french - document - embeddingオープンソースモデル - 無料で英法の文章類似度計算と特徴抽出をサポート

French Document Embedding

dangvantuanによって開発

sentence-transformersライブラリに基づく多言語文章埋め込みモデルで、フランス語と英語の文章の類似度計算と特徴抽出をサポートします。

ダウンロード数 6,028

リリース時間 : 8/16/2024

モデル概要

このモデルは高品質な文章埋め込みの生成に特化しており、文章間の意味的な類似度を計算するために使用され、フランス語と英語をサポートします。クラスタリング、再ランキング、検索などのタスクに適しています。

多言語サポート

フランス語と英語の文章埋め込みの生成をサポートし、多言語シーンに適しています。

高性能クラスタリング

AlloProfClusteringP2Pタスクで59.69のv_measureスコアを達成し、優れた性能を発揮します。

正確な再ランキング

AlloprofRerankingタスクでmap値が73.52、mrr値が74.86に達し、再ランキングの効果が顕著です。

文章類似度計算

特徴抽出

テキストクラスタリング

検索結果の再ランキング

多言語処理

教育

教育コンテンツのクラスタリング

教育関連のテキストコンテンツを自動的にクラスタリングし、コンテンツ管理と検索を容易にします。

AlloProfClusteringP2Pタスクでv_measureが59.69に達しました。

情報検索

検索結果の再ランキング

検索エンジンが返した結果を意味的に再ランキングし、結果の関連性を向上させます。

AlloprofRerankingタスクでmap値が73.52に達しました。

Sentence-Transformersは、文の類似度計算や特徴抽出などのタスクに特化したライブラリです。このライブラリは、多言語（フランス語、英語など）に対応しており、文の埋め込みを生成することができます。

プロパティ	詳細
ライブラリ名	sentence-transformers
パイプラインタグ	sentence-similarity
タグ	sentence-transformers, feature-extraction, sentence-similarity, transformers, french, english, sentence-embedding, mteb
モデル名	7eff199d41ff669fad99d83cad9249c393c3f14b

MTEB AlloProfClusteringP2P
- v_measure: 59.69196295449414
- v_measures: [0.6355772777559684, 0.4980707615440343, 0.5851538838323186, 0.6567709175938427, 0.5712405288636999]
MTEB AlloProfClusteringS2S
- v_measure: 45.607106996926426
- v_measures: [0.45846869913649535, 0.42657120373128293, 0.45507356125930876, 0.4258913306353704, 0.4779122207000794]
MTEB HALClusteringS2S
- v_measure: 25.209561281028435
- v_measures: [0.28558356565178666, 0.2707322246129254, 0.2683693125038299, 0.2703937853835602, 0.22057190525667872]
MTEB MLSUMClusteringP2P
- v_measure: 42.82528809996964
- v_measures: [0.43465029372260205, 0.42821098223656917, 0.43537879149583325, 0.4289578694928627, 0.3794307754465835]
MTEB MLSUMClusteringS2S
- v_measure: 43.44172295073941
- v_measures: [0.4294163918345751, 0.46229994906725164, 0.44188446196569603, 0.43839320352264155, 0.3866853445120933]
MTEB MasakhaNEWSClusteringP2P (fra)
- v_measure: 61.32006896333715
- v_measures: [1.0, 0.6446188396257355, 0.28995363026757603, 0.40898735994696084, 0.7224436183265853]
MTEB MasakhaNEWSClusteringS2S (fra)
- v_measure: 60.509887123660256
- v_measures: [1.0, 0.022472587992562534, 0.4686320087689936, 0.811946141094871, 0.7224436183265853]

MTEB AlloprofReranking
- map: 73.51836428087765
- mrr: 74.8550285111166
- その他の指標: 多数のnAUC関連の指標が含まれます。

MTEB AlloprofRetrieval
- map_at_1: 32.080999999999996
- map_at_10: 43.582
- その他の指標: 多数のmap_at、mrr_at、ndcg_at、precision_at、recall_at関連の指標が含まれます。
MTEB BSARDRetrieval
- map_at_1: 10.811
- map_at_10: 16.414
- その他の指標: 多数のmap_at、mrr_at、ndcg_at、precision_at、recall_at関連の指標が含まれます。
MTEB MintakaRetrieval (fr)
- map_at_1: 19.165
- map_at_10: 28.663
- その他の指標: 多数のmap_at、mrr_at、ndcg_at、precision_at、recall_at関連の指標が含まれます。

MTEB AmazonReviewsClassification (fr)
- accuracy: 39.892
- f1: 38.38126304364462
- f1_weighted: 38.38126304364462
MTEB MTOPDomainClassification (fr)
- accuracy: 88.33072345756342
- f1: 88.11780476022122
- f1_weighted: 88.28188145087299
MTEB MTOPIntentClassification (fr)
- accuracy: 57.854682117131226
- f1: 41.121569078191996
- f1_weighted: 60.04845437480532
MTEB MasakhaNEWSClassification (fra)
- accuracy: 76.87203791469194
- f1: 72.94847557303437
- f1_weighted: 76.9128173959562
MTEB MassiveIntentClassification (fr)
- accuracy: 64.14256893073302
- f1: 61.33068109342782
- f1_weighted: 62.74292948992287
MTEB MassiveScenarioClassification (fr)
- accuracy: 70.68930733019502
- f1: 70.26641874846638
- f1_weighted: 70.35250466465047