Sentence Similarity
sentence-transformers
TensorBoard
Safetensors
roberta
feature-extraction
Generated from Trainer
dataset_size:54755
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
Instructions to use thang1943/bkcare-embed-v2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use thang1943/bkcare-embed-v2 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("thang1943/bkcare-embed-v2") sentences = [ "Chào bạn, Kết quả xét nghiệm trên cho thấy men gan của bạn trong giới hạn bình thường. Bạn có thể cung cấp thêm các chỉ số xét nghiệm khác và tiền sử bệnh để BS tư vấn cụ thể hơn cho bạn! Thân mến.", "Phương pháp chẩn đoán & điều trị bụi phổi silic", "Triệu chứng thoát vị não", "BS cho em hỏi,\r\n\r\nKết quả xét nghiệm như vậy là sao thưa BS, có nghiêm trọng không ạ?" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
| { | |
| "word_embedding_dimension": 768, | |
| "pooling_mode_cls_token": false, | |
| "pooling_mode_mean_tokens": true, | |
| "pooling_mode_max_tokens": false, | |
| "pooling_mode_mean_sqrt_len_tokens": false, | |
| "pooling_mode_weightedmean_tokens": false, | |
| "pooling_mode_lasttoken": false, | |
| "include_prompt": true | |
| } |