Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
dense
Generated from Trainer
dataset_size:1936
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use guipa01/telos-demo-model with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use guipa01/telos-demo-model with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("guipa01/telos-demo-model") sentences = [ "A contraceção de longa duração (LARC – long-acting reversible contraception) que envolve implantes subcutâneos, DIU de cobre e SIU com levonorgestrel, são ultimamente recomendados pela OMS para mulheres mais jovens, devido maior falha dos métodos tradicionais, como ocorre com os contracetivos hormonais orais quando usados nessa faixa etária, levando assim ao risco de gravidez indesejada. Sobre os LARC, qual a alternativa correta dentre as abaixo relacionadas?", "O teste consiste em aferir a oximetria de pulso na mão direita (MSD) e num dos pés (MI) do recém-nascido, e considera-se como normal a SpO2 maior ou igual a 95% e uma diferença de SpO2 entre o membro superior direito e um dos membros inferiores menor ou igual a 3%.", "Trata-se de iminência de eclâmpsia, sendo necessário administração de sulfato de magnésio, hipotensor de ação rápida e avaliação do quadro materno e fetal com análises laboratoriais e de vitalidade fetal após estabilização, para definir melhor conduta.", "O DIU de cobre e o SIU com levonorgestrel podem ser utilizados em mulheres nulíparas que desejam contraceção." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Ctrl+K