Mmarco Mminilmv2 L12 H384 V1

🚀 多言語MS Marco用クロスエンコーダ

このモデルは、MMARCOデータセットで学習されました。これは、Google翻訳を使用したMS MARCOの機械翻訳バージョンで、14の言語に翻訳されています。実験では、他の言語に対しても良好な性能を示すことが観察されました。

ベースモデルとして、多言語MiniLMv2モデルを使用しました。

このモデルは情報検索に使用できます。クエリが与えられた場合、すべての可能なパッセージ（例えば、ElasticSearchで検索されたもの）とともにクエリをエンコードし、パッセージを降順にソートします。詳細については、SBERT.net Retrieve & Re-rankを参照してください。学習コードはこちらにあります: SBERT.net Training MS Marco

🚀 クイックスタート

このモデルは、情報検索タスクに使用することができます。クエリとパッセージのペアを入力として受け取り、その関連性をスコア付けします。

✨ 主な機能

• 多言語対応: 14言語で学習され、他の言語にも汎化性能があります。
• 情報検索に適しています: クエリとパッセージの関連性を評価し、パッセージをランク付けできます。

📦 インストール

このモデルを使用するには、sentence-transformersまたはtransformersライブラリをインストールする必要があります。

pip install sentence-transformers
# または
pip install transformers

💻 使用例

基本的な使用法

SentenceTransformersを使用した場合

from sentence_transformers import CrossEncoder
model = CrossEncoder('model_name')
scores = model.predict([('Query', 'Paragraph1'), ('Query', 'Paragraph2') , ('Query', 'Paragraph3')])

Transformersを使用した場合

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model = AutoModelForSequenceClassification.from_pretrained('model_name')
tokenizer = AutoTokenizer.from_pretrained('model_name')

features = tokenizer(['How many people live in Berlin?', 'How many people live in Berlin?'], ['Berlin has a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers.', 'New York City is famous for the Metropolitan Museum of Art.'],  padding=True, truncation=True, return_tensors="pt")

model.eval()
with torch.no_grad():
    scores = model(**features).logits
    print(scores)

📚 ドキュメント

• モデルの学習に使用されたデータセット: MMARCO
• ベースモデル: multilingual MiniLMv2
• 学習コード: SBERT.net Training MS Marco
• 詳細な使用方法: SBERT.net Retrieve & Re-rank

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。