Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
dense
Generated from Trainer
dataset_size:8352
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use thaiquangphat/edukg_retrieval with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use thaiquangphat/edukg_retrieval with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("thaiquangphat/edukg_retrieval") sentences = [ "Cậu bé Wilkins là kẻ ngu_ngốc lớn nhất mà tôi từng thấy .", "Ông nhìn vào nó cẩn_thận trong khi xoay nó trong tay của mình .", "Tôi nghĩ Wilkins là một kẻ ngốc .", "Tôi coi Wilkins là một trong những người thông_minh nhất thế_giới ." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
| [ | |
| { | |
| "idx": 0, | |
| "name": "0", | |
| "path": "", | |
| "type": "sentence_transformers.models.Transformer" | |
| }, | |
| { | |
| "idx": 1, | |
| "name": "1", | |
| "path": "1_Pooling", | |
| "type": "sentence_transformers.models.Pooling" | |
| }, | |
| { | |
| "idx": 2, | |
| "name": "2", | |
| "path": "2_Normalize", | |
| "type": "sentence_transformers.models.Normalize" | |
| } | |
| ] |