Sentence Similarity
sentence-transformers
Safetensors
feature-extraction
dense
Generated from Trainer
dataset_size:150
loss:MultipleNegativesRankingLoss
Instructions to use hocool/my-embedding-gemma-test with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use hocool/my-embedding-gemma-test with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("hocool/my-embedding-gemma-test") sentences = [ "Які критерії кваліфікації повідомлення як спаму за статтею 2 Закону Про електронні комунікації?", "Закон України Про захист персональних даних. Стаття 2. Визначення термінів. Обробка персональних даних – будь-яка дія або сукупність дій, таких як збирання, реєстрація, накопичення, зберігання, адаптування, зміна, використання і поширення.", "Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Спам – електронні, текстові та/або мультимедійні повідомлення, що без попередньої згоди (замовлення) користувачів неодноразово (більше п'яти повідомлень одному абоненту) надсилаються на їхні адреси.", "Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Спам – електронні, текстові та/або мультимедійні повідомлення, що без попередньої згоди (замовлення) користувачів неодноразово (більше двох повідомлень одному абоненту) надсилаються на їхні адреси." ] 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!