MTEB(Massive Text Embedding Benchmark)
涵盖112种语言的58个数据集,包含如下8种任务
。
1、双语文本挖掘(Bitext Mining)
任务目标: 在双语语料库中识别语义等价的句子对。
任务描述: 输入是来自两种不同语言的两个句子集,对于来自第一个句子集的句子,找到在第二个子集中最匹配的句子。模型将句子编码成向量后用余弦相似度来寻找最相似的句子对。
评估指标: F1是主要的评估指标、Accuracy、precision、recall
2、文本分类(Classification)
任务目标: 模型能够对文本的类别进行准确标注。
任务描述: 基于提供的模型生成文本向量,并使用这些向量作为特征来训练分类器,对文本进行分类。
评估指标: 准确率(多分类)、精确率(二分类)
3、文本聚类(Clustering)
任务目标: 模型能够将文本分组至N个预先没有定义的类别中。
任务描述: 基于提供的模型生成文本向量,并利用聚类模型对这些向量进行分组。
评估指标: V-Measure
4、句子对分类(Pair Classification)
任务目标: 模型能够判断一对文本之间是否存在特定关系,如语义等价或对立。
任务描述: 给定一对文本,判断其是否具有相同含义。
评估指标: AP
5、重新排序(Reranking)
任务目标: 给定一个查询语句和一组候选文本,目标是根据这组候选文本与查询语句的相关性对候选文本进行排序。
任务描述: 输入是一个查询语句以及一组候选文本的列表。模型编码文本后比较与查询语句的相似性。
评估指标: MAP
6、检索(Retrieval)
任务目标: 从大规模文档库中检索出查询语句匹配度最高的文档。
任务描述: 文本向量化后对所有查询语句和文档库中文档计算余弦相似度。得到k个相似度最高的候选文档。
评估指标: NDCG@k
7、语义文本相似度(Semantic Textual Similarity, STS)
任务目标: 模型能够估给定句子对的语义相似度。
任务描述: 基于提供的模型生成文本向量,并使用诸如余弦相似度之类的度量来计算它们之间的相似性。
评估指标: Spearman秩相关性系数
8、摘要(Summarization)
任务目标: 模型需要给机器生成的摘要打分。
任务描述: 包括一个手写摘要和机器生成摘要数据集。模型编码所有摘要,然后对于每一个机器生成摘要向量,计算其与所有手写摘要向量的距离。
评估指标: Pearson、Spearman相关性
参考:
MTEB: Massive Text Embedding Benchmark
词向量模型评估