Bge Reranker Ft

🚀 BAAI/bge-reranker-baseベースのCross Encoderモデル

このモデルは、sentence-transformersライブラリを使用して、BAAI/bge-reranker-baseからファインチューニングされたCross Encoderモデルです。テキストペアのスコアを計算し、テキストの再ランキングや意味検索に利用できます。

📚 ドキュメント

モデルの詳細

モデルの説明

モデルのソース

• ドキュメント：Sentence Transformers Documentation
• ドキュメント：Cross Encoder Documentation
• リポジトリ：Sentence Transformers on GitHub
• Hugging Face：Cross Encoders on Hugging Face

💻 使用例

基本的な使用法

まず、Sentence Transformersライブラリをインストールします。

pip install -U sentence-transformers

次に、このモデルをロードして推論を実行できます。

from sentence_transformers import CrossEncoder

# Download from the 🤗 Hub
model = CrossEncoder("foochun/bge-reranker-ft")
# Get scores for pairs of texts
pairs = [
    ['zach koh yong liang', 'yong liang koh zach'],
    ['zulkifli bin mohamad', 'zulkifli bin muhammad'],
    ['rahman bin mohd rashid', 'rahman mohammed rashid'],
    ['mohd syukri bin bakar', 'muhd syukri bakar'],
    ['carmen tan fang kiat', 'tan fang kiat'],
]
scores = model.predict(pairs)
print(scores.shape)
# (5,)

# Or rank different texts based on similarity to a single text
ranks = model.rank(
    'zach koh yong liang',
    [
        'yong liang koh zach',
        'zulkifli bin muhammad',
        'rahman mohammed rashid',
        'muhd syukri bakar',
        'tan fang kiat',
    ]
)
# [{'corpus_id': ..., 'score': ...}, {'corpus_id': ..., 'score': ...}, ...]

🔧 技術詳細

学習データセット

無名データセット

• サイズ：72,905個の学習サンプル
• 列：query、pos、neg
• 最初の1000サンプルに基づく概算統計： | | query | pos | neg | |:--------|:----------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------| | タイプ | string | string | string | | 詳細 |
  • 最小: 9文字
  • 平均: 19.91文字
  • 最大: 45文字
  |
  • 最小: 9文字
  • 平均: 17.64文字
  • 最大: 40文字
  |
  • 最小: 9文字
  • 平均: 17.95文字
  • 最大: 37文字
  |
• サンプル： | query | pos | neg | |:-------------------------------------------|:-------------------------------------|:-----------------------------------| | sim hong soon | sim hong soon | sim soon hong | | raja mariam binti raja sharif | raja mariam raja sharif | zuraidah binti dollah | | saw ann fui | fui saw ann | ann saw fui |
• 損失関数：MultipleNegativesRankingLoss パラメータ：

{
    "scale": 10.0,
    "num_negatives": 4,
    "activation_fn": "torch.nn.modules.activation.Sigmoid"
}

評価データセット

無名データセット

• サイズ：10,415個の評価サンプル
• 列：query、pos、neg
• 最初の1000サンプルに基づく概算統計： | | query | pos | neg | |:--------|:----------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------| | タイプ | string | string | string | | 詳細 |
  • 最小: 9文字
  • 平均: 19.95文字
  • 最大: 43文字
  |
  • 最小: 9文字
  • 平均: 17.8文字
  • 最大: 42文字
  |
  • 最小: 8文字
  • 平均: 18.33文字
  • 最大: 36文字
  |
• サンプル： | query | pos | neg | |:------------------------------------|:------------------------------------|:---------------------------------| | zach koh yong liang | yong liang koh zach | liang yong koh zach | | zulkifli bin mohamad | zulkifli bin muhammad | razak bin ibrahim | | rahman bin mohd rashid | rahman mohammed rashid | fauzi bin mohd |
• 損失関数：MultipleNegativesRankingLoss パラメータ：

{
    "scale": 10.0,
    "num_negatives": 4,
    "activation_fn": "torch.nn.modules.activation.Sigmoid"
}

学習ハイパーパラメータ

非デフォルトのハイパーパラメータ

• eval_strategy: steps
• per_device_train_batch_size: 64
• per_device_eval_batch_size: 64
• learning_rate: 1e-05
• warmup_ratio: 0.1
• seed: 12
• fp16: True
• dataloader_num_workers: 4
• load_best_model_at_end: True
• batch_sampler: no_duplicates

学習ログ

フレームワークのバージョン

• Python: 3.11.9
• Sentence Transformers: 4.1.0
• Transformers: 4.51.3
• PyTorch: 2.6.0+cu124
• Accelerate: 1.6.0
• Datasets: 3.6.0
• Tokenizers: 0.21.1

📄 引用

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}