snunlp/bge-m3-patent2023

snunlp

Similitud de oraciones

Este es un modelo de sentence-transformers entrenado. Mapea oraciones y párrafos a un espacio vectorial denso de 1024 dimensiones y se puede utilizar para la similitud textual semántica, la búsqueda semántica, la minería de paráfrasis, la clasificación de textos, la 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("snunlp/bge-m3-patent2024")
# Ejecutar la inferencia
sentences = [
  'El clima está encantador hoy.',
  '¡Hace mucho sol afuera!',
  'Condujo hasta el estadio.',
]
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

Modelo de Sentence Transformer
Longitud máxima de secuencia: 8192 tokens
Dimensionalidad de salida: 1024 tokens
Función de similitud: Similitud de Coseno

Casos de uso

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