Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:20000
loss:TripletLoss
text-embeddings-inference
Instructions to use AlucardV/finetuned_model_ver2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use AlucardV/finetuned_model_ver2 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("AlucardV/finetuned_model_ver2") sentences = [ "Ната́лья Миха́йловна Семени́хина (16 февраля 1970, Харьков) — российская журналистка и телеведущая.", "В первую очередь нарратор (рассказчик) является обладателем информации о концовке, и именно благодаря этой способности он существенно отличается от другого участника рассказа - его 'героя', который, находясь в центре событий, не осведомлен об этом.", "Российская журналистка и телеведущая Ната́лья Миха́йловна Семени́хина родилась 16 февраля 1970 года в Харькове.", "Ната́лья Миха́йловна Семени́хина не является журналисткой и телеведущей, она из другой профессии." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
File size: 617 Bytes
cf0f8e7 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 | {
"backend": "tokenizers",
"cls_token": "[CLS]",
"do_basic_tokenize": true,
"do_lower_case": true,
"is_local": true,
"local_files_only": false,
"mask_token": "[MASK]",
"max_length": 128,
"model_max_length": 256,
"never_split": null,
"pad_to_multiple_of": null,
"pad_token": "[PAD]",
"pad_token_type_id": 0,
"padding_side": "right",
"sep_token": "[SEP]",
"stride": 0,
"strip_accents": null,
"tokenize_chinese_chars": true,
"tokenizer_class": "BertTokenizer",
"truncation_side": "right",
"truncation_strategy": "longest_first",
"unk_token": "[UNK]"
}
|