- Versionshinweise
- Erste Schritte
- Benachrichtigungen
- Projekte
- Datasets
- Data Labeling
- ML-Pakete
- Sofort einsetzbare Pakete
- Pipelines
- ML-Skills
- ML-Protokolle
- Document UnderstandingTM im AI Center
- AI Center-API
- Lizenzierung
- Vorlagen für AI Solutions
- Anleitungen zu …
- Grundlegende Anleitung zur Fehlerbehebung
Semantische Ähnlichkeit
Sofort einsetzbare Pakete > UiPath Sprachanalyse > Semantische Ähnlichkeit
Das Modell für die semantische Ähnlichkeit befindet sich derzeit in der öffentlichen Vorschau.
UiPath® legt großen Wert auf die Stabilität und Qualität seiner Produkte, aber die Vorschaufunktionen können aufgrund des Feedbacks unserer Kunden jederzeit geändert werden. Die Verwendung von Vorschaufunktionen wird für Produktionsbereitstellungen nicht empfohlen.
Mit diesem Modell können Sie einen einzelnen Referenzsatz mit einer Reihe anderer Kandidatensätze vergleichen und diese Kandidatensätze nach Ähnlichkeit ordnen.
JSON mit einem String namens „reference“ und einer Liste von Strings namens „candidates“. Das bedeutet, dass mehrere Referenz-„Sätze“ nicht akzeptiert werden. „Kandidaten“ ist eine Liste von Kandidatensätzen.
{"reference": "I like trains because they are fast", "candidates": ["I like trains because they are quick", "I like trains because they are comfortable", "I do not like buses because they are slow", "I do not like trains because they are uncomfortable"]}
{"reference": "I like trains because they are fast", "candidates": ["I like trains because they are quick", "I like trains because they are comfortable", "I do not like buses because they are slow", "I do not like trains because they are uncomfortable"]}
JSON mit Referenz und den ähnlichsten Kandidaten sowie der zugehörigen Punktzahl für diese Ähnlichkeit (zwischen 0 und 1), sortiert in absteigender Reihenfolge der Punktzahl
Beispiel:
{
"response": [
{
"candidate": "I like trains because they are quick",
"score": 0.96463942527771
},
{
"candidate": "I like trains because they are comfortable",
"score": 0.81790685653686523
},
{
"candidate": "I do not like trains because they are uncomfortable",
"score": 0.53707438707351685
},
{
"candidate": "I do not like buses because they are slow",
"score": 0.48663735389709473
}
]
}
{
"response": [
{
"candidate": "I like trains because they are quick",
"score": 0.96463942527771
},
{
"candidate": "I like trains because they are comfortable",
"score": 0.81790685653686523
},
{
"candidate": "I do not like trains because they are uncomfortable",
"score": 0.53707438707351685
},
{
"candidate": "I do not like buses because they are slow",
"score": 0.48663735389709473
}
]
}
Eine GPU wird empfohlen, wenn die Anzahl der Kandidatensätze pro Referenz 100 überschreitet.