预训练模型语义搜索无关文档相似度偏高，求适配的SentenceTransformers模型

针对你当前短查询（<10词）、中等长度语料（15-30词）的语义搜索场景，且需要拉大无关文本相似度差距的需求，推荐以下几款SentenceTransformers预训练模型：

• all-MiniLM-L6-v2
  这款模型针对短文本语义匹配做了轻量化优化，对短查询和中等长度文档的语义边界区分更清晰，能有效降低完全无关文本间的余弦相似度，同时保留相关文本的匹配精度。

• multi-qa-mpnet-base-dot-v1
  基于MPNet架构训练，专门适配问答与检索场景，对短查询的语义捕捉更精准，能显著拉开无关文本的向量距离，让相关/无关结果的阈值判定更明确。

• quora-distilbert-multilingual
  依托Quora相似问题数据集训练，擅长区分语义差异较大的文本，支持多语言适配中文场景，可大幅降低完全不相关句子的相似度数值，解决你当前阈值难定的问题。

额外优化建议：

1. 对短查询做轻度语义增强：比如将“男士时装”扩展为“男士时装相关的品牌或服饰”（不偏离原意前提下），提升模型对短输入的语义理解。
2. 切换相似度计算方式：尝试将余弦相似度转为欧氏距离，在高维空间中该指标可能更能拉开无关向量的差距。
3. 小样本微调：如果有标注数据，用自身语料对选中模型做少量微调，进一步适配业务场景，最大化相关与无关结果的区分度。

内容的提问来源于stack exchange，提问作者Aftaab Zia