Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:12000
loss:MegaBatchMarginLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use damand2061/negasibert-mbm with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use damand2061/negasibert-mbm with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("damand2061/negasibert-mbm") sentences = [ "Awalnya merupakan singkatan dari John's Macintosh Project.", "Sebuah formasi yang terdiri dari sekitar 50 petugas Polisi Baltimore akhirnya menempatkan diri mereka di antara para perusuh dan milisi, memungkinkan Massachusetts ke-6 untuk melanjutkan ke Stasiun Camden.", "Mengecat luka dapat melindungi dari jamur dan hama.", "Dulunya merupakan singkatan dari John's Macintosh Project." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Ctrl+K