abbasgolestani/ag-nli-DeTS-sentence-similarity-v2

Comparar cada oración del array sentences1 con la oración correspondiente del array sentences2, como comparando la primera oración de cada array, luego comparando la segunda oración de cada array, etc.

from sentence_transformers import CrossEncoder

model = CrossEncoder('abbasgolestani/ag-nli-DeTS-sentence-similarity-v2')

# Dos listas de oraciones
sentences1 = ['Me siento honrado de tener la oportunidad de ayudar a mejorar nuestra empresa',
'Amo mi trabajo y lo que hago aquí',
'Estoy emocionado con la visión de nuestra empresa']

sentences2 = ['Tengo esperanzas sobre el futuro de nuestra empresa',
'Mi trabajo se está alineando con mi pasión',
'Sin duda, la visión de nuestra empresa será el próximo gran avance para cambiar el mundo y estoy muy feliz y orgulloso de trabajar aquí']

pairs = zip(sentences1, sentences2)
list_pairs = list(pairs)

scores1 = model.predict(list_pairs, show_progress_bar=False)
print(scores1)

for i in range(len(sentences1)):
    print("{} \t\t {} \t\t Puntaje: {:.4f}".format(sentences1[i], sentences2[i], scores1[i]))

Modelos preentrenados pueden ser utilizados de esta manera:

from sentence_transformers import CrossEncoder
model = CrossEncoder('abbasgolestani/ag-nli-DeTS-sentence-similarity-v2')

scores = model.predict([('Oración 1', 'Oración 2'), ('Oración 3', 'Oración 4')])

El modelo predecirá puntajes para los pares ('Oración 1', 'Oración 2') y ('Oración 3', 'Oración 4').

Puedes usar este modelo también sin SentenceTransformers y solo usando la clase AutoModel de Transformers.