Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
dense
Generated from Trainer
dataset_size:108
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use CaesArdi/Indo-Law with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use CaesArdi/Indo-Law with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("CaesArdi/Indo-Law") sentences = [ "query: Apakah seseorang yang meneliti paham komunisme untuk kepentingan akademik bisa dipidana?", "passage: Pasal 407 ayat (2) menyatakan bahwa perbuatan memproduksi atau menyebarluaskan pornografi tidak dipidana jika merupakan karya seni, budaya, olahraga, kesehatan, dan/atau ilmu pengetahuan.", "passage: Pasal 188 ayat (6) menegaskan bahwa tidak dipidana orang yang melakukan kajian terhadap ajaran komunisme/marxisme-leninisme atau paham lain yang bertentangan dengan Pancasila untuk kepentingan ilmu pengetahuan.", "passage: Pasal 434 ayat (2) menyebutkan bahwa pembuktian kebenaran tuduhan hanya dapat dilakukan jika: (a) hakim memandang perlu memeriksa kebenaran tuduhan untuk mempertimbangkan keterangan terdakwa bahwa perbuatannya demi kepentingan umum atau pembelaan diri, atau (b) pejabat dituduh melakukan suatu hal dalam menjalankan tugas jabatannya." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
File size: 368 Bytes
c904776 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | [
{
"idx": 0,
"name": "0",
"path": "",
"type": "sentence_transformers.models.Transformer"
},
{
"idx": 1,
"name": "1",
"path": "1_Pooling",
"type": "sentence_transformers.models.Pooling"
},
{
"idx": 2,
"name": "2",
"path": "2_Normalize",
"type": "sentence_transformers.models.Normalize"
}
] |