# 文の類似度計算

GIST-Embedding-v0 は sentence-transformers ベースの文埋め込みモデルで、主に文の類似度計算と特徴抽出タスクに使用されます。

これはBERTに基づく文変換器モデルで、文の類似度計算と意味検索タスクに使用されます。

GTE-small は効率的な文埋め込みモデルで、thenlper/gte-small ベースモデルに基づき、文の類似度タスクに特化しています。

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。

これはmicrosoft/mpnet-baseをファインチューニングしたsentence-transformersモデルで、文や段落のベクトル表現に使用され、意味的テキスト類似度などのタスクをサポートします。

Jina Embeddings V3は多言語の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。

Stella_en_1.5B_v5は英語ベースのテキスト生成モデルで、パラメータ規模は15億で、文の類似度などのタスクに適しています。

Snowflake Arctic Embed M v1.5は、文の類似度計算と特徴抽出タスクに特化した効率的な文埋め込みモデルです。

ベトナム語用に設計された埋め込みモデルで、PhoBERTをベースに最適化されており、ベトナム語の文を768次元のベクトル空間にエンコードでき、意味検索やテキストクラスタリングなどの様々なシーンに適用できます。

Qwen1.5アーキテクチャに基づく7Bパラメータ規模の文埋め込みモデルで、文の類似度計算とマルチタスク評価に特化

Snowflake Arctic Embed XS は軽量な文埋め込みモデルで、文の類似度と特徴抽出タスクに特化しています。

Snowflake Arctic Embed S は文の類似度タスクに特化した埋め込みモデルで、Snowflake社によって開発されました。分類、クラスタリング、検索など、さまざまなテキスト関連タスクで優れた性能を発揮します。

Snowflake Arctic M Long は sentence-transformers ベースの文埋め込みモデルで、文の類似度と特徴抽出タスクに特化しています。

e5-base-v2埋め込みモデルのGGUF形式のファイルで、文の類似度計算などのタスクに使用され、最大512トークンのコンテキストをサポートします。

GIST-all-MiniLM-L6-v2は、文の類似度タスクに特化したSentence-Transformersモデルで、特徴抽出、分類、検索、クラスタリングなどの様々な自然言語処理シーンに適しています。

イタリア語の質問と回答タスク用に特別に設計された文変換モデルで、イタリア語のテキストを解析し、最も答えが含まれる可能性のある文脈を予測できます。

これはLaBSEアーキテクチャに基づく文変換器モデルで、ロシア語 - マリ語ペアに特化して微調整され、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ます。

LaBSEは多言語文埋め込みモデルで、109言語の文を共有のベクトル空間にマッピングできます。

Ember v1 は sentence-transformers に基づく埋め込みモデルで、主に特徴抽出と文の類似度計算に使用されます。

これはsentence - transformersに基づくモデルで、シンハラ語の文を768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などのタスクをサポートします。

GTE-smallは、文の類似度計算、テキスト分類、検索など、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sentence-transformersベースのモデルで、文や段落を768次元の密ベクトル空間にマッピングでき、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NLIデータセットを用いて訓練されたタミル語のBERTモデルで、文の類似度計算と特徴抽出に使用されます。

これはsentence - transformersに基づくハンガリー語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などのタスクに適しています。

これはsentence-transformersに基づく日本語の文埋め込みモデルで、文や段落を768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。

これはDeBERTaアーキテクチャに基づく文変換器モデルで、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、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。

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

これはsentence-transformersに基づくモデルで、文や段落を768次元の密ベクトル空間にマッピングでき、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。

msmarco-word2vec256000-distilbert-base-uncasedに基づく文エンコーダーで、word2vecで初期化された256kの語彙を使用し、文の類似度タスクに特化して設計されています。

SciBERTに基づく科学テキストの文エンコーダーで、自己教師付き学習により200万本の科学論文で学習されました。

sentence-transformersに基づくクロスエンコーダモデルで、文の類似度計算に使用され、特に意味検索タスクに適しています。

LaBSEモデルをベースに簡略化された英語とロシア語専用のバージョンで、元の埋め込み品質を維持しながらモデルサイズを大幅に縮小しています。

UER - pyで事前学習された中国語文の埋め込みモデルで、文の類似度を計算するために使用されます。

SGPT-2.7Bは加重平均法に基づく文変換モデルで、文の類似度タスクに特化しており、MSMARCOデータセットで訓練され、BitFit技術が適用されています。

SGPT-1.3Bは加重平均とbitfit技術に基づいて最適化された文変換器モデルで、主に文の類似度と特徴抽出タスクに使用されます。

SGPT-5.8Bは加重平均法に基づく文変換モデルで、文の類似度タスクに特化しており、msmarcoデータセットで訓練され、specb-bitfit技術を適用して最適化されています。

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。