# 文埋め込み

all-MiniLM-L6-v2はMiniLMアーキテクチャに基づく小型で効率的な文埋め込みモデルで、文の類似度計算や特徴抽出タスクに適しています。

Snowflake Arctic Embed L は文の類似度と特徴抽出に特化したモデルで、様々な自然言語処理タスクに適しています。

BERTベースの軽量文埋め込みモデルで、文の類似度を効率的に計算するために使用されます。

Transformersライブラリに基づく文埋め込みモデルで、文のベクトル表現を生成し、テキストランキングタスクをサポートします。

これはsentence-transformersベースの文埋め込みモデルで、テキストを768次元のベクトル空間にマッピングし、意味検索やクラスタリングタスクに適しています。

これはトルコ語に特化した小型BERTモデルで、文や段落のベクトル表現に適しており、クラスタリングや意味的検索などのタスクに使用できます。

これは8000万パラメータのM2-BERT事前学習チェックポイントで、シーケンス長2048をサポートし、長文コンテキスト検索タスク向けにファインチューニングされています。

これは文や段落を密なベクトル空間にマッピングする文変換モデルで、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。

BioBERTベースの文変換モデルで、医学ウィキペディアコンテンツに特化して最適化されており、文の類似度計算に使用されます

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。

これはsentence-transformersベースのモデルで、文や段落を1024次元の密な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に使用できます。

CoSENTアルゴリズムに基づく中国語意味マッチングモデルで、文を1024次元の密ベクトル空間にマッピングでき、文埋め込み、テキストマッチング、意味検索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384次元のベクトル空間にマッピングし、意味検索や文類似度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次元のベクトル空間にマッピングし、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NLIデータセットでトレーニングされたパンジャーブ語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BERTimbauを基にした大型ポルトガル語法律分野の文変換モデルで、法律文書の意味的類似度タスクに特化しています。

これはsentence-transformersに基づく文埋め込みモデルで、テキストを312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し、意味検索や文類似度計算などのタスクに適しています。

これはsentence-transformersに基づく文埋め込みモデルで、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に基づく文埋め込みモデルで、テキストを768次元のベクトル表現に変換できます。

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。

これはConGenフレームワークに基づくBERTの小型モデルで、文を512次元のベクトル空間にマッピングするために使用され、意味検索などのタスクに適しています。

これはsentence-transformersベースの文類似度モデルで、テキストを384次元ベクトル空間にマッピングし、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BERTimbauを基にしたポルトガル語法律分野の文埋め込みモデルで、文の類似度計算タスクに特化しています。

これはDistilBERTベースの文埋め込みモデルで、文や段落を32次元の密なベクトル空間にマッピングでき、文の類似度計算、意味検索、クラスタリングなどのタスクに適しています。

これはMPNetアーキテクチャに基づく文埋め込みモデルで、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、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。

これはsentence-transformersベースの文類似度モデルで、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。

MiniLMアーキテクチャに基づく軽量な文埋め込みモデルで、テキストを384次元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

これはsentence-transformersベースのモデルで、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ベースのモデルで、文や段落を512次元の密なベクトル空間にマッピングし、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256次元のベクトル空間にマッピングし、クラスタリングや意味検索などのタスクに使用できます。

これは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でき、意味検索や文類似度タスクに適しています。

CoSENT（コサイン文）モデルに基づく中国語テキスト埋め込みモデルで、文を768次元の密なベクトル空間にマッピングでき、文埋め込み、テキストマッチング、意味検索などのタスクに適しています。

これはdistiluse-base-multilingual-cased-v1を基にしたスペイン語文類似度モデルで、stsb_multi_mtデータセットでファインチューニングされています。

RoBERTa-largeベースの教師ありSimCSEモデルで、文埋め込みと特徴抽出タスクに使用されます。

これはDistilBERTベース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、意味検索や文類似度計算などのタスクに適しています。

これはsentence-transformersに基づく文類似度モデルで、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。