Query2query

🚀 query2query

這是一個 sentence-transformers 模型，它可以將查詢映射到一個 384 維的密集向量空間，可用於查詢聚類或語義搜索等任務。

更多信息請查看此發佈博客文章：https://neeva.com/blog/state-of-the-art-query2query-similarity(https://neeva.com/blog/state-of-the-art-query2query-similarity)

🚀 快速開始

本模型使用 sentence-transformers 庫，安裝該庫後即可輕鬆使用此模型。

✨ 主要特性

• 能夠將查詢映射到 384 維的密集向量空間。
• 可用於查詢聚類或語義搜索等任務。

📦 安裝指南

安裝 sentence-transformers 庫：

pip install -U sentence-transformers

💻 使用示例

基礎用法

from sentence_transformers import SentenceTransformer
queries = ["flight cost from nyc to la", "ticket prices from nyc to la"]

model = SentenceTransformer('neeva/query2query')
embeddings = model.encode(queries)
print(embeddings)

🔧 技術細節

訓練細節

該模型使用餘弦學習率調度器，在 10000 個熱身步驟後，以 2e-5 的學習率、1024 的批次大小訓練了 100 萬步。

完整模型架構

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: DataParallel 
  (1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
  (2): Normalize()
)

📄 許可證

本模型採用 cc-by-nc-sa-4.0 許可證發佈。

⚠️ 重要提示

我們以禁止商業使用的許可證發佈此模型。如果您想將其用於商業目的，請向 contact@neeva.co 或 rajhans@neeva.co 發送您的使用需求簡要說明，我們將盡快回復。