# 意味検索最適化

FRIDAはT5ノイズ除去アーキテクチャの思想に基づいて全パラメータを微調整した汎用テキスト埋め込みモデルで、ロシア語と英語のテキスト処理をサポートしています。

sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2をファインチューニングしたルーマニア語意味理解モデルで、小型ながら優れた性能を発揮

Transformerベースの多言語テキストソートモデルで、15言語のテキスト関連性ソートタスクをサポート

これはnomic-ai/nomic-embed-text-v2-moeから微調整されたsentence-transformersモデルで、テキストを768次元の密なベクトル空間にマッピングし、意味テキスト類似度計算などのタスクに使用できます。

このモデルはGGUF-my-repoを通じてBAAI/bge-m3から変換されたGGUF形式のモデルで、主に文類似度計算と特徴抽出に使用されます。

これはintfloat/multilingual-e5-smallから微調整されたsentence-transformers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し、意味的テキスト類似度や意味検索などのタスクをサポートします。

Giga Embeddings Instructは高性能な埋め込みモデルで、テキスト分類と検索タスクに特化し、複数のベンチマークテストで優れた性能を発揮します。

これはTookaBERT-Largeを基にしたペルシャ語の文埋め込みモデルで、テキストを1024次元ベクトル空間にマッピングし、意味類似度計算などのタスクに使用できます。

これはアリババNLP/gte-multilingual-baseモデルを基に、韓国語のトリプレットデータセットでファインチューニングされたsentence-transformersモデルで、意味的テキスト類似度などのタスクに使用されます。

Stella 400Mは中規模の英語テキスト処理モデルで、分類と情報検索タスクに特化しています。

BAAI/bge-m3を基に最適化された韓国語・英語バイリンガル文埋め込みモデルで、意味的テキスト類似性や情報検索などのタスクをサポート

bge-m3埋め込みモデルのGGUF量子化バージョン、効率的なテキスト埋め込みタスクに適しています

NV-Embed-v2 は sentence-transformers ベースの埋め込みモデルで、複数の MTEB ベンチマークテストで優れたパフォーマンスを発揮し、様々な自然言語処理タスクに適しています。

intfloat/multilingual-e5-smallをベースにファインチューニングした韓国語文埋め込みモデルで、384次元ベクトル表現をサポートし、意味的類似性計算などのタスクに適しています

BAAI/bge-m3を基に韓国語向けに最適化された文埋め込みモデルで、1024次元ベクトル表現をサポートし、意味的類似度計算などのタスクに適しています

Salesforceが開発した汎用テキスト埋め込みモデルで、様々なNLPタスクで優れた性能を発揮

これはsentence-transformers/all-MiniLM-L6-v2のONNX移植バージョンで、アテンション重みを返すように調整され、BM42検索シナリオ用に設計されています。

mxbai-embed-large-v1はBERT-largeアーキテクチャに基づく文埋め込みモデルで、AnglE損失関数を使用してトレーニングされ、英語テキスト埋め込みをサポートし、さまざまなニーズに対応するための複数の量子化バージョンを提供します。

GGUF形式で提供されるBAAI/bge-large-zh-v1.5の量子化および非量子化埋め込みモデルで、llama.cppに適しており、CPU上で大幅な速度向上と極小の精度損失を実現します。

Jina Embeddings V2 Base は効率的な英語テキスト埋め込みモデルで、テキストを高次元ベクトル表現に変換でき、様々な自然言語処理タスクに適しています。

これはsentence-transformersベースの文埋め込みモデルで、テキストを768次元ベクトル空間にマッピングでき、意味検索やテキスト類似度計算に適しています。

sentence-transformersベースの多言語文埋め込みモデルで、カタルーニャ語をサポートし、テキストを768次元ベクトル空間にマッピング可能

bge_micro は文類似度計算に特化した軽量モデルで、様々な自然言語処理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768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。

Humによって開発されたsentence-transformersモデルで、4096トークンの長文埋め込みをサポートし、意味検索とクラスタリングタスクに適しています。

これは文を密ベクトル空間にマッピングする文変換モデルで、意味検索やクラスタリングタスクに適しています。

BERTアーキテクチャに基づく意味検索モデルで、情報検索システム向けに最適化されており、テキストを768次元ベクトル空間にマッピングできます

これはsentence-transformersベースの意味検索モデルで、文や段落を768次元の密ベクトル空間にマッピングできます。

これはsentence-transformersベースのスペイン語文類似度モデルで、文や段落を768次元の密なベクトル空間にマッピングできます。

GLuCoSEはLUKEをベースにした日本語テキスト埋め込みモデルで、文の類似度や意味検索タスクに適しています。

これはIndoRobertaベースの文変換モデルで、インドネシア語の文や段落を768次元ベクトル空間にマッピングでき、文類似度計算や意味検索タスクに適しています。

これはintfloat/e5-large-v2モデルに基づく文変換器のバージョンで、文や段落を1024次元の密集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。

E5-baseは、分類、検索、クラスタリング、意味的類似度計算など、さまざまな自然言語処理タスクに適した汎用テキスト埋め込みモデルです。

Instructorは命令微調整によるテキスト埋め込みモデルで、追加の微調整なしに任意のタスクやドメインに合わせてカスタマイズされたテキスト埋め込みベクトルを生成できます。

これはSTSデータセットでファインチューニングされたヒンディー語の文類似度モデルで、ヒンディー語の文間の意味的類似性を計算できます。

STSデータセットでファインチューニングされたマラーティー語文類似度モデル、文埋め込みと意味的類似度計算をサポート

これは多言語文変換モデルで、英語、ロシア語、ウクライナ語、ポーランド語をサポートし、主に文の類似度計算と特徴抽出タスクに使用されます。

sentence-transformersベースの文埋め込みモデルで、テキストを1024次元ベクトル空間にマッピングし、意味検索やテキストクラスタリングタスクに適しています。

sentence-transformersベースのONNXモデルで、テキストを384次元ベクトル空間にマッピング可能。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ONNX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適しています。