Sentence Similarity
sentence-transformers
TensorBoard
Safetensors
albert
feature-extraction
Generated from Trainer
dataset_size:1242
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
Instructions to use yosriku/exp_data_scale_1files with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use yosriku/exp_data_scale_1files with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("yosriku/exp_data_scale_1files") sentences = [ "Ketiga Bagian Keempat Masuk ke Bagian Kedua kataphras kata", "(4) Ketentuan lebih lanjut mengenai tata cara penetapan daya dukung dan daya tampung lingkungan hidup sebagaimana dimaksud pada ayat (3) diatur dalam peraturan pemerintah. BAB V PENGENDALIAN Bagian Kesatu Umum Pasal 13 (1) Pengendalian pencemaran dan/atau kerusakan lingkungan hidup dilaksanakan dalam rangka pelestarian fungsi lingkungan hidup.", "(2) Apabila dalam penyelesaian sengketa di luar pengadilan sebagaimana dimaksud pada ayat (1) tida k tercapai kesepakatan, para pihak yang bersengketa dapat mengajukannya ke pengadilan. Bagian Ketiga Penyelesaian Sengketa di Dalam Pengadilan Pasal 35 (1) Penyelesaian sengketa persampahan di dalam pengadilan dilakukan melalui gugatan perbuatan melawan hukum.", "Jumlah pengunjung di Kawasan Wisata Pantai Parangtritis mencapai 9.870 orang/hari 1. Sedangkan, sampah yang dihasilkan oleh para wisatawan rata -rata 1,5 – 2,0 ton per hari pada hari biasa, dan bisa mencapai 20 ton sampah per hari pada saat liburan seperli libur lebaran 2." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Ctrl+K