license: apache-2.0 language:

• ar pipeline_tag: text-ranking library_name: transformers base_model:
• Omartificial-Intelligence-Space/GATE-AraBert-v1 tags:
• reranking
• sentence-transformers

GATE-Reranker-V1 🚀✨

NAMAA空间重磅发布GATE-Reranker-V1，这是一款专为提升阿拉伯语文档检索与排序性能而优化的高性能模型！📚🇸🇦

该模型旨在通过精准评估文档与查询的上下文匹配度，显著提升阿拉伯语文档的搜索相关性排序。

核心特性 🔑

• 阿拉伯语专项优化：基于高性能模型Omartificial-Intelligence-Space/GATE-AraBert-v1打造，训练数据富含阿拉伯语语料。
• 先进文档排序：精准排序搜索结果，完美适配搜索引擎、推荐系统和问答应用场景。
• 顶尖性能表现：相较知名重排序模型展现卓越性能（参见评估结果），确保可靠的相关性与精确度。

典型应用场景 💼

• 检索增强生成：提升阿拉伯语内容的搜索结果相关性
• 内容推荐系统：提供优质的阿拉伯语内容推荐
• 智能问答系统：增强阿拉伯语问答系统的答案检索质量

使用方法

通过sentence-transformers调用

安装SentenceTransformers后即可便捷使用预训练模型：

from sentence_transformers import CrossEncoder
model = CrossEncoder('NAMAA-Space/GATE-Reranker-V1', max_length=512)

query = '如何将深度学习应用于医学影像处理？'
paragraph1 = '深度学习可辅助医学影像分析与疾病诊断'
paragraph2 = '人工智能用于提升工业生产效率'

scores = model.predict([(query, paragraph1), (query, paragraph2)])

性能评估

我们在两个不同数据集上采用MAP、MRR和NDCG@10指标进行评估：

本次评估旨在突显模型在相关/无关标签及正例/多负例文档场景下的表现：

数据集1: NAMAA-Space/Ar-Reranking-Eval

数据集2: NAMAA-Space/Arabic-Reranking-Triplet-5-Eval

如图所示，相较其他知名重排序模型，本模型展现出极其优异的性能。

开发中：将在更多阿拉伯语数据集上进行对比评估。