sentence-transformers How to use pilllll/finetuned-embedding-e5 with sentence-transformers:
from sentence_transformers import SentenceTransformer
model = SentenceTransformer("pilllll/finetuned-embedding-e5")
sentences = [
"query: 伤科方",
"passage: title: 骨伤科效方集 author: Gengmin Tang category: Orthopedics, Medicine formulae, receipts, prescriptions, 伤科方 description: ",
"passage: title: พูดด้วยภาพ 2 : เทคนิคทำสไลด์เป็นภาพง่าย ๆ ใน 2 ขั้นตอน author: สุธาพร ล้ำเลิศกุล. category: Microsoft PowerPoint (Computer file), Presentation graphics software, Business presentations, การออกแบบกราฟิก description: จบปัญหา \"ไม่มีเวลา\" และ \"ไม่มีเทคนิค\" ในการทำสไลด์ หนังสือ \"พูดด้วยภาพ 2 : ทำสไลด์เป็นภาพง่าย ๆ ใน 2 ขั้นตอน\" เล่มนี้ จะสอนให้คุณคิดและทำสไลด์อย่างมีระบบใน 2 ขั้นตอน โดยคุณสามารถเลือกเรียนรู้เฉพาะบท และลงมือทำได้แบบไม่จำเป็นต้องอ่านตั้งแต่ต้นจนจบ ย่อยข้อมูล \"ยาก\" ให้เป็น \"ภาพ\" ที่เข้าใจง่าย พร้อม Link Youtube Video สอนในเล่ม ลด ขั้นตอน เพิ่ม ความแตกต่าง ทำสไลด์ให้ สนุก สวยงาม และสื่อสารให้เกิดประโยชน์สูงสุดแก่ผู้ฟัง ตามแบบฉบับของ \"BetterPitch\" สถาบันสอนการทำสไลด์ในองค์กรชั้นนำทั่วประเทศ!",
"passage: title: 福慧之道 author: Yinai Sun category: Happiness, Well-being, Conduct of life, Human comfort, Bonheur, Bien-être, Morale pratique, ethics (philosophical concept), comfort (sensation), Fo jiao Ren sheng zhe xue Tong su du wu description: Ben shu shi dui zheng ge zhong hua wen hua de zong jie, jiang shu ji fu ji hui de fang fa. nei rong bao gua : fu mai yu hui mai : ren sheng de xing fu er mai ; ru he jie fu hui er mai ; cai fu fu tian ; zhi hui fu tian ; fu tian fa ze ; ri xing yi shan ; fu hui ren sheng"
]
embeddings = model.encode(sentences)
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [4, 4] 
