企业官网建设流程全解析

新手必看：multilingual-e5-base中query与passage前缀的正确使用方法

【免费下载链接】multilingual-e5-base项目地址: https://ai.gitcode.com/hf_mirrors/wuhaicc/multilingual-e5-base

multilingual-e5-base是一款强大的多语言文本嵌入模型，能将文本转换为高维向量以实现语义相似度计算和信息检索等功能。正确使用query与passage前缀是发挥其性能的关键，本文将详细介绍这两种前缀的应用场景和使用技巧。

为什么需要使用前缀？

在信息检索任务中，模型需要区分查询文本（用户输入的搜索词）和文档文本（被检索的内容）。multilingual-e5-base通过特定前缀实现这种区分，使模型能针对性地优化嵌入向量，提升检索精度。根据README.md的说明，前缀使用直接影响模型表现。

三种核心使用场景

1. 非对称任务：必须同时使用两种前缀

适用场景：开放域问答、信息检索等需要区分查询与文档的任务。
使用方法：

• 为查询文本添加query:前缀
• 为文档文本添加passage:前缀

示例：

query: 什么是人工智能 passage: 人工智能是计算机科学的一个分支，致力于开发能够模拟人类智能的系统。

2. 对称任务：仅使用query前缀

适用场景：语义相似度计算、文本聚类、复述检测等无需区分角色的任务。
使用方法：为所有文本统一添加query:前缀

示例：

query: 如何提高学习效率 query: 高效学习的方法与技巧

3. 特征提取场景：仅使用query前缀

适用场景：将文本嵌入作为特征用于分类、聚类等下游任务。
使用方法：为所有输入文本添加query:前缀

错误使用案例与风险提示

❌混合使用错误
同时对同类文本使用不同前缀会导致模型混淆：

query: 健康饮食建议 passage: 均衡饮食指南 ❌（应为query前缀）

❌遗漏前缀
未添加前缀会显著降低模型性能：

什么是碳中和 ❌（应为query: 什么是碳中和）

实用工具推荐

官方提供的examples/inference.py脚本展示了完整的嵌入生成流程。虽然该示例未直接包含前缀使用代码，但你可以基于以下模板修改实现：

# 添加前缀示例代码 queries = ["query: " + q for q in original_queries] passages = ["passage: " + p for p in original_passages] # 后续处理与[inference.py](https://link.gitcode.com/i/f8a1e7c33610ab4e1ae8b6b9cdcb5041)保持一致 encoded_input = tokenizer(queries + passages, padding=True, truncation=True, return_tensors='pt')

总结

正确使用前缀是multilingual-e5-base发挥最佳性能的基础。记住三个核心原则：非对称任务用query+passage组合，对称任务和特征提取仅用query前缀，始终保持前缀与文本间的空格。通过README.md了解更多最佳实践，让你的文本嵌入任务事半功倍！

【免费下载链接】multilingual-e5-base项目地址: https://ai.gitcode.com/hf_mirrors/wuhaicc/multilingual-e5-base