Sentence Similarity
sentence-transformers
Safetensors
Turkish
bert
feature-extraction
Generated from Trainer
dataset_size:482091
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use x1saint/intfloat-triplet-v2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use x1saint/intfloat-triplet-v2 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("x1saint/intfloat-triplet-v2") sentences = [ "Ya da dışarı çıkıp yürü ya da biraz koşun. Bunu düzenli olarak yapmıyorum ama Washington bunu yapmak için harika bir yer.", "“Washington's yürüyüş ya da koşu için harika bir yer.”", "H-2A uzaylılar Amerika Birleşik Devletleri'nde zaman kısa süreleri var.", "“Washington'da düzenli olarak yürüyüşe ya da koşuya çıkıyorum.”" ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
- Xet hash:
- 6803d80dfd27b26211a967d9e4a230d7caffa8564ff4adb8f96610825c9b6c92
- Size of remote file:
- 17.1 MB
- SHA256:
- ef04f2b385d1514f500e779207ace0f53e30895ce37563179e29f4022d28ca38
·
Xet efficiently stores Large Files inside Git, intelligently splitting files into unique chunks and accelerating uploads and downloads. More info.