abbasgolestani/ag-nli-DeTS-sentence-similarity-v3-light

Comparando cada oración de la matriz sentences1 con la oración correspondiente de la matriz sentences2 como comparar la primera oración de cada matriz, luego comparar la segunda oración de cada matriz, etc.

from sentence_transformers import CrossEncoder

model = CrossEncoder('abbasgolestani/ag-nli-DeTS-sentence-similarity-v3-light')

# Dos listas de oraciones
sentences1 = ['I am honored to be given the opportunity to help make our company better',
'I love my job and what I do here',
'I am excited about our company’s vision']

sentences2 = ['I am hopeful about the future of our company',
'My work is aligning with my passion',
'Definitely our company vision will be the next breakthrough to change the world and I’m so happy and proud to work here']

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 Score: {:.4f}".format(sentences1[i], sentences2[i], scores1[i]))

Modelos preentrenados se pueden usar así:

from sentence_transformers import CrossEncoder
model = CrossEncoder('abbasgolestani/ag-nli-DeTS-sentence-similarity-v3-light')
scores = model.predict([('Sentence 1', 'Sentence 2'), ('Sentence 3', 'Sentence 4')])

El modelo predecirá puntuaciones para los pares ('Sentence 1', 'Sentence 2') y ('Sentence 3', 'Sentence 4'). También puede usar este modelo sin SentenceTransformers y solo usando la clase AutoModel de Transformers.