【試してみた】Googleの新型埋め込みモデル「EmbeddingGemma」の使い方と性能

こんにちは、たねやつです。

Googleから新しいテキスト埋め込みモデル「EmbeddingGemma」がリリースされ、その軽量さと性能の高さで話題になっています。

今回は、この注目の「EmbeddingGemma」の概要と、sentence-transformersライブラリを使って簡単にその実力を試してみた結果をレポートします。

EmbeddingGemmaとは？
使い方 (Sentence Transformers)
- 1. ライブラリのインストール
- 2. テキストをベクトル化するコード
実行結果と考察
まとめ
参考・引用

EmbeddingGemmaとは？

EmbeddingGemmaは、Googleが開発した新しいオープンなテキスト埋め込みモデルです。主な特徴は以下の通りです。

軽量ながら高性能: パラメータ数は300Mと軽量ながら、MTEB (Massive Text Embedding Benchmark)において、同サイズクラスで最高のスコアを記録しています。
多言語対応: 100以上の言語のデータで学習されており、日本語を含む多様な言語に対応できます。
オープンで使いやすい: Hugging Faceでモデルが公開されており、Apache 2.0ライセンスで商用利用も可能です。また、Ollamaにも登録されているため、ローカル環境で手軽に試すことができます。

使い方 (Sentence Transformers)

EmbeddingGemmaは、sentence-transformersライブラリを使うことで、非常に簡単かつ直感的に扱うことができます。

1. ライブラリのインストール

必要なライブラリをインストールします。

pip install -U sentence-transformers transformers torch

2. テキストをベクトル化するコード

以下が、モデルをロードし、複数文章の類似度を計算するコードです。

from sentence_transformers import SentenceTransformer
import torch

# デバイスの指定 (GPUが利用可能ならGPUを使う)
device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using device: {device}")

# Hugging Face Hubからモデルをロード
model = SentenceTransformer("google/embeddinggemma-300m", device=device)

# 類似度を計算したい文章 (10個)
sentences = [
    "今日の東京は晴天です。",              # 0: 基準 (天気)
    "明日の天気も良いでしょう。",          # 1: 天気
    "傘を持って出かけたほうがよさそうだ。",  # 2: 天気
    "私はラーメンが大好きです。",          # 3: 食べ物
    "美味しい寿司を食べに行きたい。",      # 4: 食べ物
    "昨日のカレーは辛かった。",              # 5: 食べ物
    "我が家の猫はとてもかわいい。",          # 6: 動物
    "犬の散歩に行く時間だ。",              # 7: 動物
    "最新のスマートフォンが発売された。",  # 8: テクノロジー
    "このコンピュータは性能が高い。",      # 9: テクノロジー
]

# 文章をまとめてベクトル化
embeddings = model.encode(sentences)

# 基準となる文章 (0番目) と他の全ての文章との類似度を計算
similarities = model.similarity(embeddings[0], embeddings)

# 結果を整形して表示
results = []
for i, score in enumerate(similarities[0]):
    results.append((sentences[i], score.item()))

# 類似度スコアで降順にソート
results.sort(key=lambda x: x[1], reverse=True)

print(f"基準: 「{sentences[0]}」")
print("-" * 50)
for sentence, score in results:
    print(f"類似度: {score:.4f}\t文章: {sentence}")

実行結果と考察

「天気」「食べ物」「動物」「テクノロジー」というカテゴリの文章を用意し、最初の「今日の東京は晴天です。」との類似度を計算しました。結果は以下の通りです。

--- 結果: EmbeddingGemma ---
基準: 「今日の東京は晴天です。」
--------------------------------------------------
類似度: 1.0000  文章: 今日の東京は晴天です。
類似度: 0.8561  文章: 明日の天気も良いでしょう。
類似度: 0.8008  文章: 犬の散歩に行く時間だ。
類似度: 0.7883  文章: 傘を持って出かけたほうがよさそうだ。
類似度: 0.7856  文章: 美味しい寿司を食べに行きたい。
類似度: 0.7719  文章: このコンピュータは性能が高い。
類似度: 0.7527  文章: 我が家の猫はとてもかわいい。
類似度: 0.7496  文章: 昨日のカレーは辛かった。
類似度: 0.7351  文章: 私はラーメンが大好きです。
類似度: 0.6736  文章: 最新のスマートフォンが発売された。

同じ「天気」カテゴリの文章が上位に来ており、モデルが文章の意味を正しく捉えられていることがわかります。特に興味深いのは、「犬の散歩に行く時間だ。」が3位と高く評価されている点です。「晴天」という言葉から「屋外での活動」という文脈を連想しているのかもしれません。