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 tokenizer.json from adriansanz/sqv-v2: direct link, hf CLI and curl.
- Browser
- Download file 17.1 MB
-
https://huggingface.co/adriansanz/sqv-v2/resolve/main/tokenizer.json
- Command line
-
hf download hf://adriansanz/sqv-v2/tokenizer.json
-
curl -L -o tokenizer.json https://huggingface.co/adriansanz/sqv-v2/resolve/main/tokenizer.json
17.1 MB
- Xet hash:
- 5d747ca97fe6e145aef974d51b6921c06a4eed57a0513eb2427235a9af134752
- Size of remote file:
- 17.1 MB
- SHA256:
- e4f7e21bec3fb0044ca0bb2d50eb5d4d8c596273c422baef84466d2c73748b9c
·
Xet efficiently stores Large Files inside Git, intelligently splitting files into unique chunks and accelerating uploads and downloads. More info.