# 高精度意味マッチング

PyLateはColBERTアーキテクチャに基づく文類似度モデルで、Alibaba-NLP/gte-modernbert-baseをベースモデルとして使用し、蒸留損失による訓練を経ており、情報検索タスクに適しています。

BAAI/bge-large-zh-v1.5は中国語文変換モデルで、主に特徴抽出と文類似度計算に使用されます。

これは阿里巴巴NLP/gte-multilingual-baseから微調整されたsentence-transformersモデルで、ベトナム語をサポートし、意味的テキスト類似度などのタスクに使用されます。

これはModernBERT-baseをファインチューニングしたクロスエンコーダーモデルで、テキストの再ランキングと意味検索タスクに使用されます。

エジプトの法律書籍と合成データで訓練されたアラビア語センテンストランスフォーマーで、意味的テキスト類似度と情報検索タスクに最適化されています。

アリババNLPチームが開発した7Bパラメータ規模の多言語テキスト埋め込みモデルで、文類似度タスクに特化し、複数の量子化バージョンを提供

これはModernBERT-baseをベースにした文変換モデルで、文の類似度計算や情報検索タスクに特化しています。

stella_en_400M_v5アーキテクチャを基に金融分野向けに最適化した検索拡張生成モデルで、金融文書の意味検索と段落マッチングをサポート

Ruri-Rerankerはsentence-transformersベースの日本語テキスト再ランキングモデルで、クエリとドキュメントの関連性順位付けを最適化するために設計されています。

RoBERTaアーキテクチャに基づくバイリンガル（ロシア語-英語）テキスト処理モデル、様々な分類と検索タスクに適応

このモデルはjina-embeddings-v2-base-enを基にファインチューニングしたバージョンで、技術スタックドキュメント処理向けに設計されており、テキスト分類、感情分析、エンティティ認識などのタスクに適しています。

jina-embeddings-v2-base-enをファインチューニングしたオランダ法律文書埋め込みモデル、法律文書検索タスクに最適化

jina-embeddings-v2-base-enを基に微調整したテキスト埋め込みモデルで、法律相談の検索エンジン最適化のために特別に設計され、中国語と英語の法律テキストの特徴抽出をサポートします。

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 Embed M は文類似度タスクに特化した文変換モデルで、効率的にテキスト特徴を抽出し文間の類似度を計算できます。

Salesforce Researchによって開発されたテキスト埋め込みモデルで、E5-mistral-7b-instructとMistral-7B-v0.1を基に訓練されており、主にテキスト検索タスクに使用されます。

RoBERTaアーキテクチャに基づく大規模ポーランド語文章変換モデルで、文の類似度計算と特徴抽出タスクに特化しています。

mmlw-e5-large は文変換器ベースの特徴抽出モデルで、文類似度タスクに特化しており、ポーランド語をサポートしています。

これはPhoBERT-base-v2ベースの文変換モデルで、ベトナム語テキストの意味的類似性タスク向けに設計されています。

DeBERTaアーキテクチャに基づく自然言語推論(NLI)モデルで、ゼロショット分類タスクに適しており、Transformers.js互換のONNX形式に変換済み

このデータセットはSimCSE（Simple Contrastive Learning of Sentence Embeddings）モデルのトレーニングと評価に使用され、文類似度タスクをサポートします。

sentence-transformersベースのテキスト埋め込みモデルで、文の類似度計算と特徴抽出タスクに特化しています。

これはギリシャメディアBERT（大文字小文字区別なし）モデルに基づくsentence-transformersモデルで、ギリシャ語の文や段落を768次元ベクトル空間にマッピングします。

これはMPNetアーキテクチャに基づく文埋め込みモデルで、否定文の処理能力を特に最適化しており、文の類似度計算タスクに適しています。

sentence-transformers/all-mpnet-base-v2をベースに微調整された文章埋め込みモデルで、文章の類似度タスクに適しています。

DRAGON+ はBERTベースアーキテクチャの高密度検索モデルで、初期重みはRetroMAEに由来し、MS MARCOコーパスの拡張データでトレーニングされました。

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。

KoSimCSE-BERT-multitaskは高性能な韓国語文埋め込みモデルで、BERTアーキテクチャを基盤とし、マルチタスク学習戦略で最適化されています。高品質な韓国語文埋め込み表現を生成するために特別に設計されています。

Camembert-baseベースのフランス語文埋め込みモデル、文の類似度計算に使用

RoBERTa-largeベースのクロスエンコーダで、Quora上の重複質問を検出する