懂AI
GLuCoSE-base-ja

GLuCoSE-base-ja

基于LUKE的日语文本嵌入模型GLuCoSE支持语义相似度和搜索应用

GLuCoSE-base-ja是基于LUKE的日语文本嵌入模型,通过多样化数据集训练而成。该模型支持512个token输入和768维输出,采用平均池化,适用于句向量相似度和语义搜索任务。在JSTS语义相似度和AIO3零样本搜索基准测试中,GLuCoSE-base-ja的表现超越了包括OpenAI的text-embedding-ada-002在内的多个模型。研究人员可以通过sentence-transformers库轻松使用该模型,为日语自然语言处理应用提供支持。

GLuCoSE文本嵌入Huggingface模型LUKEGithub开源项目自然语言处理语义搜索
GitHubHugging Face论文文档

GLuCoSE-base-ja项目介绍

GLuCoSE-base-ja是一个基于LUKE的日语文本嵌入模型。它的全称是General LUke-based COntrastive Sentence Embedding，简称"glucose"。这个项目旨在创建一个通用、用户友好的日语文本嵌入模型。

模型特点

GLuCoSE-base-ja具有以下特点：

  • 最大token数量：512
  • 输出维度：768
  • 池化方法：平均池化
  • 支持语言：日语

该模型通过混合网络数据和各种与自然语言推理和搜索相关的数据集进行训练。这使得它不仅适用于句子向量相似性任务，还适用于语义搜索任务。

使用方法

使用GLuCoSE-base-ja非常简单，可以通过sentence-transformers库轻松实现。首先需要安装sentence-transformers库，然后就可以加载模型并将句子转换为密集向量。

由于训练过程中使用的损失函数是余弦相似度，因此建议在下游任务中使用余弦相似度。此外，该文本嵌入模型还可以在LangChain中使用。

训练资源

GLuCoSE-base-ja的训练使用了多种资源，包括预训练模型studio-ousia/luke-japanese-base-lite和多个数据集，如mC4、MQA、JNLI、JSNLI、PAWS-X等。这些多样化的数据集确保了模型在各种自然语言处理任务中的良好表现。

性能评估

在语义相似度计算和零样本搜索任务中，GLuCoSE-base-ja的表现优于其他模型：

  • 在JSTS开发集上的语义相似度计算中，GLuCoSE-base-ja的Spearman相关系数达到0.864，Pearson相关系数达到0.818，均高于text-embedding-ada-002和pkshatech/simcse-ja-bert-base-clcmlp模型。

  • 在AIO3开发集上的零样本搜索任务中，GLuCoSE-base-ja在Top-1到Top-50的检索准确率上都优于其他模型，显示了其在搜索任务中的卓越性能。

开发团队与许可证

GLuCoSE-base-ja由PKSHA Technology的研究人员Akihiko Fukuchi、Yuichiro Hoshino和Yotarow Watanabe开发。该模型采用Apache License 2.0许可证发布，允许用户在遵守许可证条款的前提下自由使用和修改。

总的来说，GLuCoSE-base-ja为日语自然语言处理任务提供了一个强大而灵活的工具，特别适合于需要高质量文本嵌入的应用场景。

</SOURCE_TEXT>

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

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。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多