Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
dense
Generated from Trainer
dataset_size:209302
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use meandyou200175/E5_v3_41_instruct_topic with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use meandyou200175/E5_v3_41_instruct_topic with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("meandyou200175/E5_v3_41_instruct_topic") sentences = [ "task: classification | query: Cà phê tình phố núi\r\nỞ Đà Lạt có nhiều quán cà phê mà khách đến không phải để uống nước. Họ vào đây là để tâm tình với người yêu, thậm chí sẽ tiếp đón tận tình, hết \"cô đơn\" nếu đi một mình&\r\n\"Tình chính quy\" được dùng để ám chỉ những cặp tình nhân tìm quán cà phê để tâm tình. Ngòai bãi xe của quán cà phê Tây Hồ trên đường Bà Huyện Thanh Quan có đến gần 70 xe gắn máy, nhưng bên trong quán không thấy một bóng người nào. Trong bóng tối lờ mờ, người dẫn đường vén một bức màn để khách bước vào một căn phòng nhỏ. Sau khi gọi ly cà phê và ly nước trái cây, khách hoàn toàn tự do. Ánh sáng không thể nào chui lọt vào những phòng rộng chừng 3m2 như thế này với một chiếc bàn con và một cái ghế bành dài hơn 1m. Bức tường ngăn là tấm ván gỗ mỏng, không ngăn được những tiếng thở hổn hển trong phòng.", "bộ quần áo đồng phục", "Chính trị xã hội", "Phiếu giảm giá và giảm giá của ColorTonerExpert" ] 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!