Sentence Similarity
sentence-transformers
PyTorch
Safetensors
Transformers
Norwegian
bert
feature-extraction
text-embeddings-inference
Instructions to use NbAiLab/nb-sbert-base with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use NbAiLab/nb-sbert-base with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("NbAiLab/nb-sbert-base") sentences = [ "This is a Norwegian boy", "Dette er en norsk gutt", "This is an English boy", "This is a dog" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Transformers
How to use NbAiLab/nb-sbert-base with Transformers:
# Load model directly from transformers import AutoTokenizer, AutoModel tokenizer = AutoTokenizer.from_pretrained("NbAiLab/nb-sbert-base") model = AutoModel.from_pretrained("NbAiLab/nb-sbert-base", device_map="auto") - Inference
- Notebooks
- Google Colab
- Kaggle
Update README.md
Browse files
README.md
CHANGED
|
@@ -46,7 +46,10 @@ sentence_model = SentenceTransformer("NbAiLab/nb-sbert")
|
|
| 46 |
kw_model = KeyBERT(model=sentence_model)
|
| 47 |
|
| 48 |
doc = """
|
| 49 |
-
De første nasjonale bibliotek har sin opprinnelse i kongelige samlinger eller en annen framstående myndighet eller statsoverhode.
|
|
|
|
|
|
|
|
|
|
| 50 |
"""
|
| 51 |
kw_model.extract_keywords(doc, stop_words=None)
|
| 52 |
|
|
|
|
| 46 |
kw_model = KeyBERT(model=sentence_model)
|
| 47 |
|
| 48 |
doc = """
|
| 49 |
+
De første nasjonale bibliotek har sin opprinnelse i kongelige samlinger eller en annen framstående myndighet eller statsoverhode.
|
| 50 |
+
Et av de første planene for et nasjonalbibliotek i England ble fremmet av den walisiske matematikeren og mystikeren John Dee som
|
| 51 |
+
i 1556 presenterte en visjonær plan om et nasjonalt bibliotek for gamle bøker, manuskripter og opptegnelser for dronning Maria I
|
| 52 |
+
av England. Hans forslag ble ikke tatt til følge.
|
| 53 |
"""
|
| 54 |
kw_model.extract_keywords(doc, stop_words=None)
|
| 55 |
|