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