Sentence Similarity
sentence-transformers
Safetensors
feature-extraction
dense
Generated from Trainer
dataset_size:2665
loss:OnlineContrastiveLoss
Eval Results (legacy)
Instructions to use DungHugging/bge-m3-banking-v2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use DungHugging/bge-m3-banking-v2 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("DungHugging/bge-m3-banking-v2") sentences = [ "giao dịch DCC (như Uber, Agoda) được phép đổi điểm", "các giao dịch chuyển đổi tiền tệ dynamic (DCC) như Uber, Agoda nằm trong danh sách loại trừ", "các khuyến mãi dành cho chủ thẻ MultiPass sẽ hết hiệu lực sau ngày 30.06.2025", "Hoán đổi tiền tệ (CCS) - hoán đổi dòng tiền của hai đồng tiền khác nhau." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Ctrl+K