Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
dense
Generated from Trainer
dataset_size:9562
loss:CachedMultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use isy-thl/multilingual-e5-base-learning-outcome-skill-tuned with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use isy-thl/multilingual-e5-base-learning-outcome-skill-tuned with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("isy-thl/multilingual-e5-base-learning-outcome-skill-tuned") sentences = [ "query: Lernen Sie, Gas-, Flüssig- und Feststoffproben fachgerecht für Analysen vorzubereiten – von der Entnahme über Etikettierung bis zur normgerechten Lagerung. Ideal für Laborfachkräfte und Umwelttechniker:innen, die präzise Ergebnisse sichern müssen.", "passage: chemische Proben vorbereiten: Vorbereitung spezifischer Proben, z. B. von Gas, Flüssigkeit oder Feststoffen, für die Analyse; Etikettierung und Lagerung von Proben gemäß den Spezifikationen.", "passage: Feuerlöscher bedienen: Verstehen der Bedienung von Feuerlöschgeräten und von Löschtechniken.", "passage: ein komplexes Kommunikationssystem verwenden: Komplexe Kommunikationssysteme installieren und betreiben." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
- Xet hash:
- 900d575674d5bfcd5c2b9059c9221a42f92c957ed7230f7e096d3e9580c3e4c2
- Size of remote file:
- 17.1 MB
- SHA256:
- 883b037111086fd4dfebbbc9b7cee11e1517b5e0c0514879478661440f137085
·
Xet efficiently stores Large Files inside Git, intelligently splitting files into unique chunks and accelerating uploads and downloads. More info.