# 意味的類似度計算

これは多言語文埋め込みモデルで、文や段落を768次元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。

これはイタリア語ベースの文変換モデルで、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的検索などのタスクに適しています。

これはintfloat/multilingual-e5-smallからファインチューニングされたsentence-transformersモデルで、韓国語のクエリ-段落ペアを含むトレーニングデータを使用して、韓国語検索タスクのパフォーマンスを向上させています。

MiniCOILは効率的な意味的類似度計算のために設計された、スパースな文脈化単語埋め込みモデルです

このモデルはall-MiniLM-L12-v2から蒸留されたもので、推論速度が約2倍向上し、CPUとGPUの両方で高い精度を維持しています。

これは多言語の文埋め込みモデルで、文や段落を512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Alibaba-NLP/gte-multilingual-reranker-baseの量子化ONNXバージョンで、INT8量子化を採用し、GPU向けに最適化されており、テキスト分類タスクに適しています。

これはSnowflake/snowflake-arctic-embed-l-v2.0から微調整された文変換モデルで、クラスタリングデータセットで訓練されています。文や段落を1024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的検索に使用できます。

Jina Embeddings V3は多言語文埋め込みモデルで、100種類以上の言語をサポートし、文の類似度計算と特徴抽出タスクに特化しています。

法律文書検索タスク向けに最適化されたbge-m3モデルのファインチューニング版で、法律言語の微妙なニュアンスを処理するために特別に設計されており、意味的類似度に基づいて関連する法律文書を正確かつ効率的に検索できます。

これはsentence-transformersフレームワークで訓練されたモデルで、職業名の意味的マッチングと類似度計算に特化しています。

これはanswerdotai/ModernBERT-baseをMS-MARCOデータセットでファインチューニングしたPyLateモデルで、文の類似度計算とドキュメント検索に使用されます。

これはsentence-transformersで訓練されたモデルで、文や段落を768次元の密ベクトル空間にマッピングでき、意味的テキスト類似度計算や意味検索など様々なタスクに適しています。

Alibaba-NLP/gte-multilingual-baseモデルを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した文埋め込みモデルで、意味的類似度計算に使用されます

これはsentence-transformers/paraphrase-multilingual-MiniLM-L12-v2から微調整された文変換器モデルで、テキストを384次元のベクトル空間にマッピングし、意味的類似度計算などのタスクに使用できます。

Multilingual E5 Largeは、多言語の文章変換器モデルで、文章の類似度と特徴抽出タスクに特化し、複数の言語をサポートしています。

ベトナム語用のドキュメント埋め込みモデルで、最大8096トークンのコンテキストをサポートし、gte - multilingualをベースに訓練されています。

Alibaba - NLP/gte - multilingual - baseをベースに微調整された韓国語の文章埋め込みモデルで、意味的テキスト類似度計算、意味的検索などのタスクをサポートします。

これはintfloat/multilingual-e5-smallをファインチューニングした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的検索などのタスクをサポートします。

ロシア語汎用文エンコーダー、sentence-transformersフレームワークベース、ロシア語テキストから1024次元密ベクトルを抽出するために特別設計

ロシア語の文埋め込みを計算するためのBERTモデル。cointegrated/LaBSE-en-ruを基に開発され、ロシア語処理性能を最適化

NaSEはニュース分野専用の多言語文エンコーダーで、LaBSEを基にドメイン特化トレーニングを行い、100以上の言語の文埋め込みと類似度計算をサポートします。

Jina Embeddings V2 Baseは中国語に最適化された文埋め込みモデルで、テキストを高次元ベクトル表現に変換し、文の類似度計算や特徴抽出に使用できます。

LLM2VecはMeta-Llama-3に基づく教師あり学習モデルで、文の類似度などの自然言語処理タスクに特化しており、テキスト埋め込み、情報検索、テキスト分類などの様々なアプリケーションシーンをサポートします。

multilingual-e5-smallは、多言語テキスト処理タスクで優れた性能を発揮するモデルで、分類、検索、クラスタリング、再ランキング、意味的テキスト類似度などの様々なタスクをサポートします。

RoPEBertアーキテクチャに基づいて開発されたロシア語エンコーダーモデルで、クローン手法でトレーニングされ、512トークンのコンテキストをサポートし、品質面で元のruBert-baseモデルを上回っています

InBedderは命令に従うように設計されたテキスト埋め込みモデルで、質問に答える形でユーザーの命令が指定するテキスト特徴を捉えることができます。

BAAI/bge-small-en-v1.5モデルを微調整したテキスト埋め込みモデルで、MEDIデータセットとMTEB分類タスクデータセットで訓練され、検索タスクのクエリエンコーディング能力を最適化しました。

これはsentence - transformersに基づくヘブライ語埋め込みモデルで、文章や段落を768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的検索などのタスクに適しています。

BAAI/bge-base-en-v1.5はTransformerアーキテクチャに基づく英文テキスト埋め込みモデルで、主に文の類似度計算とテキスト分類タスクに使用されます。

これはBERTinoベースのセンテンストランスフォーマーモデルで、イタリア語の文や段落を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。

SimCSE(sup) は中国語文の類似度タスクに使用されるモデルで、文を埋め込みベクトルにエンコードし、文間のコサイン類似度を計算することができます。

これはsentence-transformersに基づくモデルで、文や段落を768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的検索などのタスクに適しています。

RobBERTモデルに基づくオランダ語の文変換器ONNXバージョン、テキストを768次元ベクトル空間にマッピング可能、意味的検索やクラスタリングタスクに適応

これはBERTアーキテクチャに基づく軽量な文の埋め込みモデルで、文や段落を128次元の密ベクトルに変換でき、意味的類似度計算などのタスクに適しています。

これはsentence-transformersベースの多言語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、意味的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に基づく文の埋め込みモデルで、文や段落を1536次元の密なベクトル空間にマッピングすることができます。

GTE Tinyは、さまざまな自然言語処理タスクに適した小型の汎用テキスト埋め込みモデルです。

これは教師ありSimCSE手法で訓練された日本語文埋め込みモデルで、高品質な文表現を生成するために特別に設計されています。

BGE Base English v1.5 はトランスフォーマーベースの文埋め込みモデルで、文の特徴抽出と文の類似度計算に特化しています。