# 語義相似度計算

這是一個多語言句子嵌入模型，可將句子和段落映射到768維向量空間，適用於聚類和語義搜索等任務。

基於Transformer架構的CrossEncoder模型，在Quora問題對數據集上微調，用於計算文本對得分，適用於語義相似度和語義搜索任務。

這是一個基於Cross Encoder架構的模型，專門用於文本對分類任務，在Quora問題對數據集上微調而來，適用於語義相似性判斷和語義搜索場景。

基於Redis Langcache Embed v1微調的句子轉換器模型，用於生成768維句子嵌入向量

這是一個從intfloat/multilingual-e5-small微調而來的sentence-transformers模型，訓練數據包含韓語查詢-段落對，以提高韓語檢索任務的性能。

MiniCOIL是一種稀疏的上下文化逐詞嵌入模型，專為高效語義相似度計算設計

該模型是從all-MiniLM-L12-v2蒸餾而來，推理速度提升近2倍，同時在CPU和GPU上保持較高的準確度。

這是一個多語言的句子嵌入模型，能夠將句子和段落映射到512維的密集向量空間，適用於聚類和語義搜索等任務。

這是Alibaba-NLP/gte-multilingual-reranker-base的量化ONNX版本，採用INT8量化，針對GPU優化，適用於文本分類任務。

這是一個從Snowflake/snowflake-arctic-embed-l-v2.0微調而來的句子轉換器模型，訓練數據為聚類數據集。它將句子和段落映射到一個1024維的密集向量空間，可用於語義文本相似度和語義搜索。

Jina Embeddings V3 是一個多語言句子嵌入模型，支持超過100種語言，專注於句子相似度計算和特徵提取任務。

針對法律文檔檢索任務優化的bge-m3模型微調版本，專門設計用於處理法律語言的細微差別，能夠基於語義相似度準確高效地檢索相關法律文檔。

這是一個基於sentence-transformers框架訓練的模型，專門用於職業名稱的語義匹配和相似度計算。

這是一個從answerdotai/ModernBERT-base在MS-MARCO數據集上微調的PyLate模型，用於句子相似度計算和文檔檢索。

這是一個基於sentence-transformers訓練的模型，能夠將句子和段落映射到768維的密集向量空間，適用於語義文本相似度計算、語義搜索等多種任務。

基於Alibaba-NLP/gte-multilingual-base模型在韓語三元組數據集上微調的句子嵌入模型，用於語義相似度計算

這是一個從sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2微調的句子轉換器模型，可將文本映射到384維向量空間，用於語義相似度計算等任務

Multilingual E5 Large 是一個多語言句子轉換器模型，專注於句子相似度和特徵提取任務，支持多種語言。

stella_en_400M_v5_cpu 是一個在多個自然語言處理任務中表現優異的模型，特別擅長分類、檢索、聚類和語義文本相似度等任務。

針對越南語的文檔嵌入模型，支持最長8096個標記的上下文，基於gte-multilingual訓練

基於Alibaba-NLP/gte-multilingual-base微調的韓語句子嵌入模型，支持語義文本相似度計算、語義搜索等任務

這是一個基於intfloat/multilingual-e5-small微調的sentence-transformers模型，用於將句子和段落映射到384維密集向量空間，支持語義文本相似度、語義搜索等任務。

俄語通用句子編碼器，基於sentence-transformers框架，專門為俄語文本提取1024維稠密向量

用於計算俄語句子嵌入的BERT模型，基於cointegrated/LaBSE-en-ru開發，優化了俄語處理性能

NaSE是一個新聞領域專用的多語言句子編碼器，基於LaBSE進行領域專業化訓練，支持100+種語言的句子嵌入和相似度計算。

Jina Embeddings V2 Base 是一個針對中文優化的句子嵌入模型，能夠將文本轉換為高維向量表示，用於計算句子相似度和特徵提取。

LLM2Vec是基於Meta-Llama-3的監督學習模型，專注於句子相似度等自然語言處理任務，支持文本嵌入、信息檢索、文本分類等多種應用場景。

multilingual-e5-small 是一個在多語言文本處理任務中表現出色的模型，支持分類、檢索、聚類、重排序、語義文本相似度等多種任務。

基於RoPEBert架構開發的俄語編碼器模型，採用克隆方法訓練，支持512個token的上下文，在質量上超越原始ruBert-base模型

InBedder是一款專為遵循指令而設計的文本嵌入器，能夠通過回答問題的方式捕捉用戶指令指定的文本特徵。

基於BAAI/bge-small-en-v1.5模型微調的文本嵌入模型，通過MEDI數據集與MTEB分類任務數據集訓練，優化了檢索任務的查詢編碼能力。

這是一個基於sentence-transformers的希伯來語嵌入模型，能將句子和段落映射到768維的密集向量空間，適用於聚類或語義搜索等任務。

BAAI/bge-base-en-v1.5是一個基於Transformer架構的英文文本嵌入模型，主要用於句子相似度計算和文本分類任務。

這是一個基於BERTino的句子轉換器模型，能夠將意大利語句子和段落映射到768維的密集向量空間，適用於聚類或語義搜索等任務。

SimCSE(sup) 是一個用於中文句子相似度任務的模型，可將句子編碼為嵌入向量並計算句子間的餘弦相似度。

這是一個基於sentence-transformers的模型，能夠將句子和段落映射到768維的密集向量空間，適用於聚類和語義搜索等任務。

基於RobBERT模型的荷蘭語句子轉換器ONNX版本，可將文本映射到768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的希伯來語句子相似度計算模型，可將文本映射到512維向量空間用於語義搜索和聚類任務

這是一個基於BERT架構的輕量級句子嵌入模型，能夠將句子和段落轉換為128維的密集向量，適用於語義相似度計算等任務。

這是一個基於sentence-transformers的多語言句子嵌入模型，能將文本映射到1024維向量空間，適用於語義搜索和聚類任務。