m7n/nomic-embed-philosophy-triplets_v7

m7n

Similitud de oraciones

Este es un modelo de Sentence Transformers entrenado a partir de nomic-ai/nomic-embed-text-v1. Mapas oraciones y párrafos a un espacio de vectores densos de 768 dimensiones y puede ser utilizado para la similitud textual semántica, búsqueda semántica, minería de paráfrasis, clasificación de texto, clustering, y más.

Como usar

Instale la librería Sentence Transformers:
pip install -U sentence-transformers

Después puede cargar este modelo y ejecutar inferencias:
from sentence_transformers import SentenceTransformer

# Descargar del Hub de Hugging Face
model = SentenceTransformer("m7n/nomic-embed-philosophy-triplets_v7")
# Ejecutar inferencias
sentences = [
    'Ejemplo de texto 1',
    'Ejemplo de texto 2',
    'Ejemplo de texto 3'
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

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

Funcionalidades

Modelo Transformer
Modelo base: nomic-ai/nomic-embed-text-v1
Longitud máxima de secuencia: 8192 tokens
Dimensionalidad de salida: 768 tokens
Función de similitud: Similitud de coseno

Casos de uso

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