Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:461625
loss:OnlineContrastiveLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use ThuanPhong/sentence_CafeBERT with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use ThuanPhong/sentence_CafeBERT with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("ThuanPhong/sentence_CafeBERT") sentences = [ "Yếu tố nào đã dẫn đến sự thay đổi của Edward?", "Việc giải quyết liên quan đến việc quảng bá thuốc theo toa bất hợp pháp của công ty, không báo cáo dữ liệu an toàn, hối lộ bác sĩ và quảng bá thuốc cho các mục đích sử dụng mà họ không được cấp phép.", "Vài tháng gần đây bệnh nhân đau âm ỉ vùng thượng vị, cứ tưởng đau dạ dày nên tự mua thuốc uống cho đến khi bệnh trở nặng mới vào viện.", "Động cơ đằng sau sự thay đổi của Edward có thể là hoàn toàn thực dụng; Montfort sẽ hỗ trợ đáng kể cho sự nghiệp của ông ở Gascony." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Ctrl+K