pipeline_tag: 句子相似度 tags:

• 句子相似度
• 句子转换器 license: mit language:
• 多语言
• 南非荷兰语
• 阿姆哈拉语
• 阿拉伯语
• 阿萨姆语
• 阿塞拜疆语
• 白俄罗斯语
• 保加利亚语
• 孟加拉语
• 布列塔尼语
• 波斯尼亚语
• 加泰罗尼亚语
• 捷克语
• 威尔士语
• 丹麦语
• 德语
• 希腊语
• 英语
• 世界语
• 西班牙语
• 爱沙尼亚语
• 巴斯克语
• 波斯语
• 芬兰语
• 法语
• 弗里斯兰语
• 爱尔兰语
• 苏格兰盖尔语
• 加利西亚语
• 古吉拉特语
• 豪萨语
• 希伯来语
• 印地语
• 克罗地亚语
• 匈牙利语
• 亚美尼亚语
• 印尼语
• 冰岛语
• 意大利语
• 日语
• 爪哇语
• 格鲁吉亚语
• 哈萨克语
• 高棉语
• 卡纳达语
• 韩语
• 库尔德语
• 吉尔吉斯语
• 拉丁语
• 老挝语
• 立陶宛语
• 拉脱维亚语
• 马尔加什语
• 马其顿语
• 马拉雅拉姆语
• 蒙古语
• 马拉地语
• 马来语
• 缅甸语
• 尼泊尔语
• 荷兰语
• 挪威语
• 奥罗莫语
• 奥里亚语
• 旁遮普语
• 波兰语
• 普什图语
• 葡萄牙语
• 罗马尼亚语
• 俄语
• 梵语
• 信德语
• 僧伽罗语
• 斯洛伐克语
• 斯洛文尼亚语
• 索马里语
• 阿尔巴尼亚语
• 塞尔维亚语
• 巽他语
• 瑞典语
• 斯瓦希里语
• 泰米尔语
• 泰卢固语
• 泰语
• 他加禄语
• 土耳其语
• 维吾尔语
• 乌克兰语
• 乌尔都语
• 乌兹别克语
• 越南语
• 科萨语
• 意第绪语
• 中文

这是multilingual-e5-small的量化版本。量化过程按照与我们的ELSErv2模型相同的条件逐层进行，具体方法如此处所述。

通过弱监督对比预训练生成的文本嵌入。 王亮、杨楠、黄晓龙、焦彬星、杨林军、蒋达新、Rangan Majumder、韦福如，arXiv 2022

基准测试

我们进行了一系列小型基准测试，以评估量化模型在质量和推理延迟方面相对于原始基线模型的变化。

质量

使用MIRACL数据集的开发集对选定语言进行NDCG@10测量，我们发现量化模型的质量大多有轻微变化。

为了测试英语在域外的性能，我们使用了BEIR评估中多个数据集的测试集。测量NDCG@10，我们发现SCIFACT数据集的变化较大，而其他评估数据集的变化较小。

性能

使用针对Linux和Intel CPU优化的PyTorch模型，我们对不同长度的输入进行了性能基准测试。总体而言，优化模型的性能平均提升了50-20%。

免责声明

此e5模型的定义、托管、集成以及与我们的其他Elastic软件结合使用时，均受我们的标准保修条款保护。