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
- Xet hash:
- b8e241e404a10d5495cc933310aabbd4de2845f68b22897c23bfc5198dde2af1
- Size of remote file:
- 17.1 MB
- SHA256:
- 883b037111086fd4dfebbbc9b7cee11e1517b5e0c0514879478661440f137085
·
Xet efficiently stores Large Files inside Git, intelligently splitting files into unique chunks and accelerating uploads and downloads. More info.