Sentence Similarity
sentence-transformers
Safetensors
roberta
feature-extraction
Generated from Trainer
dataset_size:5143
loss:CachedMultipleNegativesRankingLoss
Eval Results (legacy)
Instructions to use datht/phobert-base-v2-IR with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use datht/phobert-base-v2-IR with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("datht/phobert-base-v2-IR") sentences = [ "Ngừng, giảm mức cung cấp điện không khẩn cấp trong những trường hợp nào?", "['Bên bán điện ngừng, giảm mức cung cấp điện không khẩn cấp trong các trường hợp sau:\\n1. Ngừng, giảm mức cung cấp điện theo kế hoạch của bên bán điện khi có nhu cầu sửa chữa, bảo dưỡng, đại tu, xây lắp các công trình điện, điều hoà, hạn chế phụ tải do thiếu nguồn điện và các nhu cầu khác theo kế hoạch.\\n2. Ngừng cấp điện theo yêu cầu của tổ chức, cá nhân có liên quan trong trường hợp để đảm bảo an toàn phục vụ thi công các công trình.\\n3. Ngừng, giảm mức cung cấp điện theo yêu cầu của bên mua điện.']", "Bên bán điện ngừng, giảm mức cung cấp điện không khẩn cấp trong các trường hợp sau:<unk> 1. Ngừng, giảm mức cung cấp điện theo kế hoạch của bên bán điện khi có nhu cầu sửa chữa, bảo dưỡng, đại tu, xây lắp các công trình điện, điều hoà, hạn chế phụ tải do thiếu nguồn điện và các nhu cầu khác theo kế hoạch.<unk> 2. Ngừng cấp điện theo yêu cầu của tổ chức, cá nhân có liên quan trong trường hợp để đảm bảo an toàn phục vụ thi công các công trình.<unk> 3. Ngừng, giảm mức cung", "['22/2020/tt-bct_5']" ] 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!