Sentence Similarity
sentence-transformers
Safetensors
English
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:132020
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Instructions to use pyrac/rse_engagement_des_collaborateurs with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use pyrac/rse_engagement_des_collaborateurs with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("pyrac/rse_engagement_des_collaborateurs") sentences = [ "Les membres de l'équipe ont été attentifs et très professionnels dans leur manière de gérer nos besoins.", "C’était tout à fait correct, mais pas très chaleureux.", "Une chambre mal située, très loin de tout, et vraiment pas agréable.", "Le service était moyen, ni excellent ni vraiment mauvais." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
| [ | |
| { | |
| "idx": 0, | |
| "name": "0", | |
| "path": "", | |
| "type": "sentence_transformers.models.Transformer" | |
| }, | |
| { | |
| "idx": 1, | |
| "name": "1", | |
| "path": "1_Pooling", | |
| "type": "sentence_transformers.models.Pooling" | |
| } | |
| ] |