metadata
language:
- en
- ne
library_name: sentence-transformers
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:45199
- loss:MultipleNegativesRankingLoss
widget:
- source_sentence: >-
मैले विचार गर्नुपर्ने कलेजहरू के के हुन्, विचार गर्नुपर्ने कारकहरू: केएमसी
म्यानिपल वा केएमसी मंगोलमा?
sentences:
- मंगलोर शान्त वा हिंस्रक स्थान हो?
- पुरुषहरूको तुलनामा महिलाहरूको लागि यौनिक आनन्द बढी हुन्छ कि हुँदैन?
- के कसैले केएमसी मानिपाल र मंगलोरको संक्षिप्त तुलना गर्न सक्छ?
- source_sentence: म कसरी मेरो अङ्ग्रेजी भाषा सुधार गर्न सक्छु?
sentences:
- म कसरी एक नेचुरल अंग्रेजी वक्ता बन्न सक्छु?
- >-
म जहाँ कुनै मूल अंग्रेजी वक्ताहरू छन् जो मेरो साथ मित्र बन्न चाहन्छन् र
मलाई मद्दत गर्न चाहन्छन्?
- ने टी २०१ 6 को लागि निजी कलेजहरूको लागि एमबीबीएसको लागि के कटअफ हुनेछ?
- source_sentence: समय यात्रा सम्भव छ कि छैन? यदि छ भने, कसरी?
sentences:
- अन्धकारमय वेब सुरक्षित छ कि छैन ब्राउज गर्न?
- >-
यदि कुनै बितेको समय राम्रो थियो र समयको यात्रा सम्भव थियो भने म किन
वर्तमान समयमा बाँचिरहेको छु?
- भविष्यमा समय यात्रा सम्भव हुनेछ कि छैन?
- source_sentence: म कसरी बिस्तारै तौल घटाउन सक्छु?
sentences:
- कसरी कुनै केटाले त्यो केटीसँग बदला लिन सक्छ जसले उसलाई धोका दिएको छ?
- कस्तो प्रकारको आहार कसैले आहार नचाहने व्यक्तिका लागि उत्तम हुन्छ?
- वजन घटाउनको लागि कुनै राम्रो आहार हो?
license: apache-2.0
Model Details
Model Description
- Model Type: Sentence Transformer
- Maximum Sequence Length: 512 tokens
- Output Dimensionality: 1024 tokens
- Similarity Function: Cosine Similarity
Usage
Direct Usage (Sentence Transformers)
First install the Sentence Transformers library:
pip install -U sentence-transformers
Then you can load this model and run inference.
from sentence_transformers import SentenceTransformer
# Download from the 🤗 Hub
model = SentenceTransformer("universalml/Nepali_Embedding_Model")
# Run inference
sentences = [
'म कसरी बिस्तारै तौल घटाउन सक्छु?',
'वजन घटाउनको लागि कुनै राम्रो आहार हो?',
'कस्तो प्रकारको आहार कसैले आहार नचाहने व्यक्तिका लागि उत्तम हुन्छ?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]