Ms Marco MiniLM L6 V2

🚀 用於MS Marco的交叉編碼器

本模型針對MS Marco段落排序任務進行訓練。該模型可用於信息檢索，即給定一個查詢，將查詢與所有可能的段落（例如通過ElasticSearch檢索得到的段落）進行編碼，然後按降序對段落進行排序。更多詳細信息請參考SBERT.net檢索與重排序。訓練代碼可在此處獲取：SBERT.net訓練MS Marco。

🚀 快速開始

本模型可用於信息檢索，具體流程為：給定一個查詢，將該查詢與所有可能的段落（例如通過ElasticSearch檢索得到的段落）進行編碼，然後按降序對段落進行排序。更多詳細信息請參考SBERT.net檢索與重排序。訓練代碼可在此處獲取：SBERT.net訓練MS Marco。

✨ 主要特性

• 針對MS Marco段落排序任務進行訓練，適用於信息檢索場景。
• 提供了使用SentenceTransformers和Transformers庫的使用示例，方便不同用戶使用。
• 給出了多種預訓練交叉編碼器在不同數據集上的性能指標，便於用戶選擇合適的模型。

📦 安裝指南

若要使用本模型，需要安裝相關庫。若使用SentenceTransformers庫，可參考其官方文檔進行安裝：SentenceTransformers。

💻 使用示例

基礎用法

當你安裝了SentenceTransformers庫後，使用起來非常簡單。你可以像下面這樣使用預訓練模型：

from sentence_transformers import CrossEncoder

model = CrossEncoder('cross-encoder/ms-marco-MiniLM-L6-v2')
scores = model.predict([
    ("How many people live in Berlin?", "Berlin had a population of 3,520,031 registered inhabitants in an area of 891.82 square kilometers."),
    ("How many people live in Berlin?", "Berlin is well known for its museums."),
])
print(scores)
# [ 8.607138 -4.320078]

高級用法

使用Transformers庫的示例代碼如下：

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

model = AutoModelForSequenceClassification.from_pretrained('cross-encoder/ms-marco-MiniLM-L6-v2')
tokenizer = AutoTokenizer.from_pretrained('cross-encoder/ms-marco-MiniLM-L6-v2')

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)

📚 詳細文檔

模型信息

性能表現

以下表格展示了各種預訓練交叉編碼器在TREC深度學習2019和MS Marco段落重排序數據集上的性能。

注意：運行時間是在V100 GPU上計算得出的。

📄 許可證

本項目採用Apache-2.0許可證。