Fine Tuned Movie Retriever Bge Base En V1.5

🚀 微調整映画検索器（豊富な意味とメタデータクエリ + スマートなネガティブサンプリング）

これは、映画やテレビ番組のレコメンドシステム向けにカスタマイズされた微調整済みの文章変換器モデルです。映画レコメンドの検索強化生成（RAG）パイプラインにおける高品質なベクトル検索に最適化されています。微調整には、約32,000件のメタデータと雰囲気スタイルのプロンプトにまたがる合成自然言語クエリが使用されています。

• 豊富な雰囲気スタイルの自然言語クエリ（例：愛と犠牲をテーマにした感情的な宇宙探索映画）
• メタデータベースの自然言語クエリ（例：クインティン・タランティーノが1990年代に監督した泥棒に関する犯罪映画はありますか？）
• よりスマートなネガティブサンプリング（ジャンル対比、テーマ不整合、スター - テーマの混同）
• 32,000を超えるトリプレット（クエリ、正のドキュメント、負のドキュメント）のデータセット

🚀 クイックスタート

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("jjtsao/fine-tuned_movie_retriever-bge-base-en-v1.5")
query_embedding = model.encode("mind-bending sci-fi thrillers from the 2000s about identity")

✨ 主な機能

• 映画レコメンドシステムに特化しており、RAGパイプラインのベクトル検索が最適化されています。
• 豊富な雰囲気スタイルとメタデータベースの自然言語クエリをサポートしています。
• よりスマートなネガティブサンプリング戦略を採用しています。

📚 ドキュメント

学習の詳細

• ベースモデル：BAAI/bge-base-en-v1.5
• 損失関数：MultipleNegativesRankingLoss
• 学習エポック数：4
• 最適化目標：RAGシステムにおける上位k個の意味検索

評価：微調整モデルとベースモデルの比較

評価設定：

• データセット：3,598件のメタデータと雰囲気スタイルの自然クエリが保持されています。
• 方法：クエリと正のドキュメント間のコサイン類似度を使用して上位k個をランキングします。
• 目標：類似のレコメンドシナリオにおける上位k個の検索品質を評価します。

理想的な使用例

• RAGスタイルの映画レコメンドアプリ。
• 大規模な映画カタログの意味フィルタリング。
• クエリ - ドキュメントの再ランキングパイプライン。

📄 ライセンス

このプロジェクトはApache 2.0ライセンスの下で提供されており、個人および商用利用が可能です。