Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:40597
loss:LoggingBAS
text-embeddings-inference
Instructions to use omarelsayeed/MailBoxModel with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use omarelsayeed/MailBoxModel with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("omarelsayeed/MailBoxModel") sentences = [ "فوري اليومي : عند إضافة أموال الي فوري اليومي يكون هناك اختيارين بين إضافة مبلغ أو اختيار عدد وثائق", "انا حولت مبلغ ٢٠٠٠٠ج يوم ٢٠/١٠/٢٠٢٤ ولم تصل الي حسابي فوري وقدمت شكوي ولم يرد عليا نهاءيا", "الرجاء إضافة الحجز لتذاكر القطار .", "الرجاء إضافة الحجز لتذاكر القطار ." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
| { | |
| "word_embedding_dimension": 256, | |
| "pooling_mode_cls_token": false, | |
| "pooling_mode_mean_tokens": true, | |
| "pooling_mode_max_tokens": false, | |
| "pooling_mode_mean_sqrt_len_tokens": false, | |
| "pooling_mode_weightedmean_tokens": false, | |
| "pooling_mode_lasttoken": false, | |
| "include_prompt": true | |
| } |