Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:6749
loss:MatryoshkaLoss
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use adriansanz/sqv-v2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use adriansanz/sqv-v2 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("adriansanz/sqv-v2") sentences = [ "La presentació de la comunicació prèvia, acompanyada de la documentació exigida, habilita a la persona interessada a executar els actes que s'hi descriuen, des del dia de la seva presentació, sens perjudici de les facultats de comprovació, control i inspecció de l'Ajuntament.", "Quin és el resultat de la llicència d'usos i obres provisionals en relació amb altres autoritzacions administratives?", "Quin és el paper de la persona interessada en aquest tràmit?", "Quin és el tipus d'impost que es beneficia d'aquest tràmit?" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Download modules.json from adriansanz/sqv-v2: direct link, hf CLI and curl.
- Browser
- Download file 349 Bytes
-
https://huggingface.co/adriansanz/sqv-v2/resolve/main/modules.json
- Command line
-
hf download hf://adriansanz/sqv-v2/modules.json
-
curl -L -o modules.json https://huggingface.co/adriansanz/sqv-v2/resolve/main/modules.json
349 Bytes
| [ | |
| { | |
| "idx": 0, | |
| "name": "0", | |
| "path": "", | |
| "type": "sentence_transformers.models.Transformer" | |
| }, | |
| { | |
| "idx": 1, | |
| "name": "1", | |
| "path": "1_Pooling", | |
| "type": "sentence_transformers.models.Pooling" | |
| }, | |
| { | |
| "idx": 2, | |
| "name": "2", | |
| "path": "2_Normalize", | |
| "type": "sentence_transformers.models.Normalize" | |
| } | |
| ] |