在Sentence Transformers中实现自定义信息检索评估指标
2025-05-13 07:48:16作者:廉彬冶Miranda
背景介绍
Sentence Transformers是一个强大的自然语言处理框架,专门用于生成高质量的句子嵌入。在实际应用中,我们经常需要评估这些嵌入模型在信息检索任务中的表现。框架内置的InformationRetrievalEvaluator类提供了多种标准评估指标,如准确率@k、召回率@k和MRR@k等。
自定义评估需求
在实际业务场景中,开发者常常需要获取更详细的评估数据,例如:
- 每个查询对应的第一个相关文档在结果中的绝对排名
- 按不同组别分别计算评估指标
- 获取更细粒度的排名分布信息
实现方案
扩展评估器类
我们可以通过继承InformationRetrievalEvaluator类并重写其compute_metrics方法来实现自定义评估指标。以下是关键实现步骤:
class CustomInformationRetrievalEvaluator(InformationRetrievalEvaluator):
def compute_metrics(self, queries_result_list: List[object]):
# 初始化自定义指标
min_rank_at_k = {k: [] for k in self.precision_recall_at_k}
# 计算标准指标
# ... (原有指标计算代码)
# 计算第一个相关文档的排名
for query_itr in range(len(queries_result_list)):
top_hits = sorted(queries_result_list[query_itr],
key=lambda x: x["score"], reverse=True)
query_relevant_docs = self.relevant_docs[query_id]
for k_val in self.precision_recall_at_k:
rank = k_val # 默认值,表示未找到相关文档
for idx, hit in enumerate(top_hits[:k_val]):
if hit["corpus_id"] in query_relevant_docs:
rank = idx
break
min_rank_at_k[k_val].append(rank)
# 计算平均排名
for k in min_rank_at_k:
min_rank_at_k[k] = np.mean(min_rank_at_k[k])
# 返回包含自定义指标的结果
return {
**super().compute_metrics(queries_result_list),
"min_rank@k": min_rank_at_k
}
按组别评估的实现
对于需要按组别评估的需求,可以采用以下策略:
- 预先将数据集按组别划分
- 为每个组别创建独立的评估器实例
- 分别运行评估并收集结果
- 合并各组结果进行综合分析
# 假设数据集已按group_id分组
group_results = {}
for group_id, group_data in dataset.groupby('group_id'):
evaluator = CustomInformationRetrievalEvaluator(
corpus=group_data.corpus,
queries=group_data.queries,
relevant_docs=group_data.relevant_docs
)
group_results[group_id] = evaluator(model)
技术细节解析
排名计算的边界情况处理
在计算第一个相关文档的排名时,需要考虑以下边界情况:
- 相关文档出现在结果列表的前k个位置:记录其实际排名(0到k-1)
- 相关文档未出现在前k个位置:可以设置为k或特殊值(如-1)
- 多个相关文档的情况:通常只需记录排名最高的那个
性能优化建议
- 避免重复计算:在compute_metrics方法中一次性计算所有需要的指标
- 使用向量化操作:对于大型数据集,尽量使用numpy的向量化计算
- 并行处理:对于分组评估,可以使用多进程并行处理不同组别
实际应用示例
假设我们有一个问答数据集,包含10万条问题和答案对。我们可以:
- 按问题类别分组
- 为每个类别计算MRR@10和平均排名
- 分析模型在不同类别上的表现差异
# 加载数据集
dataset = load_dataset("qa_dataset")
dataset = dataset.add_column("id", range(len(dataset)))
# 按类别分组评估
category_results = {}
for category in dataset.unique('category'):
cat_data = dataset.filter(lambda x: x['category'] == category)
evaluator = CustomInformationRetrievalEvaluator(
corpus=dict(zip(cat_data['id'], cat_data['answer'])),
queries=dict(zip(cat_data['id'], cat_data['question'])),
relevant_docs={qid: {qid} for qid in cat_data['id']}
)
category_results[category] = evaluator(model)
总结
通过扩展Sentence Transformers的评估器类,我们可以灵活地获取各种自定义评估指标,满足不同业务场景的需求。这种方法不仅适用于信息检索任务,也可以推广到其他需要细粒度评估的嵌入模型应用中。关键点在于理解评估器的内部工作机制,并根据实际需求进行适当的扩展。
登录后查看全文
热门项目推荐
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0286Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp课程视频测验中的Tab键导航问题解析2 freeCodeCamp课程页面空白问题的技术分析与解决方案3 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析4 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析5 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 6 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析7 freeCodeCamp Cafe Menu项目中link元素的void特性解析8 freeCodeCamp英语课程填空题提示缺失问题分析9 freeCodeCamp全栈开发课程中React实验项目的分类修正10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 PANTONE潘通AI色板库:设计师必备的色彩管理利器 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
162
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
96
15

React Native鸿蒙化仓库
C++
199
279

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16

Git4Research旨在构建一个开放、包容、协作的研究社区,让更多人能够参与到科学研究中,共同推动知识的进步。
HTML
22
1

基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
950
557

基于QEMU构建的RISC-V64 SOC,支持Linux,baremetal, RTOS等,适合用来学习Linux,后续还会添加大量的controller,实现无需实体开发板,即可学习Linux和RISC-V架构
C
19
5