- Notes de publication
- Démarrage
- Notifications
- Projets
- Jeux de données
- Labellisation des données
- Paquets ML
- Paquets prêts à l’emploi
- Pipelines
- Compétences ML
- Journaux ML
- Document UnderstandingTM dans AI Center
- API AI Center
- Licences
- Modèles de solutions d'IA
- Comment
- Guide de dépannage de base
Similitude sémantique
Packages prêts à l'emploi (Out of the Box Packages) > Analyse des images UiPath (UiPath Image Analysis) > Similitude sémantique (Semantic Similarity)
Le modèle Similitude sémantique est actuellement en aperçu public.
UiPath® s'engage à assurer la stabilité et la qualité de nos produits, mais les fonctionnalités d'aperçu sont toujours sujettes à modification en fonction des commentaires que nous recevons de nos clients. L'utilisation des fonctionnalités d'aperçu n'est pas recommandée pour les déploiements de production.
Ce modèle vous permet de comparer une seule phrase de référence avec un tas d'autres phrases candidates et classe ces phrases candidates par ordre de similitude.
JSON avec une chaîne, appelée « référence » et une liste de chaînes, appelée « candidats ». Cela signifie que les « phrases » à références multiples ne sont pas acceptées. « Candidats » est une liste de phrases candidates.
{"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 avec référence et les candidats les plus similaires, et le score associé à cette similitude (entre 0 et 1) classés par ordre décroissant de score
Exemple :
{
"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
}
]
}
Un GPU est recommandé lorsque le nombre de phrases candidates par référence dépasse 100.