在Sentence Transformers中实现自定义信息检索评估指标
2025-05-13 04:26:27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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-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).Dockerfile013
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析2 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析3 freeCodeCamp英语课程填空题提示缺失问题分析4 freeCodeCamp Cafe Menu项目中link元素的void特性解析5 freeCodeCamp全栈开发课程中React实验项目的分类修正6 freeCodeCamp博客页面工作坊中的断言方法优化建议7 freeCodeCamp论坛排行榜项目中的错误日志规范要求8 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析9 freeCodeCamp音乐播放器项目中的函数调用问题解析10 freeCodeCamp课程页面空白问题的技术分析与解决方案
最新内容推荐
JavaWeb企业门户网站源码 - 企业级门户系统开发指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 CS1237半桥称重解决方案:高精度24位ADC称重模块完全指南 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 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 WebVideoDownloader:高效网页视频抓取工具全面使用指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 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
项目优选
收起
deepin linux kernel
C
23
6
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
238
2.36 K
仓颉编程语言运行时与标准库。
Cangjie
122
95
暂无简介
Dart
539
117
仓颉编译器源码及 cjdb 调试工具。
C++
114
83
React Native鸿蒙化仓库
JavaScript
216
291
Ascend Extension for PyTorch
Python
77
109
🎉 (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
995
588
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
568
113
LLVM 项目是一个模块化、可复用的编译器及工具链技术的集合。此fork用于添加仓颉编译器的功能,并支持仓颉编译器项目。
C++
32
25