Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
dense
Generated from Trainer
dataset_size:574389
loss:MultipleNegativesRankingLoss
loss:CosineSimilarityLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use josangho99/ko-paraphrase-multilingual-MiniLM-L12-v2-multiTask with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use josangho99/ko-paraphrase-multilingual-MiniLM-L12-v2-multiTask with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("josangho99/ko-paraphrase-multilingual-MiniLM-L12-v2-multiTask") sentences = [ "독일의 시멘스 대변인은 프랑스령 프랑스령 프레스에 시멘스가 플루토늄 처리 시설을 판매하기 위한 회담의 결과에 대해 확신하고 있다고 말했다.", "독일의 시멘스 대변인은 플루토늄 처리 시설의 판매에 대한 정치적 측면에 대해 언급하는 것을 자제했다.", "캄보디아 야당 대표가 투표 입찰에서 의회로 향한다.", "질레트의 주식은 수요일 뉴욕 증권거래소에서 33.70달러로 45센트 하락했다." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
- Xet hash:
- 5b1eebf28d51b425919503bde32f76a54f1055eb4b3e3f6a03946174a9a2060d
- Size of remote file:
- 17.1 MB
- SHA256:
- cad551d5600a84242d0973327029452a1e3672ba6313c2a3c3d69c4310e12719
·
Xet efficiently stores Large Files inside Git, intelligently splitting files into unique chunks and accelerating uploads and downloads. More info.