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
| [ | |
| { | |
| "idx": 0, | |
| "name": "0", | |
| "path": "", | |
| "type": "sentence_transformers.base.modules.transformer.Transformer" | |
| }, | |
| { | |
| "idx": 1, | |
| "name": "1", | |
| "path": "1_Pooling", | |
| "type": "sentence_transformers.sentence_transformer.modules.pooling.Pooling" | |
| }, | |
| { | |
| "idx": 2, | |
| "name": "2", | |
| "path": "2_Normalize", | |
| "type": "sentence_transformers.sentence_transformer.modules.normalize.Normalize" | |
| } | |
| ] |