# 文の類似度

これはsentence-transformersに基づく文エンコーダーモデルで、テキストを768次元のベクトル表現に変換でき、意味検索や文の類似度計算などのタスクに適しています。

NegMPNetはall-mpnet-base-v2をベースにした否定感知バージョンで、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、特に否定意味の処理に長けています。

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でき、意味検索やテキスト類似度タスクに適しています。

これはBERT-Tinyに基づく軽量級の文埋め込みモデルで、セマンティック検索と文の類似度タスクに特化して設計されており、モデルサイズはわずか5MBです。

これはsentence-transformersに基づくモデルで、金融テキスト分類タスクに特化して微調整されており、文や段落を768次元のベクトル空間にマッピングすることができます。

これはsentence-transformersに基づく韓英バイリンガルの文埋め込みモデルで、文を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。

SNLIコーパスでファインチューニングされたBERTモデルで、2つの文の意味的類似度スコアを予測します。

PubMedBertに基づく文変換器モデルで、文や段落の768次元ベクトル表現を生成するためのもので、クラスタリングや意味検索タスクに適しています。

DistilBERTベースの文埋め込みモデルで、Home Depot関連タスク向けにファインチューニングされており、テキストを768次元ベクトル空間にマッピングできます。

ゼロショットおよび少ショットのテキスト分類用に訓練されたシングルネットワークモデルで、mpnet-baseアーキテクチャに基づき、SNLIとMNLIデータセットを使用して訓練されています。

PTT5はBrWacコーパスを使って事前学習されたT5モデルで、ポルトガル語に特化して最適化されており、複数のサイズと語彙表を提供します。

TSDAE（Transformerベースの逐次ノイズ除去オートエンコーダ）を基に訓練された化学分野のBERTモデルで、文の類似度タスクに特化しています。

Sentence-Transformersベースの文類似度計算モデル、RoBERTaアーキテクチャと平均プーリング方式を採用

これはテストモデルで、stsb_multi_mtのスペイン語データセットを使用してファインチューニングされ、意味的テキスト類似度タスクに使用されます。

これはsentence-transformersフレームワークに基づく意味ベクトルモデルで、ディヴィヒ語の文や段落を768次元の稠密ベクトル空間にマッピングでき、テキスト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。