# 语义相似度计算

这是一个多语言句子嵌入模型，可将句子和段落映射到768维向量空间，适用于聚类和语义搜索等任务。

基于Transformer架构的CrossEncoder模型，在Quora问题对数据集上微调，用于计算文本对得分，适用于语义相似度和语义搜索任务。

这是一个基于Cross Encoder架构的模型，专门用于文本对分类任务，在Quora问题对数据集上微调而来，适用于语义相似性判断和语义搜索场景。

基于Redis Langcache Embed v1微调的句子转换器模型，用于生成768维句子嵌入向量

这是一个从intfloat/multilingual-e5-small微调而来的sentence-transformers模型，训练数据包含韩语查询-段落对，以提高韩语检索任务的性能。

MiniCOIL是一种稀疏的上下文化逐词嵌入模型，专为高效语义相似度计算设计

该模型是从all-MiniLM-L12-v2蒸馏而来，推理速度提升近2倍，同时在CPU和GPU上保持较高的准确度。

这是一个多语言的句子嵌入模型，能够将句子和段落映射到512维的密集向量空间，适用于聚类和语义搜索等任务。

这是Alibaba-NLP/gte-multilingual-reranker-base的量化ONNX版本，采用INT8量化，针对GPU优化，适用于文本分类任务。

这是一个从Snowflake/snowflake-arctic-embed-l-v2.0微调而来的句子转换器模型，训练数据为聚类数据集。它将句子和段落映射到一个1024维的密集向量空间，可用于语义文本相似度和语义搜索。

Jina Embeddings V3 是一个多语言句子嵌入模型，支持超过100种语言，专注于句子相似度计算和特征提取任务。

针对法律文档检索任务优化的bge-m3模型微调版本，专门设计用于处理法律语言的细微差别，能够基于语义相似度准确高效地检索相关法律文档。

这是一个基于sentence-transformers框架训练的模型，专门用于职业名称的语义匹配和相似度计算。

这是一个从answerdotai/ModernBERT-base在MS-MARCO数据集上微调的PyLate模型，用于句子相似度计算和文档检索。

这是一个基于sentence-transformers训练的模型，能够将句子和段落映射到768维的密集向量空间，适用于语义文本相似度计算、语义搜索等多种任务。

基于Alibaba-NLP/gte-multilingual-base模型在韩语三元组数据集上微调的句子嵌入模型，用于语义相似度计算

这是一个从sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2微调的句子转换器模型，可将文本映射到384维向量空间，用于语义相似度计算等任务

Multilingual E5 Large 是一个多语言句子转换器模型，专注于句子相似度和特征提取任务，支持多种语言。

stella_en_400M_v5_cpu 是一个在多个自然语言处理任务中表现优异的模型，特别擅长分类、检索、聚类和语义文本相似度等任务。

针对越南语的文档嵌入模型，支持最长8096个标记的上下文，基于gte-multilingual训练

基于Alibaba-NLP/gte-multilingual-base微调的韩语句子嵌入模型，支持语义文本相似度计算、语义搜索等任务

这是一个基于intfloat/multilingual-e5-small微调的sentence-transformers模型，用于将句子和段落映射到384维密集向量空间，支持语义文本相似度、语义搜索等任务。

俄语通用句子编码器，基于sentence-transformers框架，专门为俄语文本提取1024维稠密向量

用于计算俄语句子嵌入的BERT模型，基于cointegrated/LaBSE-en-ru开发，优化了俄语处理性能

NaSE是一个新闻领域专用的多语言句子编码器，基于LaBSE进行领域专业化训练，支持100+种语言的句子嵌入和相似度计算。

Jina Embeddings V2 Base 是一个针对中文优化的句子嵌入模型，能够将文本转换为高维向量表示，用于计算句子相似度和特征提取。

LLM2Vec是基于Meta-Llama-3的监督学习模型，专注于句子相似度等自然语言处理任务，支持文本嵌入、信息检索、文本分类等多种应用场景。

multilingual-e5-small 是一个在多语言文本处理任务中表现出色的模型，支持分类、检索、聚类、重排序、语义文本相似度等多种任务。

基于RoPEBert架构开发的俄语编码器模型，采用克隆方法训练，支持512个token的上下文，在质量上超越原始ruBert-base模型

InBedder是一款专为遵循指令而设计的文本嵌入器，能够通过回答问题的方式捕捉用户指令指定的文本特征。

基于BAAI/bge-small-en-v1.5模型微调的文本嵌入模型，通过MEDI数据集与MTEB分类任务数据集训练，优化了检索任务的查询编码能力。

这是一个基于sentence-transformers的希伯来语嵌入模型，能将句子和段落映射到768维的密集向量空间，适用于聚类或语义搜索等任务。

BAAI/bge-base-en-v1.5是一个基于Transformer架构的英文文本嵌入模型，主要用于句子相似度计算和文本分类任务。

这是一个基于BERTino的句子转换器模型，能够将意大利语句子和段落映射到768维的密集向量空间，适用于聚类或语义搜索等任务。

SimCSE(sup) 是一个用于中文句子相似度任务的模型，可将句子编码为嵌入向量并计算句子间的余弦相似度。

这是一个基于sentence-transformers的模型，能够将句子和段落映射到768维的密集向量空间，适用于聚类和语义搜索等任务。

基于RobBERT模型的荷兰语句子转换器ONNX版本，可将文本映射到768维向量空间，适用于语义搜索和聚类任务

这是一个基于sentence-transformers的希伯来语句子相似度计算模型，可将文本映射到512维向量空间用于语义搜索和聚类任务

这是一个基于BERT架构的轻量级句子嵌入模型，能够将句子和段落转换为128维的密集向量，适用于语义相似度计算等任务。

这是一个基于sentence-transformers的多语言句子嵌入模型，能将文本映射到1024维向量空间，适用于语义搜索和聚类任务。