Sentence Similarity
sentence-transformers
Safetensors
Nepali
xlm-roberta
feature-extraction
dense
Generated from Trainer
dataset_size:3840
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use Funghang/e5-nepali-qa-ir with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use Funghang/e5-nepali-qa-ir with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("Funghang/e5-nepali-qa-ir") sentences = [ "तनहुँको राहदानी, पासपोर्ट, र जिल्ला प्रशासन कार्यालयको सम्पर्क इमेल ।", "राहदानी, पासपोर्ट, र जिल्ला प्रशासन कार्यालय तनहुँसँग सम्पर्क गर्न निम्न इमेल ठेगानाहरू प्रयोग गर्न सकिन्छ: tanahudao@gmail.com, tanahundao@gmail.com र नागरिकता अभिलेखको लागि abhilekhatanahundao@gmail.com । यी इमेल ठेगानाहरू कार्यालयका सूचना आदान-प्रदान गर्न उपयुक्त छन् ।", "तनहुँको राहदानी कार्यालयका लागि ०६५-५६०१३३, कार्यालय सम्बन्धी विविध विषयहरुको जानकारी लिन: ९८५६००१११३, नागरिकताको अभिलेखको प्रयोजनको लागि ९८५६०६३४०३ नम्बर प्रयोग गर्न सकिन्छ ।", "बर्दिया जिल्लाको पासपोर्ट कार्यालय बर्दिया गुलरिया, लुम्बिनी प्रदेशमा अवस्थित छ ।" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Welcome to the community
The community tab is the place to discuss and collaborate with the HF community!