Deehan1866/finetuned-spanbert-large

Deehan1866
Similitud de oraciones

Este es un modelo de sentence-transformers afinado a partir de SpanBERT/spanbert-large-cased en el conjunto de datos PiC/phrase_similarity. Mapea oraciones y párrafos a un espacio vectorial denso de 1024 dimensiones y puede usarse para similitud textual semántica, búsqueda semántica, minería de paráfrasis, clasificación de textos, clustering y más.

Como usar

Instalar la librería de Sentence Transformers:

pip install -U sentence-transformers

Luego puedes cargar este modelo y ejecutar inferencias:

from sentence_transformers import SentenceTransformer

# Descargar del Hub de 🤗
model = SentenceTransformer("Deehan1866/finetuned-spanbert-large")
# Ejecutar inferencia
sentences = [
"She wants to write about Keima but suffers a major case of writer's block.",
"She wants to write about Keima but suffers a huge occurrence of writer's block.",
'specific medical status of movement and the general condition of movement both are conditions under which contradictions can move.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Obtener los puntajes de similitud para los embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Funcionalidades

Modelo de Sentence Transformer basado en SpanBERT/spanbert-large-cased
Longitud máxima de secuencia: 512 tokens
Dimensionalidad de salida: 1024 tokens
Función de similitud: Similitud del coseno
Conjunto de datos de entrenamiento: PiC/phrase_similarity

Casos de uso

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