Upload with huggingface_hub

README.md

@@ -2,39 +2,36 @@
 pipeline_tag: sentence-similarity
 tags:
 - sentence-transformers
-- feature-extraction
 - sentence-similarity
 - transformers
-lan: ko
+lan: Korean
 ---
 
 # TAACO_Similarity
 
-This is a [sentence-transformers](https://www.SBERT.net) model: It maps sentences & paragraphs to a 768 dimensional dense vector space and can be used for tasks like clustering or semantic search.
-
-<!--- Describe your model here -->
+본 모델은 Sentence-transformers[sentence-transformers](https://www.SBERT.net)를 기반으로 하며 KLUE의 STS(Sentence Textual Similarity) 데이터셋을 통해 훈련을 진행한 모델입니다. 필자가 제작하고 있는 한국어 문장간 결속성
+측정 도구인 K-TAACO(가제)의 지표 중 하나인 문장 간 의미적 결속성을 측정하기 위해 제작하였습니다. 또한 모두의 말뭉치의 문장간 유사도 데이터셋을 통해서도 훈련을 진행할 예정입니다.
 
 ## Usage (Sentence-Transformers)
 
-Using this model becomes easy when you have [sentence-transformers](https://www.SBERT.net) installed:
+본 모델을 사용하기 위해서는 Sentence-Transformer [sentence-transformers](https://www.SBERT.net)를 설치하여야 합니다.
 
 ```
 pip install -U sentence-transformers
 ```
 
-Then you can use the model like this:
+모델을 사용하기 위해서는 아래 코드를 참조하시길 바랍니다.
 
 ```python
 from sentence_transformers import SentenceTransformer
 sentences = ["This is an example sentence", "Each sentence is converted"]
 
-model = SentenceTransformer('{MODEL_NAME}')
+model = SentenceTransformer("KDHyun08/TAACO_STS")
 embeddings = model.encode(sentences)
 print(embeddings)
 ```
 
 
-
 ## Usage (실제 문장 간 유사도 비교)
 Sentence-transformers [sentence-transformers](https://www.SBERT.net) 를 설치한 후 아래 내용과 같이 문장 간 유사도를 비교할 수 있습니다.
 query 변수는 비교 기준이 되는 문장(Source Sentence)이고 비교를 진행할 문장은 docs에 list 형식으로 구성하시면 됩니다.
@@ -72,6 +69,7 @@ for i, (score, idx) in enumerate(zip(top_results[0], top_results[1])):
 
 For an automated evaluation of this model, see the *Sentence Embeddings Benchmark*: [https://seb.sbert.net](https://seb.sbert.net?model_name={MODEL_NAME})
 
+문장 간 유사도는 1이 최댓값이며, 0에 가까울수록 의미적으로 유사하지 않은 문장입니다.
 
 ## Training
 The model was trained with the parameters: