Venusaur开源句子嵌入模型 - 免费助力句子相似度与特征提取任务

首页

Venusaur

由 Mihaiii 开发

Venusaur是基于Mihaiii/Bulbasaur基础模型开发的句子嵌入模型，专注于句子相似度和特征提取任务。

文本嵌入

Safetensors

开源协议:MIT #文本相似度计算 #多任务评估 #高精度分类

下载量 290

发布时间 : 4/29/2024

模型简介

该模型是一个句子转换器（sentence-transformers），主要用于计算句子之间的相似度，适用于文本匹配、信息检索等场景。

模型特点

高效的句子嵌入

能够将句子转换为高维向量表示，便于计算句子间的相似度

多任务评估

在MTEB等多个基准测试中进行了全面评估

轻量级模型

相比大型语言模型，该模型更加轻量，适合资源有限的环境

模型能力

句子相似度计算

文本特征提取

文本分类

信息检索

文本聚类

使用案例

电子商务

产品评论分类

对亚马逊产品评论进行情感分类

在MTEB AmazonPolarityClassification测试中准确率达到79.99%

产品相似度匹配

计算不同产品描述之间的相似度

信息检索

问答系统

用于问答系统中的答案检索

在MTEB ArguAna测试中NDCG@10达到34.8

🚀 Venusaur模型介绍

Venusaur是一个基于特定基础模型构建的模型，可用于句子相似度计算、特征提取等自然语言处理任务。该模型在多个数据集上进行了测试，并展示了一定的性能。

📚 详细文档

模型基本信息

属性	详情
基础模型	Mihaiii/Bulbasaur
许可证	MIT
库名称	sentence-transformers
任务类型	句子相似度
标签	sentence-transformers、feature-extraction、sentence-similarity、gte、mteb
训练数据集	Mihaiii/qa-assistant

模型评估结果

模型名为Venusaur，在多个任务和数据集上进行了评估，以下是详细的评估结果：

分类任务

MTEB AmazonCounterfactualClassification (en)
- 数据集类型：mteb/amazon_counterfactual
- 数据集名称：MTEB AmazonCounterfactualClassification (en)
- 配置：en
- 分割：test
- 版本：e8379541af4e31359cca9fbcf4b00f2671dba205
- 评估指标：
  - 准确率（accuracy）：73.17910447761194
  - 平均精度（ap）：35.29994612283548
  - F1值（f1）：66.87845205993153
MTEB AmazonPolarityClassification
- 数据集类型：mteb/amazon_polarity
- 数据集名称：MTEB AmazonPolarityClassification
- 配置：default
- 分割：test
- 版本：e2d317d38cd51312af73b3d32a06d1a08b442046
- 评估指标：
  - 准确率（accuracy）：79.993525
  - 平均精度（ap）：74.7042261687233
  - F1值（f1）：79.9004149386498
MTEB AmazonReviewsClassification (en)
- 数据集类型：mteb/amazon_reviews_multi
- 数据集名称：MTEB AmazonReviewsClassification (en)
- 配置：en
- 分割：test
- 版本：1399c76144fd37290681b995c656ef9b2e06e26d
- 评估指标：
  - 准确率（accuracy）：39.656000000000006
  - F1值（f1）：39.287139345446256

检索任务

MTEB ArguAna
- 数据集类型：mteb/arguana
- 数据集名称：MTEB ArguAna
- 配置：default
- 分割：test
- 版本：c22ab2a51041ffd869aaddef7af8d8215647e41a
- 评估指标：
  - MAP@1：16.643
  - MAP@10：28.276
  - MAP@100：29.543999999999997
  - MAP@1000：29.595
  - MAP@20：29.043000000000003
  - MAP@3：24.739
  - MAP@5：26.592
  - MRR@1：17.639
  - MRR@10：28.631
  - MRR@100：29.891000000000002
  - MRR@1000：29.942999999999998
  - MRR@20：29.391000000000002
  - MRR@3：25.107000000000003
  - MRR@5：26.942
  - NDCG@1：16.643
  - NDCG@10：34.8
  - NDCG@100：41.179
  - NDCG@1000：42.564
  - NDCG@20：37.601
  - NDCG@3：27.356
  - NDCG@5：30.725
  - Precision@1：16.643
  - Precision@10：5.576
  - Precision@100：0.861
  - Precision@1000：0.097
  - Precision@20：3.343
  - Precision@3：11.641
  - Precision@5：8.634
  - Recall@1：16.643
  - Recall@10：55.761
  - Recall@100：86.06
  - Recall@1000：97.013
  - Recall@20：66.85600000000001
  - Recall@3：34.922
  - Recall@5：43.172

