Sentence Similarity
sentence-transformers
ONNX
Safetensors
German
bert
feature-extraction
loss:MatryoshkaLoss
custom_code
text-embeddings-inference
Instructions to use aari1995/German_Semantic_V3 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use aari1995/German_Semantic_V3 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("aari1995/German_Semantic_V3", trust_remote_code=True) sentences = [ "Bundeskanzler.", "Angela Merkel.", "Olaf Scholz.", "Tino Chrupalla." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Update README.md
Browse files
README.md
CHANGED
|
@@ -33,7 +33,7 @@ widget:
|
|
| 33 |
- Ein Mann ist auf einem Dach
|
| 34 |
- source_sentence: Der Mann heißt Joel.
|
| 35 |
sentences:
|
| 36 |
-
-
|
| 37 |
- Ein Mann mit einem englischen Namen.
|
| 38 |
- Freunde gehen feiern.
|
| 39 |
pipeline_tag: sentence-similarity
|
|
|
|
| 33 |
- Ein Mann ist auf einem Dach
|
| 34 |
- source_sentence: Der Mann heißt Joel.
|
| 35 |
sentences:
|
| 36 |
+
- Eine Frau namens Jolie
|
| 37 |
- Ein Mann mit einem englischen Namen.
|
| 38 |
- Freunde gehen feiern.
|
| 39 |
pipeline_tag: sentence-similarity
|