Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
dense
Generated from Trainer
dataset_size:23446
loss:CosineSimilarityLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use noace/mpnet-v2-final with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use noace/mpnet-v2-final with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("noace/mpnet-v2-final") sentences = [ "tỷ lệ quy đổi: 1 lượt golf bằng 1 đêm nghỉ dưỡng tiêu chuẩn.", "nếu số dư bình quân tháng trên 100 triệu, tài khoản thanh toán hưởng lãi suất 0,30%.", "chủ tài khoản combo đa lợi được hưởng các ưu đãi như quay số trúng thưởng và hoàn tiền.", "mỗi điểm thưởng tích lũy có giá trị quy đổi tương đương 85 đồng." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
- Xet hash:
- ad3e6aac23a8a87f79c4164f1ce17d9d5bbbd51e8edd05bd00e3d06dd9e802a8
- Size of remote file:
- 5.07 MB
- SHA256:
- cfc8146abe2a0488e9e2a0c56de7952f7c11ab059eca145a0a727afce0db2865
·
Xet efficiently stores Large Files inside Git, intelligently splitting files into unique chunks and accelerating uploads and downloads. More info.