# 384維嵌入

基於sentence-transformers的句子嵌入模型，可將文本映射到384維向量空間，適用於語義搜索和文本相似度計算

這是一個輕量級的丹麥語句子嵌入模型，基於英文MiniLM模型調整，適用於丹麥語文本處理任務。

這是一個基於sentence-transformers的句子相似度模型，可將文本映射到384維向量空間，用於語義搜索和聚類任務。

這是一個基於sentence-transformers的模型，能將句子和段落映射到384維的密集向量空間，適用於聚類或語義搜索等任務。

這是一個基於ONNX的句子轉換器模型，可將文本映射到384維向量空間，適用於語義搜索和聚類任務。

這是一個基於sentence-transformers的模型，能將句子和段落映射到384維的密集向量空間，適用於聚類或語義搜索等任務。

這是一個基於MiniLM架構的句子嵌入模型，能將文本映射到384維向量空間，適用於語義搜索和文本相似度任務。

這是一個基於sentence-transformers的模型，能夠將句子和段落映射到384維的密集向量空間，適用於聚類或語義搜索等任務。

這是一個基於sentence-transformers的句子嵌入模型，能夠將文本轉換為384維的向量表示。

這是一個基於sentence-transformers的句子相似度模型，能夠將文本映射到384維向量空間，適用於聚類和語義搜索任務。

這是一個基於sentence-transformers的模型，能夠將句子和段落映射到384維的密集向量空間，適用於聚類或語義搜索等任務。

這是一個基於sentence-transformers的模型，能夠將句子和段落映射到384維的密集向量空間，適用於句子相似度計算和語義搜索等任務。

這是一個基於sentence-transformers的模型，能將句子和段落映射到384維的密集向量空間，適用於聚類或語義搜索等任務。

基於all-MiniLM-L6-v2的專利矛盾句識別模型，能將句子和段落映射到384維的密集向量空間，適用於聚類或語義搜索等任務。

基於all-MiniLM-L6-v2的專利參數句識別模型，可將句子和段落映射到384維稠密向量空間，適用於聚類或語義搜索等任務。

基於sentence-transformers的ONNX模型，可將文本映射到384維向量空間，適用於語義搜索和聚類任務。

這是一個基於sentence-transformers的ONNX模型，能將句子和段落映射到384維的密集向量空間，適用於聚類或語義搜索等任務。

這是一個基於 sentence-transformers/all-MiniLM-L6-v2 轉換的 ONNX 模型，能將句子和段落映射到 384 維稠密向量空間，適用於聚類或語義搜索等任務。

這是一個基於sentence-transformers的句子相似度計算模型，能將文本映射到384維向量空間

這是一個句子轉換器模型，可將句子和段落映射到384維的密集向量空間，適用於聚類或語義搜索等任務。