Sentence Similarity
sentence-transformers
Safetensors
roberta
feature-extraction
Generated from Trainer
dataset_size:65699
loss:MultipleNegativesRankingLoss
text-embeddings-inference
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
Ctrl+K