Sentence Similarity
sentence-transformers
PyTorch
German
bert
Eval Results (legacy)
text-embeddings-inference
Instructions to use and-effect/musterdatenkatalog_clf with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use and-effect/musterdatenkatalog_clf with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("and-effect/musterdatenkatalog_clf") sentences = [ "Bebauungspläne, vorhabenbezogene Bebauungspläne (Geltungsbereiche)", "Fachkräfte für Glücksspielsuchtprävention und -beratung", "Tagespflege Altenhilfe", "Bebauungsplan der Innenentwicklung gem. § 13a BauGB - Ortskern Rütenbrock" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Update README.md
Browse files
README.md
CHANGED
|
@@ -3,6 +3,11 @@ language: de
|
|
| 3 |
library_name: sentence-transformers
|
| 4 |
tags:
|
| 5 |
- sentence-similarity
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 6 |
datasets: and-effect/mdk_gov_data_titles_clf
|
| 7 |
metrics:
|
| 8 |
- accuracy
|
|
|
|
| 3 |
library_name: sentence-transformers
|
| 4 |
tags:
|
| 5 |
- sentence-similarity
|
| 6 |
+
wiget:
|
| 7 |
+
- text: "Bebauungspläne, vorhabenbezogene Bebauungspläne (Geltungsbereiche)"
|
| 8 |
+
- text: "Fachkräfte für Glücksspielsuchtprävention und -beratung"
|
| 9 |
+
- text: "Tagespflege Altenhilfe"
|
| 10 |
+
- text: "Bebauungsplan, Bebauungsplan der Innenentwicklung gem. § 13a BauGB - Ortskern Rütenbrock"
|
| 11 |
datasets: and-effect/mdk_gov_data_titles_clf
|
| 12 |
metrics:
|
| 13 |
- accuracy
|