baconnier/Finance_embedding_large_en-V0.1

baconnier
Similitud de oraciones

Este es un modelo de Sentence Transformers ajustado desde BAAI/bge-large-en. Mapea oraciones y párrafos a un espacio vectorial denso de 1024 dimensiones y puede ser utilizado para similitud textual semántica, búsqueda semántica, minería de paráfrasis, clasificación de textos, agrupamiento y más.

Como usar

Uso Directo (Sentence Transformers)

Primero instala la librería de Sentence Transformers:

pip install -U sentence-transformers

Luego puedes cargar este modelo y ejecutar inferencias.

from sentence_transformers import SentenceTransformer

# Descargar desde el 🤗 Hub
model = SentenceTransformer('baconnier/Finance_embedding_large_en-V0.1')

# Ejecutar inferencias
sentences = [
  'How many companies are listed on the NYSE?',
  'What are the trading hours of the New York Stock Exchange?',
  'Why do Maple Leaf coins often trade at a premium over their metal content value?'
]

embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Obtener las puntuaciones de similitud para las incrustaciones
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Funcionalidades

Tipo de modelo: Sentence Transformer
Modelo base: BAAI/bge-large-en
Longitud máxima de secuencia: 512 tokens
Dimensionalidad de salida: 1024 tokens
Función de similitud: Similitud del Coseno
Dataset de entrenamiento: baconnier/finance2_dataset_private

Casos de uso

Similitud textual semántica
Búsqueda semántica
Minería de paráfrasis
Clasificación de textos
Agrupamiento