sbert-all-MiniLM-L6-with-pooler
基于MiniLM的384维句子向量化模型
sbert-all-MiniLM-L6-with-pooler基于sentence-transformers框架开发，将文本映射为384维向量表示。该模型在10亿对句子数据集上完成训练，可应用于文本聚类和语义搜索等场景。模型通过Hugging Face Optimum实现，支持便捷的特征提取功能。
项目概述
sbert-all-MiniLM-L6-with-pooler是一个高效的句子向量模型,它能够将句子和段落映射到384维的密集向量空间中。该模型基于sentence-transformers框架开发,适用于文本聚类、语义搜索等自然语言处理任务。
核心特点
- 该模型支持ONNX格式,可以轻松部署和使用
- 输出包含last_hidden_state和pooler_output两个特征
- 文本长度默认限制在256个词块
- 输出384维的句子向量,能够很好地捕捉语义信息
- 适用于信息检索、文本聚类和句子相似度计算等任务
技术实现
该模型基于nreimers/MiniLM-L6-H384-uncased预训练模型,并在超过10亿对句子数据上进行了微调。模型采用对比学习的方式训练,通过计算批次内所有可能的句子对之间的余弦相似度,使用交叉熵损失函数进行优化。
训练细节
- 使用TPU v3-8进行训练
- 训练步数为10万步
- 批次大小为1024
- 学习率预热步数为500
- 序列长度限制为128个token
- 使用AdamW优化器,学习率为2e-5
训练数据
模型的训练数据来自多个数据集,包括:
- Reddit评论数据(约7.2亿对)
- S2ORC学术文献数据(约2.1亿对)
- WikiAnswers问答数据(约7700万对)
- PAQ问答数据(约6400万对)
- Stack Exchange数据(约6800万对) 等多个高质量数据集,总计超过11.7亿对训练数据。
使用方法
模型可以通过Hugging Face的optimum库轻松调用:
from optimum.onnxruntime.modeling_ort import ORTModelForCustomTasks model = ORTModelForCustomTasks.from_pretrained("optimum/sbert-all-MiniLM-L6-with-pooler") tokenizer = AutoTokenizer.from_pretrained("optimum/sbert-all-MiniLM-L6-with-pooler")
应用场景
该模型适用于:
- 文本语义相似度计算
- 文档聚类分析
- 信息检索系统
- 智能问答系统
- 文本匹配任务
编辑推荐精选
Refly.AI
最适合小白的AI自动化工作流平台
无需编码，轻松生成可复用、可变现的AI自动化工作流
酷表ChatExcel
大模型驱动的Excel数据处理工具
基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
AIWritePaper论文写作
AI论文写作指导平台
AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。
博思AIPPT
AI一键生成PPT，就用博思AIPPT！
博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。
潮际好麦
AI赋能电商视觉革命，一站式智能商拍平台
潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏 、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。
iTerms
企业专属的AI法律顾问
iTerms是法大大集团旗下法律子品牌，基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构，帮助企业扫清合规障碍，筑牢风控防线，成为您企业专属的AI法律顾问。
SimilarWeb流量提升
稳定高效的流量提升解决方案，助力品牌曝光
稳定高效的流量提升解决方案，助力品牌曝光
Sora2视频免费生成
最新 版Sora2模型免费使用，一键生成无水印视频
最新版Sora2模型免费使用，一键生成无水印视频
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号