Hugging Face's logo Hugging Face
  • Models
  • Datasets
  • Spaces
  • Buckets new
  • Docs
  • Enterprise
  • Pricing
    • Website
      • Tasks
      • HuggingChat
      • Collections
      • Languages
      • Organizations
    • Community
      • Blog
      • Posts
      • Daily Papers
      • Hardware
      • Learn
      • Discord
      • Forum
      • GitHub
    • Solutions
      • Team & Enterprise
      • Hugging Face PRO
      • Enterprise Support
      • Inference Providers
      • Inference Endpoints
      • Storage Buckets

  • Log In
  • Sign Up

TUKE-DeutscheTelekom
/
slovakbert-skquad-mnlr

Sentence Similarity
sentence-transformers
Safetensors
roberta
feature-extraction
Generated from Trainer
dataset_size:65699
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Model card Files Files and versions
xet
Community

Instructions to use TUKE-DeutscheTelekom/slovakbert-skquad-mnlr with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

  • Libraries
  • sentence-transformers

    How to use TUKE-DeutscheTelekom/slovakbert-skquad-mnlr with sentence-transformers:

    from sentence_transformers import SentenceTransformer
    
    model = SentenceTransformer("TUKE-DeutscheTelekom/slovakbert-skquad-mnlr")
    
    sentences = [
        "Mestom Trenčín prechádzajú 2 železničné trate- Trať 120 Bratislava- Žilina a Trať 143 Trenčín- Chynorany. V súčasnosti sa pracuje na modernizácii železničného prieťahu mestom, v roku 2017 bol odovzdaný do užívania nový železničný most, postavená je nová letná plaváreň, keďže stará ustúpila novému mostu. Pre obyvateľov asanovaných domov vystavalo mesto náhradné domy na novovzniknutých uliciach Slivková a Šafránová. Pripravený je tiež projekt rekonštrukcie železničnej stanice Trenčín, ktorá bude realizovaná spolu s rekonštrukciou autobusovej stanice, čím vznikne moderný autobusový terminál s priamym napojením na ŽST.",
        "V ktorom roku bola založená organizácia Gidonim ?",
        "Koľko železničných tratí prechádza cez mesto Trenčín ?",
        "Koľko rímskych vojakov bojovalo v Trenčíne proti Kvádom ?"
    ]
    embeddings = model.encode(sentences)
    
    similarities = model.similarity(embeddings, embeddings)
    print(similarities.shape)
    # [4, 4]
  • Notebooks
  • Google Colab
  • Kaggle
slovakbert-skquad-mnlr
502 MB
Ctrl+K
Ctrl+K
  • 1 contributor
History: 5 commits
dhladek's picture
dhladek
Update README.md
471b59e verified almost 2 years ago
  • 1_Pooling
    Fixed training process about 2 years ago
  • .gitattributes
    1.48 kB
    initial commit over 3 years ago
  • README.md
    19.7 kB
    Update README.md almost 2 years ago
  • config.json
    708 Bytes
    Fixed training process about 2 years ago
  • config_sentence_transformers.json
    196 Bytes
    Fixed training process about 2 years ago
  • merges.txt
    533 kB
    Fixed training process about 2 years ago
  • model.safetensors
    499 MB
    xet
    Fixed training process about 2 years ago
  • modules.json
    229 Bytes
    initial over 3 years ago
  • sentence_bert_config.json
    53 Bytes
    Fixed training process about 2 years ago
  • special_tokens_map.json
    957 Bytes
    initial over 3 years ago
  • tokenizer.json
    2.26 MB
    Fixed training process about 2 years ago
  • tokenizer_config.json
    1.21 kB
    Fixed training process about 2 years ago
  • vocab.json
    875 kB
    initial over 3 years ago