rjnClarke/sentence-transformers-all-MiniLM-L6-v2-fine-tuned
rjnClarke
Similitud de oraciones
Este es un modelo de sentence-transformers afinado a partir de sentence-transformers/all-MiniLM-L6-v2. Mapea frases y párrafos a un espacio vectorial denso de 384 dimensiones y puede ser utilizado para la similitud textual semántica, búsqueda semántica, minería de paráfrasis, clasificación de textos, agrupación y más.
Como usar
Primero instale la biblioteca de Sentence Transformers:
pip install -U sentence-transformers
Luego puede cargar este modelo y ejecutar la inferencia.
from sentence_transformers import SentenceTransformer
# Descargar desde el 🤗 Hub
model = SentenceTransformer("rjnClarke/sentence-transformers-all-MiniLM-L6-v2-fine-tuned")
# Ejecutar inferencia
sentences = [
'What is the significance of the tennis balls in the excerpt from the play?',
"Says that you savour too much of your youth,\n And bids you be advis'd there's nought in France That can be with a nimble galliard won; You cannot revel into dukedoms there.",
"YORK. From Ireland thus comes York to claim his right\n And pluck the crown from feeble Henry's head: Ring bells aloud, burn bonfires clear and bright, To entertain great England's lawful king.",
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]
# Obtener las puntuaciones de similitud para las incrustaciones
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
Funcionalidades
- Modelo sentence-transformers
- Modelo base: sentence-transformers/all-MiniLM-L6-v2
- Longitud máxima de secuencia: 256 tokens
- Dimensionalidad de salida: 384 tokens
- Función de similitud: Similitud Coseno
- Idioma: Inglés
- Licencia: apache-2.0
Casos de uso
- Similitud textual semántica
- Búsqueda semántica
- Minería de paráfrasis
- Clasificación de textos
- Agrupación