Sentence Similarity
sentence-transformers
Safetensors
new
feature-extraction
dense
Generated from Trainer
dataset_size:948
loss:ContrastiveTensionLoss
custom_code
text-embeddings-inference
Instructions to use eilph/turkish_math_embedding_alibaba with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use eilph/turkish_math_embedding_alibaba with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("eilph/turkish_math_embedding_alibaba", trust_remote_code=True) sentences = [ "Yandaki şekilde A₁, A₂, A₃, ..., Aₙ noktaları çokgenin köşeleri; [A₁A₂], [A₂A₃], ..., [AₙA₁] çokgenin kenarlarıdır.", "Alıştırma özeti: Rasyonel ifadelerle yapılan bir bölme işleminin en sade sonucu bulunmaktadır.", "Alıştırma özeti: Faktöriyel içeren kesirli bir ifadenin değerini bulma alıştırması.", "Alıştırma özeti: Verilen doğrusal ve rasyonel fonksiyonların terslerinin kurallarının bulunması istenmektedir." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
- Xet hash:
- a1453bd808efc0cdedc35bb2d7073bfcd8d3d70bca1658f310d33c7dbd2ee345
- Size of remote file:
- 17.1 MB
- SHA256:
- aa7a6ad87a7ce8fe196787355f6af7d03aee94d19c54a5eb1392ed18c8ef451a
·
Xet efficiently stores Large Files inside Git, intelligently splitting files into unique chunks and accelerating uploads and downloads. More info.