/ Модель

Характеристики

Контекст
8 194 токена
Параметры
659 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Библиотека
sentence-transformers
Опубликована
25 дек 2024

mixed-bge-m3-email

ЭмбеддингиТекст → embedding9 профессий

Англо-корейская модель эмбеддингов на базе BGE-M3 для поиска писем и похожих документов в почтовых архивах.

115скачиваний за 30 дней0лайковвеса обновлены25 дек 2024

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Email-tuned BGE-M3 — модель эмбеддингов на базе BAAI/bge-m3, разработанная для поиска по содержимому электронной почты. Это encoder-only модель семейства XLM-RoBERTa с 658,7 млн параметров и контекстом до 8194 токенов, опубликованная в формате safetensors и доступная по лицензии MIT. Модель дообучена на смешанном англо-корейском наборе писем с запросами разных типов, включая вопросы о метаданных, короткие и развёрнутые запросы, а также вопросы с ответом «да» или «нет».

Она предназначена для извлечения эмбеддингов и поиска похожих писем или документов, а также для поиска по почтовым архивам на английском и корейском языках. Может применяться как компонент систем ответов на вопросы по содержимому писем. Лучше всего подходит для деловой переписки; качество за пределами почтовой тематики может снижаться и различаться между языками.

Сценарии применения

  • поиск писем по запросу на английском или корейском языке
  • поиск похожих писем в корпоративном почтовом архиве
  • поиск документов по содержимому переписки
  • подбор писем для ответа на вопрос по почтовому архиву

Ограничения

Качество может снижаться на тематиках за пределами электронной почты и различаться между английским и корейским языками; модель лучше подходит для деловой переписки.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Email-tuned BGE-M3

This is a fine-tuned version of BAAI/bge-m3 optimized for email content retrieval. The model was trained on a mixed-language (English/Korean) email dataset to improve retrieval performance for various email-related queries.

Model Description

  • Model Type: Embedding model (encoder-only)
  • Base Model: BAAI/bge-m3
  • Languages: English, Korean
  • Domain: Email content, business communication
  • Training Data: Mixed-language email dataset with various types of queries (metadata, long-form, short-form, yes/no questions)

Quickstart

from langchain.embeddings import HuggingFaceEmbeddings
from langchain.vectorstores import FAISS
from langchain.docstore.document import Document

# Initialize the embedding model
embeddings = HuggingFaceEmbeddings(
    model_name="doubleyyh/email-tuned-bge-m3",
    model_kwargs={'device': 'cuda'},
    encode_kwargs={'normalize_embeddings': True}
)

# Example emails
emails = [
    {
        "subject": "회의 일정 변경 안내",
        "from": [["김철수", "kim@company.com"]],
        "to": [["이영희", "lee@company.com"]],
        "cc": [["박지원", "park@company.com"]],
        "date": "2024-03-26T10:00:00",
        "text_body": "안녕하세요, 내일 예정된 프로젝트 미팅을 오후 2시로 변경하고자 합니다."
    },
    {
        "subject": "Project Timeline Update",
        "from": [["John Smith", "john@company.com"]],
        "to": [["Team", "team@company.com"]],
        "cc": [],
        "date": "2024-03-26T11:30:00",
        "text_body": "Hi team, I'm writing to update you on the Q2 project milestones."
    }
]

# Format emails into documents
docs = []
for email in emails:
    # Format email content
    content = "\n".join([f"{k}: {v}" for k, v in email.items()])
    docs.append(Document(page_content=content))

# Create FAISS index
db = FAISS.from_documents(docs, embeddings)

# Query examples (supports both Korean and English)
queries = [
    "회의 시간이 언제로 변경되었나요?",
    "When is the meeting rescheduled?",
    "프로젝트 일정",
    "Q2 milestones"
]

# Perform similarity search
for query in queries:
    print(f"\nQuery: {query}")
    results = db.similarity_search(query, k=1)
    print(f"Most relevant email:\n{results[0].page_content[:200]}...")

Intended Use & Limitations

Intended Use

  • Email content retrieval
  • Similar document search in email corpora
  • Question answering over email content
  • Multi-language email search systems

Limitations

  • Performance may vary for domains outside of email content
  • Best suited for business communication context
  • While supporting both English and Korean, performance might vary between languages

Citation

@misc{email-tuned-bge-m3,
  author = {doubleyyh},
  title = {Email-tuned BGE-M3: Fine-tuned Embedding Model for Email Content},
  year = {2024},
  publisher = {HuggingFace}
}

License

This model follows the same license as the base model (bge-m3).

Contact

For questions or feedback, please use the GitHub repository issues section or contact through HuggingFace.

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaModel
Ревизия весов
9753711

0 моделей