emillykkejensen commited on
Commit
9f3307b
·
verified ·
1 Parent(s): 1c75c5b

Added a better example

Browse files
Files changed (1) hide show
  1. README.md +19 -15
README.md CHANGED
@@ -15,12 +15,13 @@ tags:
15
  - loss:CachedMultipleNegativesRankingLoss
16
  base_model: google/embeddinggemma-300m
17
  widget:
18
- - source_sentence: 'task: search result | query: Drengen legede sin nye bil gulvet
19
- og kørte med den.'
20
  sentences:
21
- - 'title: none | text: Legen fik sin nye bil og kørte rundt i stuen.'
22
- - 'title: none | text: En liten katt gaf glatt runt i det varma solskenet.'
23
- - 'title: none | text: Bilen blev kørt af drengen det tæppede gulv.'
 
 
24
  - source_sentence: 'task: search result | query: Historikere debatterer stadig om
25
  årsagerne til den franske revolution.'
26
  sentences:
@@ -274,25 +275,28 @@ Then you can load this model and run inference.
274
  from sentence_transformers import SentenceTransformer
275
 
276
  # Download from the 🤗 Hub
277
- model = SentenceTransformer("sentence_transformers_model_id")
 
 
278
  # Run inference
279
- queries = [
280
- "task: search result | query: Den postmoderne tilgang til litteraturen understreger ofte teksten som et \u00e5bent system, hvor mening ikke er fastlagt af forfatteren, men snarere konstrueres i interaktionen mellem l\u00e6ser og tekst. ",
281
- ]
282
  documents = [
283
- 'title: none | text: Postmodernisme i litteraturen karakteriseres ofte ved afvisning af objektivitet og fastlagte betydninger. Læseren inviteres til aktivt at deltage i meningsdannelsen i dialog med den polyfone tekst. ',
284
- 'title: none | text: Naturvidenskabens fremskridt har revolutioneret vores forståelse af universet. Fra kvantemekanikken til kosmologiens dybeste mysterier, udvider videnskabelige opdagelser konstant vores horisonter. ',
285
- 'title: none | text: Filosofisk dekonstruktion aflighed i moderniteten stiller spørgsmålstegn ved de normative rammer for sandhed.',
 
 
286
  ]
 
287
  query_embeddings = model.encode_query(queries)
288
  document_embeddings = model.encode_document(documents)
289
- print(query_embeddings.shape, document_embeddings.shape)
290
- # [1, 768] [3, 768]
291
 
292
  # Get the similarity scores for the embeddings
293
  similarities = model.similarity(query_embeddings, document_embeddings)
294
  print(similarities)
295
- # tensor([[ 0.6895, -0.0738, -0.0619]])
 
 
296
  ```
297
 
298
  <!--
 
15
  - loss:CachedMultipleNegativesRankingLoss
16
  base_model: google/embeddinggemma-300m
17
  widget:
18
+ - source_sentence: 'task: search result | query: Hvad var årsagen til at Christian IVs militære felttog mod Sverige fik så katastrofale følger?'
 
19
  sentences:
20
+ - 'title: none | text: Kong Christian IVs mange byggerier, herunder Rundetårn og Børsen, kostede statskassen dyrt og førte til økonomiske problemer. Hans passion for arkitektur og storslåede monumenter var medvirkende til rigets finansielle vanskeligheder i 1600-tallet.'
21
+ - 'title: none | text: Den Store Nordiske Krig fra 1700-1721 resulterede i Sveriges tab af mange territorier til Rusland. Karl XIIs aggressive ekspansionspolitik endte med nederlag ved Poltava i 1709, hvilket markerede begyndelsen på Sveriges decline som stormagt.'
22
+ - 'title: none | text: Christian IV indledte Kalmarkrigen i 1611 mod Sverige, motiveret af ønsket om at genvinde kontrollen over Øresund. Selvom Danmark opnåede nogle territoriale gevinster, var konflikten kostbar og udmattende for begge lande.'
23
+ - 'title: none | text: Kongens manglende militære erfaring og overvurdering af Danmarks styrke var afgørende faktorer i nederlagene under Torstenson-fejden. Christian IVs personlige ledelse på slagmarken viste sig katastrofal, da han ikke forstod moderne krigsførelsesteknikker og undervurderede den svenske hærs disciplin og taktiske overlegenhed.'
24
+ - 'title: none | text: Gustav II Adolf moderniserede den svenske hær med forbedret artilleri og mobile enheder. Hans militære reformer revolutionerede europæisk krigsførelse og gav Sverige en betydelig fordel i konflikter under 1600-tallet.'
25
  - source_sentence: 'task: search result | query: Historikere debatterer stadig om
26
  årsagerne til den franske revolution.'
27
  sentences:
 
275
  from sentence_transformers import SentenceTransformer
276
 
277
  # Download from the 🤗 Hub
278
+ model = SentenceTransformer("emillykkejensen/EmbeddingGemma-Scandi-300m")
279
+ # model = SentenceTransformer("google/embeddinggemma-300m") # For comparison
280
+
281
  # Run inference
282
+ query = "Hvad var årsagen til at Christian IVs militære felttog mod Sverige fik så katastrofale følger?"
 
 
283
  documents = [
284
+ "Kong Christian IVs mange byggerier, herunder Rundetårn og Børsen, kostede statskassen dyrt og førte til økonomiske problemer. Hans passion for arkitektur og storslåede monumenter var medvirkende til rigets finansielle vanskeligheder i 1600-tallet.",
285
+ "Den Store Nordiske Krig fra 1700-1721 resulterede i Sveriges tab af mange territorier til Rusland. Karl XIIs aggressive ekspansionspolitik endte med nederlag ved Poltava i 1709, hvilket markerede begyndelsen Sveriges decline som stormagt.",
286
+ "Christian IV indledte Kalmarkrigen i 1611 mod Sverige, motiveret af ønsket om at genvinde kontrollen over Øresund. Selvom Danmark opnåede nogle territoriale gevinster, var konflikten kostbar og udmattende for begge lande.",
287
+ "Kongens manglende militære erfaring og overvurdering af Danmarks styrke var afgørende faktorer i nederlagene under Torstenson-fejden. Christian IVs personlige ledelse på slagmarken viste sig katastrofal, da han ikke forstod moderne krigsførelsesteknikker og undervurderede den svenske hærs disciplin og taktiske overlegenhed.",
288
+ "Gustav II Adolf moderniserede den svenske hær med forbedret artilleri og mobile enheder. Hans militære reformer revolutionerede europæisk krigsførelse og gav Sverige en betydelig fordel i konflikter under 1600-tallet."
289
  ]
290
+
291
  query_embeddings = model.encode_query(queries)
292
  document_embeddings = model.encode_document(documents)
 
 
293
 
294
  # Get the similarity scores for the embeddings
295
  similarities = model.similarity(query_embeddings, document_embeddings)
296
  print(similarities)
297
+ # tensor([[0.2084, 0.2748, 0.3668, 0.6182, 0.2603]]) # emillykkejensen/EmbeddingGemma-Scandi-300m
298
+ # tensor([[0.5445, 0.4533, 0.5761, 0.5408, 0.5384]]) # google/embeddinggemma-300m
299
+
300
  ```
301
 
302
  <!--