Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:81041718
loss:CoSENTLoss
text-embeddings-inference
Instructions to use samheym/GerBi-Encoder with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use samheym/GerBi-Encoder with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("samheym/GerBi-Encoder") sentences = [ "Welcher Whisky wird für blaues Blut verwendet?", "Versuchen Sie auch: 1 Blue Bloods Single Malt Scotch. 2 Scotch betrunken auf blauem Blut. 3 Finnerty's Scotch Whisky Blue Bloods. 4 trinkt Tom Selleck Scotch. 5 blaue Blut Scotch.", "...Menge... Ein Mol Saccharose und ein Mol Glucose beziehen sich auf die gleiche Menge an Molekülen. Denken Sie daran, dass der Maulwurf die Zähleinheit des Chemikers ist. Ein Mol von etwas ist 6.022137x10^23 Partikel einer Substanz.", "Pilgerfahrt nach Mekka. Mansa MÃ…«sÄÂ , entweder der Enkel oder der Großneffe von Sundiata, dem Begründer seiner Dynastie, bestieg 1307 den Thron. Im 17. Jahr seiner Herrschaft (1324) machte er sich auf den Weg seine berühmte Pilgerfahrt nach Mekka. Es war diese Pilgerfahrt, die die Welt für den erstaunlichen Reichtum Malis erweckte." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
File size: 134 Bytes
f093dd4 | 1 2 3 4 | version https://git-lfs.github.com/spec/v1
oid sha256:770c7c7c50a22ef2ae486e0d2c20b83f5dd0c9520c813c0a710f111af6bc9400
size 439733088
|