# 384次元ベクトル

これはsentence-transformers/all-MiniLM-L6-v2のONNX移植バージョンで、テキスト埋め込みを生成するために使用されます。

これはsentence - transformersに基づくモデルで、オーストラリアの法律テキストに特化して最適化されており、文章や段落を384次元のベクトル空間にマッピングでき、法律分野の語義検索やクラスタリングタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を384次元の密なベクトル空間にマッピングでき、文の類似度計算や意味検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を384次元のベクトル空間にマッピングし、文の類似度計算や意味検索タスクに使用できます。

これは多言語文変換モデルで、テキストを384次元ベクトル空間にマッピングし、意味検索やクラスタリングタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を384次元のベクトル空間にマッピングでき、文の類似度計算や意味検索などのタスクに適しています。

これはフランス語のための密な単一ベクトルデュアルエンコーダーモデルで、意味検索に使用できます。このモデルはクエリとパッセージを384次元の密なベクトルにマッピングし、コサイン類似度で関連性を計算します。

これはsentence - transformersに基づくモデルで、文や段落を384次元の密ベクトル空間にマッピングでき、クラスタリングや意味検索などのタスクに使用できます。

これはsentence-transformersベースの文埋め込みモデルで、テキストを384次元のベクトル空間にマッピングし、セマンティック検索やクラスタリングタスクに適しています。

E5-smallの教師なしバージョン、弱教師ありコントラスト事前学習でテキスト埋め込みを生成、テキスト類似度計算などのタスクに適応

これはMiniLMアーキテクチャに基づく文埋め込みモデルで、テキストを384次元のベクトル空間にマッピングし、意味検索や文類似度計算などのタスクに適しています。

これはsentence-transformersに基づく文の類似度モデルで、文や段落を384次元のベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を384次元の密ベクトル空間にマッピングでき、文の類似度計算や意味検索などのタスクに適しています。

これはsentence - transformersに基づくモデルで、文や段落を384次元の密ベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。

これはsentence-transformersベースの文類似度モデルで、テキストを384次元ベクトル空間にマッピングし、意味検索やクラスタリングタスクに適しています。

これはMiniLMアーキテクチャに基づく文埋め込みモデルで、テキストを384次元のベクトル空間にマッピングし、意味検索やクラスタリングタスクに適しています。

MiniLMアーキテクチャに基づく軽量な文埋め込みモデルで、テキストを384次元ベクトル空間にマッピングでき、意味検索やクラスタリングタスクに適しています

これはsentence-transformersベースのモデルで、文や段落を384次元の密なベクトル空間にマッピングでき、クラスタリングや意味検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を384次元の密なベクトル空間にマッピングでき、文の類似度計算や意味的検索などのタスクに適しています。

これはsentence-transformersに基づくモデルで、文や段落を384次元の密ベクトル空間にマッピングでき、意味検索やクラスタリングなどのタスクに適しています。