Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:1081
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use tugskh/multilingual-e5-large-instruct-1k with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use tugskh/multilingual-e5-large-instruct-1k with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("tugskh/multilingual-e5-large-instruct-1k") sentences = [ "Авлигын эсрэг хуульд Авлигатай тэмцэх газрыг өөрчлөх, татан буулгах шийдвэр гаргахад ямар зөвлөмж шаардлагатай вэ?", "Авлигын эсрэг хуулийн Эдийн засгийн баталгаа зүйл нь Авлигатай тэмцэх газрын дарга, дэд дарга нарт хамартай. Энэ зүйл нь тэднийг Засгийн газрын гишүүнтэй адил эрхийн баталгаа, хангамжтай байхыг зааж өгсөн.", "Автотээврийн тухай хуулийн зүйл нь Монгол Улсын Их Хурлын бүрэн эрхийг тодорхойлохдоо, өөрийн бүрэн эрхэд хамаарах асуудлаар олон улсын автотээврийн холбогдолтой гэрээ соёрхон батлах эрхийг Монгол Улсын Их Хуралд олгосныг заана. Ийнхүү олон улсын автотээврийн хамтын ажиллагааг хуульчилсан үндэстэй болгож байна.", "Авлигын эсрэг хуулийн Авлигатай тэмцэх газар тухайн зүйл нь Авлигатай тэмцэх газрыг өөрчлөн байгуулах, татан буулгах асуудлыг Үндэсний аюулгүй байдлын зөвлөлийн зөвлөмжийг үндэслэн Улсын Их Хурал шийдвэрлэнэ гэж тодорхойлсон." ] 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!