Jina AI / jina-embeddings-v2-base-en

Introduzione ai modelli Jina Embedding v2

I modelli Jina Embeddings v2 sono progettati per gestire documenti lunghi con una dimensione massima di input estesa a 8.192 token. A partire da ottobre 2024, Jina AI Embedding V2 ha le seguenti varianti, ognuna delle quali risponde a diverse esigenze di incorporazione:

• jina-embeddings-v2-small-en
• jina-embeddings-v2-base-en
• jina-embeddings-v2-base-zh
• jina-embeddings-v2-base-de
• jina-embeddings-v2-base-code

Introduzione a jina-embeddings-v2-base-it

jina-embeddings-v2-base-en è un modello di embedding monolingue inglese per una lunghezza di sequenza fino a 8192 tokens. È la variante media o di base della famiglia Jina Embeddings v2, che è stata addestrata con 137 milioni di parametri e genera embeddings a 768 dimensioni.

Confronto tra jina-embeddings-v2-small-en e altri modelli di embedding Jina.

Modello	Dimensione dei parametri	Dimensione dell'incorporamento	Testo
jina-embeddings-v3	570M	dimensione di incorporamento flessibile (predefinita: 1024)	incorporazioni di testo multilingue; supporta 94 lingue in totale
jina-embeddings-v2-small-en	33M	512	incorporazioni monolingui in inglese
jina-embeddings-v2-base-en	137M	768	embeddings monolingue inglese
jina-embeddings-v2-base-zh	161M	768	Abbinamenti bilingue cinese-inglese
jina-embeddings-v2-base-de	161M	768	Embeddings bilingue tedesco-inglese
jina-embeddings-v2-base-code	161M	768	Inglese e linguaggi di programmazione

Come creare embeddings con jina-embeddings-v2-base-en

Esistono due modi principali per utilizzare il modello jina-embeddings-v2-base-en per generare embeddings vettoriali:

1. PyMilvus: l'SDK Python per Milvus che integra perfettamente il modello jina-embeddings-v2-base-en.
2. Libreria SentenceTransformer: la libreria python sentence-transformer.

Genera embeddings vettoriali tramite PyMilvus e li inserisce in Zilliz Cloud per la ricerca semantica.

da pymilvus.model.dense import SentenceTransformerEmbeddingFunction
da pymilvus import MilvusClient

ef = SentenceTransformerEmbeddingFunction("jinaai/jina-embeddings-v2-base-en", trust_remote_code=True)

docs = [
   "L'intelligenza artificiale è stata fondata come disciplina accademica nel 1956",
   "Alan Turing è stato il primo a condurre una ricerca sostanziale sull'intelligenza artificiale",
   "Nato a Maida Vale, Londra, Turing è cresciuto nel sud dell'Inghilterra".
]
# Generare le incorporazioni per i documenti
docs_embeddings = ef(docs)

queries = ["Quando è stata fondata l'intelligenza artificiale",
          "Dove è nato Alan Turing?"]
# Generare embeddings per le query
query_embeddings = ef(queries)

# Connettersi a Zilliz Cloud con l'endpoint pubblico e la chiave API
client = MilvusClient(
    uri=ZILLIZ_PUBLIC_ENDPOINT,
    token=ZILLIZ_API_KEY)

COLLEZIONE = "documenti"
if client.has_collection(collection_name=COLLECTION):
    client.drop_collection(nome_raccolta=COLLEZIONE)
client.create_collection(
    nome_collezione=COLLEZIONE,
    dimensione=ef.dim,
    auto_id=True)

per doc, embedding in zip(docs, docs_embeddings):
    client.insert(COLLECTION, {"text": doc, "vector": embedding})
    
risultati = client.search(
    nome_collezione=COLLEZIONE,
    dati=query_embeddings,
    consistency_level="Strong",
    output_fields=["text"])

Per ulteriori informazioni, consultare la nostra [documentazione sul modello di inclusione di PyMilvus] (https://milvus.io/docs/embeddings.md).

Generare embeddings vettoriali tramite SentenceTransformer e inserirli in Zilliz Cloud per la ricerca semantica

da sentence_transformers import SentenceTransformer
da pymilvus import MilvusClient

model = SentenceTransformer("jinaai/jina-embeddings-v2-base-en", trust_remote_code=True)

docs = [
   "L'intelligenza artificiale è stata fondata come disciplina accademica nel 1956",
   "Alan Turing è stato il primo a condurre una ricerca sostanziale sull'intelligenza artificiale",
   "Nato a Maida Vale, Londra, Turing è cresciuto nel sud dell'Inghilterra".
]
# Generare le incorporazioni per i documenti
docs_embeddings = model.encode(docs, normalize_embeddings=True)

query = ["query: Quando è stata fondata l'intelligenza artificiale",
           "query: Wo wurde Alan Turing geboren?" ]
# Generare le incorporazioni per le query
query_embeddings = model.encode(queries, normalize_embeddings=True)

# Connettersi a Zilliz Cloud con l'endpoint pubblico e la chiave API
client = MilvusClient(
    uri=ZILLIZ_PUBLIC_ENDPOINT,
    token=ZILLIZ_API_KEY)

COLLEZIONE = "documenti"
if client.has_collection(collection_name=COLLECTION):
    client.drop_collection(nome_raccolta=COLLEZIONE)
client.create_collection(
    nome_collezione=COLLEZIONE,
    dimensione=768,
    auto_id=True)

per doc, embedding in zip(docs, docs_embeddings):
    client.insert(COLLECTION, {"text": doc, "vector": embedding})
    
risultati = client.search(
    nome_collezione=COLLEZIONE,
    dati=query_embeddings,
    consistency_level="Strong",
    output_fields=["text"])

Per ulteriori informazioni, consultare SentenceTransformer documentation.