Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
dense
Generated from Trainer
dataset_size:97975
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use meandyou200175/E5_v3_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_instruct_topic with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("meandyou200175/E5_v3_instruct_topic") sentences = [ "task: classification | query: Trong bài viết này chúng ta sẽ thảo luận: Lợi ích của năng lượng mặt trời trong trường học. Năng lượng mặt trời là nguồn tài nguyên đầy hứa hẹn và có giá trị cao cho tương lai, với xu hướng sử dụng loại năng lượng này ngày càng tăng, một số trường học đang tìm cách sử dụng nguồn năng lượng này hiệu quả hơn. Câu hỏi đặt ra là tại sao các trường học lại tìm kiếm sự chuyển đổi này? và làm thế nào năng lượng mặt trời có thể được sử dụng trong trường học? Năm 2020, Hoa Kỳ đã ghi nhận tổng cộng 7300 k-12 trường học sử dụng tấm pin mặt trời để tạo ra điện, với mức tăng trưởng hàng năm là 24% từ năm 2017 đến năm 2020. Việc lắp đặt tấm pin mặt trời trong trường học có thể giúp: Giúp các học khu giảm chi phí hóa đơn tiền điện. Mang lại một môi trường sạch sẽ cho học sinh. Nâng cao nhận thức về năng lượng tái tạo. Tận d", "trông người đã thấy hãm tài", "Sức khỏe - Đời sống", "Khoa học môi trường" ] 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!