Компактная англоязычная модель Sentence Transformers, превращающая предложения и короткие абзацы в эмбеддинги для семантического поиска, сравнения и кластеризации.

Подходит для: семантический поиск по документам · сравнение сходства двух предложений · кластеризация коротких текстов

Модель Sentence-Transformers на базе MPNet преобразует предложения и абзацы в эмбеддинги для семантического поиска, сравнения и кластеризации.

Подходит для: семантический поиск по предложениям и абзацам · сравнение смысловой близости двух текстов · кластеризация предложений по смыслу

Многоязычная модель Sentence Transformers кодирует предложения и абзацы в 384-мерные векторы для семантического поиска и сравнения сходства.

Подходит для: поиск семантически похожих предложений · поиск перефразировок в коллекции текстов · поиск документов по смыслу запроса

Модель Sentence-Transformers на базе DistilBERT превращает предложения и абзацы в векторы для семантического поиска, сравнения и кластеризации текстов.

Подходит для: семантический поиск по коллекции документов · поиск похожих предложений · сравнение семантической близости текстов

Модель sentence-transformers на базе RoBERTa превращает предложения и абзацы в эмбеддинги для семантического поиска, сравнения и кластеризации.

Подходит для: семантический поиск по предложениям и документам · поиск перефразированных запросов · сравнение смысловой близости двух текстов

Текстовая модель Nomic AI создаёт компактные векторы для семантического поиска, RAG, кластеризации и классификации.

Подходит для: индексация текстовых документов для RAG · поиск документов по смыслу запроса · группировка текстов по темам

Модель sentence-transformers на базе BERT создаёт 768-мерные эмбеддинги предложений и абзацев для семантического поиска, сравнения и кластеризации.

Подходит для: семантический поиск по коллекции документов · поиск предложений с близким смыслом · кластеризация предложений и абзацев

Модель Sentence Transformers кодирует предложения и абзацы в векторы для семантического поиска, сравнения и кластеризации текстов.

Подходит для: семантический поиск по коллекции документов · поиск похожих предложений и абзацев · кластеризация текстов по смыслу

Многоязычная модель, преобразующая текст в эмбеддинги для семантического поиска, сопоставления предложений и межъязыкового поиска.

Подходит для: семантический поиск по документам · поиск релевантных фрагментов для открытых вопросов · сопоставление смысловой близости предложений

Многоязычная модель на базе XLM-RoBERTa-large, которая создаёт текстовые эмбеддинги для семантического поиска, ранжирования и сравнения текстов.

Подходит для: поиск ответов и фрагментов документов по запросу · многоязычный поиск по корпусу документов · ранжирование passages по релевантности запросу

Модель Sentence Transformers на базе RoBERTa преобразует предложения и абзацы в эмбеддинги для семантического поиска, сравнения и кластеризации текстов.

Подходит для: семантический поиск по предложениям и абзацам · сравнение смысловой близости двух текстов · кластеризация текстов по смыслу

Текстовый энкодер Nomic AI, который строит векторные представления английских текстов для семантического поиска, RAG, кластеризации и классификации.

Подходит для: создание эмбеддингов документов для RAG-индекса · поиск документов по текстовому запросу · группировка текстов по смыслу и темам

Модель кодирует предложения и абзацы в векторы для семантического поиска, сравнения текстов и кластеризации.

Подходит для: семантический поиск по коллекции документов · сравнение смысловой близости предложений · поиск перефразировок

Многоязычная модель Sentence Transformers строит векторы предложений для оценки сходства, семантического поиска, поиска перефразирований и кластеризации.

Подходит для: сравнение семантического сходства двух предложений · поиск похожих документов и фрагментов текста · поиск перефразирований в многоязычном корпусе

Англоязычная модель E5-small-v2 создаёт текстовые эмбеддинги для семантического поиска, сопоставления и оценки сходства текстов.

Подходит для: поиск английских документов по текстовому запросу · поиск фрагментов для системы ответов на вопросы · оценка семантического сходства предложений

Модель MPNet преобразует предложения и абзацы в эмбеддинги для семантического поиска, сравнения текстов и кластеризации.

Подходит для: семантический поиск по коллекции текстов · кластеризация предложений и абзацев · сравнение смысловой близости двух текстов

Компактная BERT-модель для получения эмбеддингов румынских предложений и поиска семантически близких текстов.

Подходит для: поиск румынских предложений по смыслу · сравнение семантического сходства румынских текстов · кластеризация румынских предложений по тематике

Текстовая модель Snowflake для создания эмбеддингов запросов и документов и семантического поиска по ним.

Подходит для: семантический поиск по документам · поиск релевантных фрагментов для RAG · сопоставление поискового запроса с документами

Англоязычная модель BERT для создания текстовых эмбеддингов и семантического поиска, сравнения и кластеризации текстов.

Подходит для: семантический поиск по коллекции документов · поиск passage по запросу в системах открытых вопросов · сравнение семантического сходства предложений

Англоязычная модель эмбеддингов GTE на основе BERT для семантического поиска и сравнения текстов.

Подходит для: семантический поиск по англоязычным документам · сравнение смыслового сходства предложений · поиск релевантных фрагментов для RAG

Англоязычная BERT-модель E5-base создаёт текстовые эмбеддинги для семантического поиска, оценки сходства и кластеризации.

Подходит для: поиск релевантных фрагментов в англоязычных документах · подбор контекста для системы вопросов и ответов · оценка семантического сходства предложений

Англоязычная модель BERT для создания эмбеддингов текста, семантического сравнения и поиска документов по смыслу.

Подходит для: семантический поиск по англоязычным документам · поиск релевантных пассажей для открытых вопросов · сравнение смысловой близости предложений

Модель BERT от Sentence Transformers преобразует предложения и абзацы в векторы для семантического поиска, сравнения и кластеризации.

Подходит для: поиск документов по смыслу · сравнение семантической близости предложений · кластеризация предложений и абзацев

Модель Sentence-Transformers на базе Llama создаёт 2048-мерные эмбеддинги предложений и абзацев для семантического поиска, сравнения и кластеризации.

Подходит для: семантический поиск по предложениям и абзацам · сравнение семантического сходства текстов · кластеризация предложений по смыслу