2.3,2.3s-1,2.3-2.3,2.3h-10.3v4.6h10.3c3.8,0,6.9-3.1,6.9-6.9s-3.1-6.9-6.9-6.9Z'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
AIbase是一个专注于MCP服务的平台，为AI开发者提供高质量的模型上下文协议服务，助力AI应用开发。
简体中文