聚类任务

MTEB ArxivClusteringP2P
- 数据集类型：mteb/arxiv-clustering-p2p
- 数据集名称：MTEB ArxivClusteringP2P
- 配置：default
- 分割：test
- 版本：a122ad7f3f0291bf49cc6f4d32aa80929df69d5d
- 评估指标：
  - V-measure：31.76467048453136
  - V-measures：[0.2646936786804572, 0.27790871012280266, 0.29027802989910717, 0.27400555976615254, 0.2823478131745678, 0.25739544436992295, 0.3014171939280134, 0.2862214695233955, 0.2856734533249879, 0.2870107976688266, 0.3709000837926645, 0.3702167780750079, 0.36556393540769305, 0.37650336515785243, 0.3699811227722488, 0.36806220730606526, 0.3696328229784335, 0.3852970338255622, 0.37157613433218695, 0.368267862192135, 0.3715516752706066, 0.26093751350716654, 0.24003989063421033, 0.31112640151573373, 0.2509815194812587, 0.19256512170374224, 0.2638556294764011, 0.08503820346290819, 0.1374194639615466, 1.0, 0.21057893489306592, 0.2646936786804572, 0.27790871012280266, 0.29027802989910717, 0.27400555976615254, 0.2823478131745678, 0.25739544436992295, 0.3014171939280134, 0.2862214695233955, 0.2856734533249879, 0.2870107976688266, 0.3709000837926645, 0.3702167780750079, 0.36556393540769305, 0.37650336515785243, 0.3699811227722488, 0.36806220730606526, 0.3696328229784335, 0.3852970338255622, 0.37157613433218695, 0.368267862192135, 0.3715516752706066, 0.26093751350716654, 0.24003989063421033, 0.31112640151573373, 0.2509815194812587, 0.19256512170374224, 0.2638556294764011, 0.08503820346290819, 0.1374194639615466, 1.0, 0.21057893489306592, 0.2646936786804572, 0.27790871012280266, 0.29027802989910717, 0.27400555976615254, 0.2823478131745678, 0.25739544436992295, 0.3014171939280134, 0.2862214695233955, 0.2856734533249879, 0.2870107976688266, 0.3709000837926645, 0.3702167780750079, 0.36556393540769305, 0.37650336515785243, 0.3699811227722488, 0.36806220730606526, 0.3696328229784335, 0.3852970338255622, 0.37157613433218695, 0.368267862192135, 0.3715516752706066, 0.26093751350716654, 0.24003989063421033, 0.31112640151573373, 0.2509815194812587, 0.19256512170374224, 0.2638556294764011, 0.08503820346290819, 0.1374194639615466, 1.0, 0.21057893489306592, 0.2646936786804572, 0.27790871012280266, 0.29027802989910717, 0.27400555976615254, 0.2823478131745678, 0.25739544436992295, 0.3014171939280134, 0.2862214695233955, 0.2856734533249879, 0.2870107976688266, 0.3709000837926645, 0.3702167780750079, 0.36556393540769305, 0.37650336515785243, 0.3699811227722488, 0.36806220730606526, 0.3696328229784335, 0.3852970338255622, 0.37157613433218695, 0.368267862192135, 0.3715516752706066, 0.26093751350716654, 0.24003989063421033, 0.31112640151573373, 0.2509815194812587, 0.19256512170374224, 0.2638556294764011, 0.08503820346290819, 0.1374194639615466, 1.0, 0.21057893489306592, 0.2646936786804572, 0.27790871012280266, 0.29027802989910717, 0.27400555976615254, 0.2823478131745678, 0.25739544436992295, 0.3014171939280134, 0.2862214695233955, 0.2856734533249879, 0.2870107976688266, 0.3709000837926645, 0.3702167780750079, 0.36556393540769305, 0.37650336515785243, 0.3699811227722488, 0.36806220730606526, 0.3696328229784335, 0.3852970338255622, 0.37157613433218695, 0.368267862192135, 0.3715516752706066, 0.26093751350716654, 0.24003989063421033, 0.31112640151573373, 0.2509815194812587, 0.19256512170374224, 0.2638556294764011, 0.08503820346290819, 0.1374194639615466, 1.0, 0.21057893489306592, 0.2646936786804572, 0.27790871012280266, 0.29027802989910717, 0.27400555976615254, 0.2823478131745678, 0.25739544436992295, 0.3014171939280134, 0.2862214695233955, 0.2856734533249879, 0.2870107976688266, 0.3709000837926645, 0.3702167780750079, 0.36556393540769305, 0.37650336515785243, 0.3699811227722488, 0.36806220730606526, 0.3696328229784335, 0.3852970338255622, 0.37157613433218695, 0.368267862192135, 0.3715516752706066, 0.26093751350716654, 0.24003989063421033, 0.31112640151573373, 0.2509815194812587, 0.19256512170374224, 0.2638556294764011, 0.08503820346290819, 0.1374194639615466, 1.0, 0.21057893489306592, 0.2646936786804572, 0.27790871012280266, 0.29027802989910717, 0.27400555976615254, 0.2823478131745678, 0.25739544436992295, 0.3014171939280134, 0.2862214695233955, 0.2856734533249879, 0.2870107976688266, 0.3709000837926645, 0.3702167780750079, 0.36556393540769305, 0.37650336515785243, 0.3699811227722488, 0.36806220730606526, 0.3696328229784335, 0.3852970338255622, 0.37157613433218695, 0.368267862192135, 0.3715516752706066, 0.26093751350716654, 0.24003989063421033, 0.31112640151573373, 0.2509815194812587, 0.19256512170374224, 0.2638556294764011, 0.08503820346290819, 0.1374194639615466, 1.0, 0.21057893489306592]