sentence-transformers How to use Mykes/med-MiniLM-L12-v2 with sentence-transformers:
from sentence_transformers import SentenceTransformer
model = SentenceTransformer("Mykes/med-MiniLM-L12-v2")
sentences = [
"Какие препараты эффективны при лечении вагинита и как их правильно применять? \n",
"стоимость приема от: 2500 руб (средняя стоимость приема); стаж: 13 лет; пациенты: взрослые; тип приёма: в клинике; клиника: семейная клиника ржд-медицина на часовой; сокол, красный балтиец, гражданская; акушер, гинеколог; специализация: эндометрия биопсия наружных половых органов лечение заболевания шейки матки лечение инфекционных процессов женской репродуктивной системы введение и удаление внутриматоной спирали, заболеваний женской репродуктивной системы подбор контрацепции подбор менопаузальной гормональной терапии обследование супружеской пары по бесплодию лечение нарушений менструального цикла биопсия шейки матки, пессария прегравидарное обследование прегравидарная подготовка выполнение кольпоскопии марсупиализация бартолиновых желез, установка катетера word удаление кист бартолиновых желез",
"стоимость приема от: 2450 руб (средняя стоимость приема); стаж: 24 года; пациенты: взрослые; тип приёма: в клинике; клиника: медея на лукинской, 18; новопеределкино, рассказовка, саларьево; гинеколог, акушер, узи-специалист; специализация: герпес половых органов цитомегаловирус у беременных генитальный кандидоз молочница инфекции, цервицит в качестве акушера проводит, кольпит, передающиеся половым путем иппп эрозия шейки матки бесплодие невынашивание беременности воспалительные заболевания вагинит",
"средняя стоимость приема; стаж: 8 лет; пациенты: взрослые; тип приёма: в клинике; клиника: beauty trend (бьюти тренд); менделеевская, белорусская; венеролог, дерматолог, косметолог, дерматовенеролог; специализация: трещины на коже гипергидроз морщины, возрастные изменения кожи экзема акне себорея алопеция выпадение волос подбор косметических средств по уходу за кожей, раздражения шелушение, заусеницы, покраснения кожи"
]
embeddings = model.encode(sentences)
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [4, 4] 
