Ms Marco MiniLM L6 V2

🚀 用于MS Marco的交叉编码器

本模型针对MS Marco段落排序任务进行训练。该模型可用于信息检索，即给定一个查询，将查询与所有可能的段落（例如通过ElasticSearch检索得到的段落）进行编码，然后按降序对段落进行排序。更多详细信息请参考SBERT.net检索与重排序。训练代码可在此处获取：SBERT.net训练MS Marco。

🚀 快速开始

本模型可用于信息检索，具体流程为：给定一个查询，将该查询与所有可能的段落（例如通过ElasticSearch检索得到的段落）进行编码，然后按降序对段落进行排序。更多详细信息请参考SBERT.net检索与重排序。训练代码可在此处获取：SBERT.net训练MS Marco。

✨ 主要特性

• 针对MS Marco段落排序任务进行训练，适用于信息检索场景。
• 提供了使用SentenceTransformers和Transformers库的使用示例，方便不同用户使用。
• 给出了多种预训练交叉编码器在不同数据集上的性能指标，便于用户选择合适的模型。

📦 安装指南

若要使用本模型，需要安装相关库。若使用SentenceTransformers库，可参考其官方文档进行安装：SentenceTransformers。

💻 使用示例

基础用法

当你安装了SentenceTransformers库后，使用起来非常简单。你可以像下面这样使用预训练模型：

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]

高级用法

使用Transformers库的示例代码如下：

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)

📚 详细文档

模型信息

性能表现

以下表格展示了各种预训练交叉编码器在TREC深度学习2019和MS Marco段落重排序数据集上的性能。

注意：运行时间是在V100 GPU上计算得出的。

📄 许可证

本项目采用Apache-2.0许可证。