Sentence Similarity
sentence-transformers
Safetensors
Divehi
English
xlm-roberta
feature-extraction
dense
Generated from Trainer
dataset_size:9232
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use alakxender/e5-dhivehi-qa-mnr with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use alakxender/e5-dhivehi-qa-mnr with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("alakxender/e5-dhivehi-qa-mnr") sentences = [ "query: ދިވެހިރާއްޖޭގައި އޮންނަންވާނީ ކޮން ދީނެއް؟", "passage: އަޅުގަނޑުމެން އެންމެން ގަބޫލުކުރޭ، ދިވެހިރާއްޖޭގައި އޮންނަންވާނީ އިސްލާމްދީންކަން. އަޅުގަނޑުމެން އެންމެން ގަބޫލުކުރޭ، އެހެން ދީންތަކަށް ޖާގަދޭން ނުޖެހޭކަން.", "passage: ރަށުގައި މިހާރަށްވުރެ ގިނައިން ދިވެހި ރުކާއި، ބަނބުކެޔޮ، ފަތްކެޔޮ، ރޯމިރުސް، ބަށި، ފަޅޯފަދަ ރަށުގައި ހެދޭ ބާވަތްތައް އިންދައި ހެއްދުމުގެ މަސައްކަތްތައްވެސް އިތުރުކުރެވިދާނެ ކަމަށް ރަށުގެ ވެރިންގެ ފަރާތުން އަޅުގަނޑަށް އެނގިފައި އެބައޮތް.", "passage: އޭގެކުރިން އިބްތިހާލްގެ މަންމަ އާފިޔާ މުހައްމަދަށް ޖިންސީ ގޯނާ ކުރިކަމުގެ ތުހުމަތު ވެސް ރައޫފްގެ މައްޗަށް ކުރެވިގެން، އެ މައްސަލާގައި އޭނާގެ މައްޗަށް ދައުވާކުރަން ޕްރޮސެކިއުޓާ ޖެނެރަލްގެ އޮފީހަށް ފޮނުވި އެވެ. އެކަމަކު އެ މައްސަލާގައި މިހާތަނަށް ދައުވާއެއް ނުއުފުލަ އެވެ." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Commit History
-
Add new SentenceTransformer model
Verified signature2f457cd