Hugging Face's logo Hugging Face
  • Models
  • Datasets
  • Spaces
  • Buckets new
  • Docs
  • Enterprise
  • Pricing
    • Website
      • Tasks
      • HuggingChat
      • Collections
      • Languages
      • Organizations
    • Community
      • Blog
      • Posts
      • Daily Papers
      • Hardware
      • Learn
      • Discord
      • Forum
      • GitHub
    • Solutions
      • Team & Enterprise
      • Hugging Face PRO
      • Enterprise Support
      • Inference Providers
      • Inference Endpoints
      • Storage Buckets

  • Log In
  • Sign Up

isy-thl
/
multilingual-e5-base-learning-outcome-skill-tuned

Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
dense
Generated from Trainer
dataset_size:9562
loss:CachedMultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Model card Files Files and versions
xet
Community

Instructions to use isy-thl/multilingual-e5-base-learning-outcome-skill-tuned with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

  • Libraries
  • sentence-transformers

    How to use isy-thl/multilingual-e5-base-learning-outcome-skill-tuned with sentence-transformers:

    from sentence_transformers import SentenceTransformer
    
    model = SentenceTransformer("isy-thl/multilingual-e5-base-learning-outcome-skill-tuned")
    
    sentences = [
        "query: Lernen Sie, Gas-, Flüssig- und Feststoffproben fachgerecht für Analysen vorzubereiten – von der Entnahme über Etikettierung bis zur normgerechten Lagerung. Ideal für Laborfachkräfte und Umwelttechniker:innen, die präzise Ergebnisse sichern müssen.",
        "passage: chemische Proben vorbereiten: Vorbereitung spezifischer Proben, z. B. von Gas, Flüssigkeit oder Feststoffen, für die Analyse; Etikettierung und Lagerung von Proben gemäß den Spezifikationen.",
        "passage: Feuerlöscher bedienen: Verstehen der Bedienung von Feuerlöschgeräten und von Löschtechniken.",
        "passage: ein komplexes Kommunikationssystem verwenden: Komplexe Kommunikationssysteme installieren und betreiben."
    ]
    embeddings = model.encode(sentences)
    
    similarities = model.similarity(embeddings, embeddings)
    print(similarities.shape)
    # [4, 4]
  • Notebooks
  • Google Colab
  • Kaggle
multilingual-e5-base-learning-outcome-skill-tuned / 1_Pooling
312 Bytes
Ctrl+K
Ctrl+K
  • 1 contributor
History: 1 commit
pascalhuerten's picture
pascalhuerten
Upload folder using huggingface_hub
6a4aa16 verified 11 months ago
  • config.json
    312 Bytes
    Upload folder using huggingface_hub 11 months ago