Jina AI / jina-embeddings-v2-base-zh
Milvus Integrated
Compito: Incorporazione
Modalità: Testo
Metrica di Similarità: Qualsiasi (normalizzato)
Licenza: Apache 2.0
Dimensioni: 768
Token di Input Massimi: 8192
Prezzo: Gratuito
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.
Cos'è jina-embeddings-v2-base-zh
jina-embeddings-v2-base-zh è uno strumento di incorporazione di testo bilingue (cinese/inglese) che può elaborare fino a 8192 token per sequenza. È costruito su un'architettura BERT specializzata (chiamata JinaBERT) per applicazioni monolingui e multilingue.
Confronto tra jina-embeddings-v2-base-zh e altri modelli di incorporazione 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 usando jina-embeddings-v2-base-zh
Esistono due modi principali per generare embeddings vettoriali:
- **PyMilvus: l'SDK Python per Milvus che integra perfettamente il modello
jina-embeddings-v2-base-zh. - Libreria SentenceTransformer: la libreria Python
sentence-transformer.
Una volta create le incorporazioni vettoriali, queste possono essere memorizzate in un database vettoriale come Zilliz Cloud (un database vettoriale completamente gestito da Milvus) e utilizzate per la ricerca di similarità semantica.
Ecco i quattro passaggi chiave:
- Iscriversi per un account Zilliz Cloud gratuito.
- Configurare un cluster serverless](https://docs.zilliz.com/docs/create-cluster#set-up-a-free-cluster) e ottenere Endpoint pubblico e chiave API.
- Creare una collezione di vettori e inserire gli embeddings vettoriali.
- Eseguire una ricerca semantica sugli embeddings memorizzati.
Creare embeddings tramite PyMilvus e inserirli in Zilliz Cloud per la ricerca semantica.
da pymilvus.model.dense import SentenceTransformerEmbeddingFunction
da pymilvus import MilvusClient
ef = SentenceTransformerEmbeddingFunction("jinaai/jina-embeddings-v2-base-zh", trust_remote_code=True)
docs = [
"人工智能于1956年作为一门学术学科成立。",
"艾伦-图灵是第一位在人工智能领域进行实质性研究的人。",
"图灵出生于伦敦的梅达韦尔，在英格兰南部长大↪PO_300"
]
# Generare embeddings per i documenti
docs_embeddings = ef(docs)
query = ["人工智能是什么时候创立的？",
"艾伦-图灵出生在哪里？"]
# Generare le incorporazioni 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 maggiori dettagli, consultare la nostra [PyMilvus Embedding Model documentation](Per maggiori informazioni, consultare la nostra PyMilvus Embedding Model documentation.).
Creare embeddings tramite la libreria 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-zh", trust_remote_code=True)
docs = [
"人工智能于1956年作为一门学术学科成立。",
"艾伦-图灵是第一位在人工智能领域进行实质性研究的人。",
"图灵出生于伦敦的梅达韦尔，在英格兰南部长大↪PO_300"
]
# Generare embeddings per i documenti
docs_embeddings = model.encode(docs, normalize_embeddings=True)
query = ["人工智能是什么时候创立的？",
"艾伦-图灵出生在哪里？"]
# 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=512,
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"])
- Introduzione ai modelli Jina Embedding v2
- Cos'è jina-embeddings-v2-base-zh
- Come creare embeddings usando jina-embeddings-v2-base-zh
Contenuto
Flussi di lavoro AI senza interruzioni
Dalle embedding alla ricerca AI scalabile—Zilliz Cloud ti consente di memorizzare, indicizzare e recuperare embedding con velocità e efficienza senza pari.
Prova Zilliz Cloud gratuitamente
