Характеристики

Библиотека: sentence-transformers
Опубликована: 24 июн 2026

Ссылки

product-e5-small-vietnamese

ЭмбеддингиТекст → embedding3 профессии

Модель эмбеддингов для семантического поиска товаров на вьетнамском языке, сопоставляющая короткие запросы с длинными описаниями.

34скачиваний за 30 дней0лайковвеса обновлены24 июн 2026

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

Vietnamese Product E5 Small — модель эмбеддингов на базе SentenceTransformer, дообученная автором trantuan1701 для поиска товаров на вьетнамском языке. Она сопоставляет короткие поисковые запросы с более длинными описаниями товаров и предназначена для построения семантического поиска и извлечения товаров по запросу.

Модель основана на intfloat/multilingual-e5-small и обучена с MultipleNegativesRankingLoss на 15 000 парах «запрос — документ» и 1 000 описаниях товаров. Максимальная длина последовательности — 512 токенов. Репозиторий содержит веса Safetensors; использовать модель можно через библиотеку Sentence Transformers.

README отмечает, что значение validation loss служит только диагностикой обучения. Для оценки качества поиска перед выбором модели рекомендуется измерить Recall@K, MRR и NDCG. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

Поиск товаров по короткому запросу на вьетнамском языке
Ранжирование описаний товаров по релевантности запросу
Сопоставление пользовательских запросов с каталогом товаров

Ограничения

README не приводит метрики полноценного поиска: перед выбором модели для эксплуатации рекомендуется оценить Recall@K, MRR и NDCG. Максимальная длина последовательности составляет 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели III.2Корпоративные функцииИсследование рынка и маркетингAI помогает понимать рынок, создавать коммуникации и улучшать эффективность маркетинга.22 задачи8 594модели III.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Vietnamese Product E5 Small

Fine-tuned SentenceTransformer model for asymmetric Vietnamese product retrieval: short search queries are matched to longer product documents.

Base model

intfloat/multilingual-e5-small

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("trantuan1701/product-e5-small-vietnamese")

query_embeddings = model.encode(
    ["query: đèn led downlight at02 đổi màu"],
    normalize_embeddings=True,
)

document_embeddings = model.encode(
    ["passage: product document text..."],
    normalize_embeddings=True,
)

Important: this E5 model expects query: for queries and passage: for documents.

Training summary

Loss: MultipleNegativesRankingLoss
Max sequence length: 512
Dataset: 15,000 query-document pairs, 1,000 product documents
Validation split: deterministic by doc_id

Limitations

Current validation loss is a training diagnostic only. A full retrieval benchmark should report Recall@K, MRR, and NDCG before production selection.

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Нельзя запустить

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

Ревизия весов: e1e754a