Sentence Similarity
sentence-transformers
Safetensors
multilingual
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:5295
loss:MatryoshkaLoss
loss:TripletLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use RamsesDIIP/me5-large-construction-cat with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use RamsesDIIP/me5-large-construction-cat with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("RamsesDIIP/me5-large-construction-cat") sentences = [ "query: Formigonament per a cèrcols inclinats amb formigó per armar, amb 20% de granulats de material reciclat de formigons, amb additiu hidròfug HRA - 40 / F / 20 / XC4 + XS3 amb una quantitat de ciment de 400 kg/m3 i relació aigua ciment =< 0.45, abocat amb bomba", "passage: Col·locació de revestiment ceràmic en parets exteriors amb una alçària màxima de 3 m, utilitzant rajoles rectangulars o quadrades de ceràmica vidriada, amb una densitat de 76 a 115 peces/m2, de gamma alta, grup BIII (UNE-EN 14411), fixades amb adhesiu cimentós tipus C2 segons la norma UNE-EN 12004 i rejuntades amb beurada CG2 (UNE-EN 13888).", "passage: Formigonament per a cèrcols horitzontals amb formigó convencional, sense additius, amb una quantitat de ciment de 350 kg/m3 i relació aigua ciment =< 0.50, abocat manualment.", "passage: Formigonament per a cèrcols inclinats amb formigó armat, incorporant un 20% de granulats reciclats de formigó, utilitzant un additiu hidrofug HRA - 40 / F / 20 / XC4 + XS3, amb una dosi de ciment de 400 kg/m3 i una relació aigua-ciment ≤ 0.45, realitzat mitjançant bomba." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle