Text2vec Base Multilingual

## 🚀 text2vec-base-multilingual

text2vec-base-multilingualは、複数言語に対応したテキスト埋め込みモデルです。文章の類似度計算や特徴抽出などのタスクに利用でき、多様な言語（中国語、英語、ドイツ語など）に対応しています。

## 🚀 クイックスタート
このモデルは、文章の類似度計算や分類、クラスタリングなどのタスクに使用できます。具体的な使用方法は、`transformers`ライブラリを使ってモデルをロードし、文章を入力することで特徴ベクトルを取得できます。

## ✨ 主な機能
- **複数言語対応**：中国語、英語、ドイツ語、フランス語、イタリア語、オランダ語、ポルトガル語、ポーランド語、ロシア語など、複数の言語に対応しています。
- **多様なタスク対応**：文章の類似度計算、分類、クラスタリング、再ランキング、STS（意味的テキストの類似性）など、多様な自然言語処理タスクに利用できます。

## 📦 インストール
このモデルを使用するには、`transformers`ライブラリが必要です。以下のコマンドでインストールできます。
```bash
pip install transformers

📚 ドキュメント

モデル情報

評価結果

以下は、text2vec-base-multilingualモデルのいくつかのタスクでの評価結果です。

分類タスク

• MTEB AmazonCounterfactualClassification (en)
  • 精度 (accuracy): 70.97014925373134
  • AP (Average Precision): 33.95151328318672
  • F1スコア: 65.14740155705596
• MTEB AmazonCounterfactualClassification (de)
  • 精度 (accuracy): 68.69379014989293
  • AP (Average Precision): 79.68277579733802
  • F1スコア: 66.54960052336921
  • （他の分類タスクの結果も同様に記載）

クラスタリングタスク

• MTEB ArxivClusteringP2P
  • V-measure: 32.31918856561886
• MTEB ArxivClusteringS2S
  • V-measure: 25.503481615956137

再ランキングタスク

• MTEB AskUbuntuDupQuestions
  • MAP (Mean Average Precision): 57.91471462820568
  • MRR (Mean Reciprocal Rank): 71.82990370663501

STSタスク

• MTEB BIOSSES
  • コサイン類似度のピアソン相関係数 (cos_sim_pearson): 68.83853315193127
  • コサイン類似度のスピアマン相関係数 (cos_sim_spearman): 66.16174850417771
  • ユークリッド距離のピアソン相関係数 (euclidean_pearson): 56.65313897263153
  • ユークリッド距離のスピアマン相関係数 (euclidean_spearman): 52.69156205876939
  • マンハッタン距離のピアソン相関係数 (manhattan_pearson): 56.97282154658304
  • マンハッタン距離のスピアマン相関係数 (manhattan_spearman): 53.167476517261015

📄 ライセンス

このモデルは、Apache 2.0ライセンスの下で公開されています。

以上のREADMEは、元の文書の情報を整理し、日本語に翻訳し、必要なセクションを追加して美化したものです。具体的なコード例や更なる詳細情報が必要な場合は、元の文書に基づいて適宜追加することができます。