Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:34466
loss:TripletLoss
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use htdht/e5_base_finetune_v2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use htdht/e5_base_finetune_v2 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("htdht/e5_base_finetune_v2") sentences = [ "query: máy quét mã vạch cầm tay", "passage: Studio Display 27 inch 5K Chân đế cố định MFEY4SA/A | Apple Studio Display 27 inch 5K với chân đế cố định MFEY4SA/A mang đến trải nghiệm hình ảnh tuyệt vời. Màn hình độ phân giải 5K sắc nét, kết hợp Camera Center Stage tiện lợi cho các cuộc gọi video. Hệ thống loa Spatial Audio tái tạo âm thanh vòm sống động, mang đến trải nghiệm nghe nhìn đắm chìm. Kế | Danh mục: Màn hình máy tính Apple | Thương hiệu: Apple | Giá: 42,990,000 VNĐ", "passage: Máy quét mã vạch 2D cầm tay có dây SingPC Scan-2623U | Máy quét mã vạch 2D cầm tay có dây SingPC Scan-2623U là giải pháp hiệu quả cho mọi nhu cầu quét mã vạch của bạn. Với khả năng đọc mã vạch 2D nhanh chóng và chính xác, thiết bị này giúp tối ưu hóa quy trình làm việc tại cửa hàng, kho bãi hay các sự kiện. Thiết kế cầm tay tiện lợi, kết nối có dây ổn đ | Danh mục: Thiết bị mã vạch SingPC | Thương hiệu: SingPC | Giá: 790,000 VNĐ", "passage: Máy quét mã vạch 2D để bàn có dây SingPC Scan-2800U | Máy quét mã vạch 2D để bàn có dây SingPC Scan-2800U là thiết bị không thể thiếu cho các hệ thống bán lẻ, kho hàng hiện đại. Khả năng quét mã vạch 2D mạnh mẽ, tốc độ cao giúp xử lý nhanh chóng mọi loại mã, kể cả những mã có chất lượng in kém. Thiết kế để bàn gọn gàng, kết nối USB ổn định, dễ dàng tíc | Danh mục: Thiết bị mã vạch SingPC | Thương hiệu: SingPC | Giá: 1,490,000 VNĐ" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
| { | |
| "add_prefix_space": true, | |
| "backend": "tokenizers", | |
| "bos_token": "<s>", | |
| "clean_up_tokenization_spaces": true, | |
| "cls_token": "<s>", | |
| "eos_token": "</s>", | |
| "is_local": false, | |
| "local_files_only": false, | |
| "mask_token": "<mask>", | |
| "model_max_length": 512, | |
| "pad_token": "<pad>", | |
| "sep_token": "</s>", | |
| "tokenizer_class": "XLMRobertaTokenizer", | |
| "unk_token": "<unk>" | |
| } | |