Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:1317
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use WpythonW/RUbert-tiny_custom_test with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use WpythonW/RUbert-tiny_custom_test with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("WpythonW/RUbert-tiny_custom_test") sentences = [ "востановить лк", "Создайте, пожалуйста, обращение в ИТ поддержку на портале support", "Если руководитель не успел согласовать или не согласовать задачу по ЭЛН, БЛ автоматически согласовывается", "При проблемах со входом в личный кабинет, прежде чем создавать заявку в поддержку, убедитесь, что заходите в ЛК на сайте https://company-x5.ru, указываете актуальные и верные логин и пароль. Если Вам неизвестен логин, обратитесь к руководителю (ДМ), он сможет посмотреть Ваш логин и сбросить пароль в веб-табеле. Для самостоятельного сброса пароля позвоните с вашего мобильного телефона на +7 (XXX) XXX XX XX, наберите добавочный номер 10100, нажмите * и подтвердите сброс пароля, нажав #. Обновленный пароль отправляется по SMS." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
- Xet hash:
- e204f7a8dd36aa94122be8b12827f68570cf41f7afcc1ffffb730e0db5826efd
- Size of remote file:
- 117 MB
- SHA256:
- 426a19d44d5581490432f8ecad23e21602dba7b2044669994d029559755c6e9f
·
Xet efficiently stores Large Files inside Git, intelligently splitting files into unique chunks and accelerating uploads and downloads. More info.