How to use Data-Lab/USER-bge-m3-embedder-td with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("Data-Lab/USER-bge-m3-embedder-td") sentences = [ "мороженое протеиновое", "Эскимо \"Суфле\" в молочном шоколаде Эскимо с мягким сливочным вкусом и глазурью из молочного шоколада", "Ассорти сухофруктов с пастилой Сытный, вкусный и полезный снек и чудесный десерт к чаю или кофе. Солнечный аромат вяленых бананов, кисло-сладкий вкус спелого сушеного яблока и натуральная, яблочно-банановая пастила. Не содержит добавленного сахара. Удобная компактная упаковка так и просится в карман или сумку, чтобы сопровождать вас на прогулке, лекции или пикнике. Отличная замена классическим сладостям и легкий перекус.", "Мороженое молочное протеиновое Bombbar Соленая карамель со сливками 150 г Универсальный белковый десерт без сахара для похудения, набора массы или просто вкусного и полезного перекуса." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4]
