Sentence Similarity
sentence-transformers
Safetensors
mpnet
feature-extraction
dense
Generated from Trainer
dataset_size:12467
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use anuario/enarm-mpnet-v5 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use anuario/enarm-mpnet-v5 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("anuario/enarm-mpnet-v5") sentences = [ "Hallazgos clínicos de la sífilis terciaria", "Alteración congénita del metabolismo de la bilirrubina que produce hiperbilirrubinemia no conjugada Síndrome de Gilbert (por lo general no mayor a 5 mg/dL) y síndrome de Cigler-Najjar", "¿Cuál es la etiología del liquen plano? El liquen plano es una enfermedad autoinmunitaria de tipo inflamatorio. Algunos antígenos asociados con esta patología son la radiación ultravíoleta, la infección por virus de la hepatitis B y C, la presencia de amalgamas y metales como el oro o el mercurio en piezas dentales y múltiples fármacos. Se ha encontrado asociación del liquen plano con otras patologías autoinmunitarias como el vitiligo, la diabetes mellitus, la cirrosis biliar primaria, la enfermedad inflama", "Hallazgos clínicos de la sífilis terciaria · Tabes dorsalis · Debilidad general · Gomas · Pupila de Argyll Robertson · Aortitis · Aneurismas de raíz aórtica" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Welcome to the community
The community tab is the place to discuss and collaborate with the HF community!