sartifyllc/MultiLinguSwahili-serengeti-E250-nli-matryoshka

sartifyllc

Similitud de oraciones

Este es un modelo de sentence-transformers ajustado a partir de UBC-NLP/serengeti-E250 en el conjunto de datos Mollel/swahili-n_li-triplet-swh-eng. Mapea oraciones y párrafos a un espacio denso de vectores de 768 dimensiones y se puede usar para la similitud textual semántica, búsqueda semántica, minería de paráfrasis, clasificación de texto, agrupamiento y más.

Como usar

from sentence_transformers import SentenceTransformer

# Descargar desde el Hub de 🤗
model = SentenceTransformer("sartifyllc/MultiLinguSwahili-serengeti-E250-nli-matryoshka")
# Ejecutar inferencia
sentences = [
    'Mwanamume na mwanamke wachanga waliovaa mikoba wanaweka au kuondoa kitu kutoka kwenye mti mweupe wa zamani, huku watu wengine wamesimama au wameketi nyuma.',
    'mwanamume na mwanamke wenye mikoba',
    'tai huruka',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# 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: UBC-NLP/serengeti-E250
Longitud máxima de secuencia: 512 tokens
Dimensionalidad de salida: 768 tokens
Función de similitud: Similitud del coseno
Evaluado con EmbeddingSimilarityEvaluator

Casos de uso

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