Sentence Similarity
sentence-transformers
Safetensors
multilingual
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:1765
loss:TripletLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use RamsesDIIP/me5-large-construction with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use RamsesDIIP/me5-large-construction with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("RamsesDIIP/me5-large-construction") sentences = [ "Hormigonado de zanjas y pozos de cimentación, con hormigón en masa, con 20% de áridos de material reciclado de hormigones, HRM - 30 / B / 20 / XA2 con una cantidad de cemento de 350 kg/m3 i relación agua cemento =< 0.5, colocado desde camión", "Tubo de acero inoxidable 1.4307 (AISI 304L) con soldadura longitudinal, de 22 mm de diámetro exterior y 0,7 mm de espesor de pared, serie 1 conforme a UNE-EN 10312, conexión a presión, con nivel de dificultad elevado y instalado de forma empotrada.", "Vertido de hormigón en zanjas y cimientos, utilizando hormigón masivo con un 20% de áridos reciclados, tipo HRM - 30 / B / 20 / XA2, con una dosificación de cemento de 350 kg/m3 y una relación agua-cemento menor o igual a 0.5, aplicado directamente desde el camión.", "Colocación de paneles de yeso en interiores, utilizando yeso laminado, con un espesor de 12.5 mm y una resistencia al fuego de tipo F30, aplicando una mezcla de adhesivo con una proporción de agua de 0.4, instalado manualmente." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Ctrl+K