/ Модель

Характеристики

Лицензия
cdla-permissive-2.0
Опубликована
11 окт 2023

xlscout-techdata-embedding

ЭмбеддингиТекст → embedding

Дообученная на патентных данных модель для создания текстовых эмбеддингов и поиска релевантных патентных документов.

1скачиваний за 30 дней7лайковвеса обновлены13 окт 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

xlscout-techdata-embeddings — модель для построения текстовых эмбеддингов, разработанная командой xlscout на основе BAAI/bge-small-en-v1.5. Модель дообучена на специализированных данных, подготовленных экспертами по патентам; открытая версия обучена на 10% полного набора, включавшего около 50 000 примеров из нескольких областей.

Модель предназначена для поиска и категоризации патентной информации, в том числе для извлечения релевантных документов. В README заявлено улучшение примерно на 40% относительно исходной модели в различных патентных задачах, однако описание не приводит методику измерения или конкретные метрики. Модель принимает текст и формирует эмбеддинги; репозиторий содержит веса PyTorch и использует библиотеку Transformers. Лицензия — CDLA Permissive 2.0.

Сценарии применения

  • поиск патентов по текстовому запросу
  • извлечение похожих патентных документов
  • категоризация патентных текстов

Ограничения

Открытая версия обучена только на 10% полного набора данных. Заявленное улучшение примерно на 40% не сопровождается в README описанием методики или метриками оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

xlscout-techdata-embeddings

Welcome to xlscout-techdata-embeddings, a finetuned embedding model curated with the expertise and dedication of the team at xlscout.

Model Description

The xlscout-techdata-embeddings model is a variant of the original BAAI/bge-small-en-v1.5 model, finetuned with a specialized dataset crafted by patent experts at xlscout. We extracted around 50,000 samples from multiple domains, resulting in a performance boost of approximately 40% compared to the original model in various patent-related tasks such as retrieval and categorization.

Finetuning Data

The dataset for finetuning was meticulously curated and validated by our experts, ensuring its quality and reliability in the patent domain. The comprehensive dataset spans across multiple domains, providing a robust foundation for the model to understand and generate patent-related embeddings.

We are open-sourcing a lighter version of the model, which has been finetuned on 10% of the entire data. For access to the full version of the model, please connect with xlscout.

Usage

Here's a quick guide on how to use the xlscout-techdata-embeddings model for a retrieval task:

from transformers import AutoTokenizer, AutoModel
sentences = ["This is an example sentence", "Each sentence is converted"]

model_id = "Khushwant78/xlscout-techdata-embedding"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModel.from_pretrained(model_id)

embeddings = model.encode(sentences)

print(embeddings)

Connect with xlscout

We encourage researchers and developers to explore and utilize the lighter version of our model. For collaborations, custom solutions, or usage of the full model, please get in touch with us through our website.

Acknowledgements

A huge thank you to the original authors of the BAAI/bge-small-en-v1.5 model and to our dedicated team of patent experts at xlscout who meticulously curated the finetuning dataset, ensuring a significant performance boost in the patent domain.

Citation

@misc{bge_embedding,
      title={C-Pack: Packaged Resources To Advance General Chinese Embedding},   
      author={Shitao Xiao and Zheng Liu and Peitian Zhang and Niklas Muennighoff},
      year={2023},
      eprint={2309.07597},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
f15a963

0 моделей