# 意味検索の最適化

これはjina-embeddings-v2-base-enをファインチューニングした文変換モデルで、文の埋め込みベクトルを生成し意味的類似度を計算します。

cde-small-v1は、transformerアーキテクチャに基づく小型の文埋め込みモデルで、複数のテキスト分類、クラスタリング、および検索タスクで優れた性能を発揮します。

これはsentence-transformersに基づくポルトガル語文エンコーダーで、テキストを768次元のベクトル空間にマッピングでき、意味検索やテキストクラスタリングなどのタスクに適しています。

sentence-transformersに基づくポルトガル語文章エンコーダーで、テキストを768次元の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。

ロシア語専用に設計された文埋め込み抽出モデルで、文や段落を768次元の稠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適しています。

これはsentence-transformersに基づくイタリア語の文章埋め込みモデルで、文章や段落を384次元の密ベクトル空間にマッピングでき、意味検索や文章類似度計算などのタスクに適しています。

これはmultilingual-e5-smallをベースに微調整されたポルトガル語 - 英語の文の類似度モデルで、文を384次元のベクトル空間にマッピングできます。

これはsentence-transformersに基づく文のエンベディングモデルで、文や段落を128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適しています。

これはsentence - transformersに基づくインドネシア語の文埋め込みモデルで、テキストを768次元のベクトル空間にマッピングできます。

MPNet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768次元ベクトル空間にマッピングし、意味検索や文の類似度計算に適しています

MPNetアーキテクチャに基づく文の埋め込みモデルで、テキストを768次元のベクトル空間にマッピングでき、意味検索や文の類似度計算に適しています。

これはsentence-transformersに基づく文章埋め込みモデルで、テキストを512次元のベクトル空間にマッピングでき、意味検索とテキストの類似度計算に適しています。

La Javanessによって開発されたフランス語の文埋め込みモデルで、CamemBERT-large事前学習モデルをファインチューニングしたもので、フランス語の文の意味表現と類似度計算に特化しています。

SBERT-large-nli-v2は、BERTベースの大規模な文変換モデルで、文の類似度計算と特徴抽出に特化しています。

SBERT-base-nli-v2は、トランスフォーマーベースの文埋め込みモデルで、文の類似度計算と意味検索タスクに特化しています。

GPT-2.7Bアーキテクチャをベースに最適化された文埋め込みモデルで、意味類似度計算と自然言語推論タスクに特化しています。