Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:472830
loss:ContrastiveLoss
loss:SoftmaxLoss
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use Msobhi/Persian_Sentence_Embedding_v3 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use Msobhi/Persian_Sentence_Embedding_v3 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("Msobhi/Persian_Sentence_Embedding_v3") sentences = [ "در ماوراء قفقاز ، هنوز کردهایی زندگی می کنند . در ارمنستان در رایون های اپران ، بسرگچر ، هوکتمبریا تالین و اچمیادزین ، در جمهوری آذربایجان ۲۵ روستا در رایون های کلباجان ، لاچین و کوباتلی هستند .", "مؤسسه نفت کویت ، دارای پالایشگاه در منطقه بنلوکس است ، همچنین مالک یک پالایشگاه در شهر رتردام ، هلند می باشد ، که از طریق مشارکت در ترمینال یوروپورت ، محصولاتش را انتقال می دهد .", "حدود نادقیق سرحدات کردستان از تخمین دقیق مساحت آن جلوگیری می کند .", "کردی از ریشه زبان های ایران قبل از حمله اعراب به ایران است ." ] 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!