Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
dense
Generated from Trainer
dataset_size:30000
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use josangho99/e5-Fin with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use josangho99/e5-Fin with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("josangho99/e5-Fin") sentences = [ "소방청 국가화재정보센터의 화재현황분석 자료에 따르면 화재건수는 2018년 '42,338건', 2017년 '44,178건'으로 2017년 대비 1,840건이 줄어 화재건수는 소폭 감소(4.16%)하였으나, 주거용 건축물에서 화재건수가 크게 높은 것으로 나타나고 있습니다.", "자산양수도의 주요사항보고서 제출대상 여부]의 경우, 본 건은 신설되는 법인의 신주를 인수하는 원시취득에 해당하므로 기존 자산의 존재를 전제로 하는 자산양수에 해당하지 않습니다.", "주요국 중앙은행은 금융위기 이후 양적완화 등의 통화정책을 통해 금융불안 완화를 시도하였으나 시간벌기에 그쳤을 뿐 펀더멘털 개선에는 역부족", "소방청 국가화재정보센터의 화재현황분석 자료에 따르면 화재건수는 2018년 '42,338건', 2017년 '44,178건'으로 2017년 대비 1,840건이 줄어 화재건수는 소폭 감소(4.16%)하였으나, 주거용 건축물에서 화재건수가 크게 높은 것으로 나타나고 있습니다." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle