Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
dense
Generated from Trainer
dataset_size:1756
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use mohammad-osoolian/arman-tooka2-finetuned with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use mohammad-osoolian/arman-tooka2-finetuned with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("mohammad-osoolian/arman-tooka2-finetuned") sentences = [ "چطور میتونم جزئیات ذینفع چک صادرشدهبه نامم رو بدونم ؟", "برای اطلاع از جزئیات ذینفع چک صادرشدهتوسط شما یا چک واریزشدهبه حساب ، لطفا به یکی از شعب بانک مراجعه کنید .", "نه ، فقط یکی از این دو امکان روی هر سپرده ثابت ممکنه .", "انتخاب مناسب حساب جاری برای نیازهای کسبوکار و تراکنش شما ، همکاریها برای استارتآپ ، خدمات مشاوره ، فضاهای کار مشترک ، لجستیک ، روابط عمومی ، خدمات بازاریابی دیجیتال ، تولید محتوا ، خرید هوشمند ، رشد کسبوکار با کانال بازاریابی مناسب ، دسترسی به 37 میلیون مشتری بالقوه ، پورتال اسمارتآپ برای ملاقات با دیگر استارتآپها ، مشتریان ، مربیان و سرمایهگذاران ، راهکارهای مدیریت دیجیتال و نقدی و مشاوره ارز خارجی ." ] 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!