Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
dense
Generated from Trainer
dataset_size:30000
loss:CosineSimilarityLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use mferdian/sbert-finetune-aes with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use mferdian/sbert-finetune-aes with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("mferdian/sbert-finetune-aes") sentences = [ "Pasar adalah tempat bertemunya penjual dan pembeli untuk melakukan transaksi barang dan jasa.", "Langkah dasar pertolongan pertama pada luka ringan: cuci tangan, bersihkan luka dengan air bersih, hentikan pendarahan dengan tekanan, dan tutup dengan perban steril. Hal ini penting bagi kehidupan sehari-hari.", "Kolonialisme adalah penguasaan wilayah oleh negara lain untuk kepentingan ekonomi-politik; pengaruhnya sering.", "Jawabannya tidak sesuai atau salah pemahaman." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Ctrl+K