Query2query

🚀 query2query

这是一个 sentence-transformers 模型，它可以将查询映射到一个 384 维的密集向量空间，可用于查询聚类或语义搜索等任务。

更多信息请查看此发布博客文章：https://neeva.com/blog/state-of-the-art-query2query-similarity(https://neeva.com/blog/state-of-the-art-query2query-similarity)

🚀 快速开始

本模型使用 sentence-transformers 库，安装该库后即可轻松使用此模型。

✨ 主要特性

• 能够将查询映射到 384 维的密集向量空间。
• 可用于查询聚类或语义搜索等任务。

📦 安装指南

安装 sentence-transformers 库：

pip install -U sentence-transformers

💻 使用示例

基础用法

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)

🔧 技术细节

训练细节

该模型使用余弦学习率调度器，在 10000 个热身步骤后，以 2e-5 的学习率、1024 的批次大小训练了 100 万步。

完整模型架构

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()
)

📄 许可证

本模型采用 cc-by-nc-sa-4.0 许可证发布。

⚠️ 重要提示

我们以禁止商业使用的许可证发布此模型。如果您想将其用于商业目的，请向 contact@neeva.co 或 rajhans@neeva.co 发送您的使用需求简要说明，我们将尽快回复。