Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:9912
loss:CosineSimilarityLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use milhamapratama/agree-model-v1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use milhamapratama/agree-model-v1 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("milhamapratama/agree-model-v1") sentences = [ "apa yang terjadi jika saya menonaktifkan sebuah traceability story?", "sektor hulu merupakan sektor yang berperan di on-farm atau proses produksi saat di sawah atau di ladang seperti pendanaan, penyiapan lahan, pemilihan benih dan lain lain.", "pengguna memiliki opsi untuk menonaktifkan traceability story yang telah dipublikasikan pada halaman detail traceability story terkait. jika dinonaktifkan, cerita tersebut tidak akan dapat diakses atau dikunjungi oleh pengguna lain.", "alasan pertama mengapa agree traceability dapat membantu perusahaan menghadapi tantangan dalam industri pangan adalah kemampuannya dalam identifikasi dan pelacakan produk secara cepat. dengan fitur traceability enterprise, sistem ini memungkinkan perusahaan untuk mengidentifikasi serta melacak setiap produk di sepanjang rantai pasokan dengan akurasi tinggi. kemampuan ini sangat penting dalam situasi darurat, di mana perusahaan dapat segera menarik kembali produk yang bermasalah dari pasaran jika terjadi isu keamanan pangan." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Welcome to the community
The community tab is the place to discuss and collaborate with the HF community!