sentence-transformers How to use asmud/nomic-embed-indonesian with sentence-transformers:
from sentence_transformers import SentenceTransformer
model = SentenceTransformer("asmud/nomic-embed-indonesian", trust_remote_code=True)
sentences = [
"search_query: ['Ketua', 'Umum', 'organisasi', 'apakah', 'Syamsurizal', '?']",
"search_document: ['Ketua', 'Umum', 'Pengurus', 'Besar', 'Persatuan', 'Sepak', 'Takraw', 'Seluruh', 'Indonesia', '(', 'PB', 'Persetasi', ')', 'Syamsurizal', 'mengatakan', ',', 'kejurnas', 'kali', 'ini', 'tak', 'hanya', 'dimanfaatkan', 'sebagai', 'sarana', 'mencari', 'bibit', 'baru', '.', '\"', 'Lebih', 'dari', 'itu', ',', 'kejurnas', 'juga', 'dimanfaatkan', 'untuk', 'lebih', 'menyebarluaskan', 'olahraga', 'sepak', 'takraw', ',', '\"', 'ujarnya', '.']",
"clustering: Dalam sebuah doa, kucoba merayu Tuhan. Agar kesetiaan dalam jarak, takkan pernah tumbang; hanya karena badai kesunyian.",
"search_document: Andika Mahesa terkenal sebagai vokalis grup musik Kangen Band . Selain itu , Andika tampak dekat dengan sejumlah perempuan . Hal tersebut membuatnya mendapat julukan ' Babang Tamvan ' . Mulanya , Andika menganggap sebutan tersebut sebagai musibah . Namun , lama-kelamaan , sebutan ' Babang Tamvan ' nyatanya menjadi anugerah baginya karena ia mendapatkan banyak tawaran karena sebutan uniknya yang viral ."
]
embeddings = model.encode(sentences)
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [4, 4] 
