cross-encoder-mmarco-german-distilbert-baseオープンソースモデル - 無料でデプロイしてドイツ語のクエリ段落の関連性スコアを評価する

ホーム

Cross Encoder Mmarco German Distilbert Base

ml6teamによって開発

MMARCOデータセットでファインチューニングされたドイツ語クロスエンコーダーモデル、クエリと段落の関連性スコアリング用

テキスト埋め込み

Safetensors

ドイツ語オープンソースライセンス:Apache-2.0 #ドイツ語テキストランキング #クエリ-段落関連性 #多言語蒸留BERT

ダウンロード数 1,026

リリース時間 : 4/26/2022

モデル概要

このモデルはMMARCOデータセット（MS MARCOの機械翻訳版）でファインチューニングされたクロスエンコーダーで、多言語蒸留BERTアーキテクチャを採用し、ドイツ語テキストの関連性スコアリングタスクに特化しています。

モデル特徴

多言語サポート

多言語蒸留BERTアーキテクチャをベースに、特にドイツ語向けに最適化

効率的な関連性スコアリング

クエリと段落の関連性評価タスクに特化

軽量アーキテクチャ

蒸留BERTモデルを採用し、性能を維持しながら計算リソース要件を削減

モデル能力

テキスト関連性スコアリング

クエリ-段落マッチング

ドイツ語テキスト処理

使用事例

情報検索

検索エンジン結果ランキング

検索エンジンが返すドイツ語結果の関連性スコアリングとランキング

精度89.70%、F1スコア86.82%

質問応答システム

ユーザークエリと候補回答段落の関連性評価

適合率86.82%、再現率93.50%

🚀 cross-encoder-mmarco-german-distilbert-base

このモデルは、MS MARCOデータセットの機械翻訳版であるMMARCOデータセット上でファインチューニングされたクロスエンコーダです。ファインチューニングのベースモデルとして、distilbert-base-multilingual-casedを使用しています。

🚀 クイックスタート

モデルの説明

モデルの入力サンプルは、次の形式のタプルです。<query, positive_paragraph> は1に割り当てられ、<query, negative_paragraph> は0に割り当てられます。

このモデルは1エポックで学習されました。

モデルの使用方法

クロスエンコーダモデルは、次のように使用できます。

from sentence_transformers import CrossEncoder
model = CrossEncoder('model_name')
scores = model.predict([('Query 1', 'Paragraph 1'), ('Query 2', 'Paragraph 2')])

このモデルは、ペア ('Query 1', 'Paragraph 1') と ('Query 2', 'Paragraph 2') のスコアを予測します。

クロスエンコーダモデルの使用方法の詳細については、Sentence-Transformers を参照してください。

モデルの性能

モデルの評価は、データセットの2000個の評価用パラグラフで行われました。

正解率	F1スコア	適合率	再現率
89.70	86.82	86.82	93.50

📄 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。

その他の情報

言語: ドイツ語
タグ: cross-encoder
パイプラインタグ: text-ranking
評価指標: Rouge-Score
ライブラリ名: sentence-transformers

ウィジェットの例

例のクエリ/パラグラフ: Was sind Lamas. Das Lama (Lama glama) ist eine Art der Kamele. Es ist in den südamerikanischen Anden verbreitet und eine vom Guanako abstammende Haustierform.