sbert-professionnel-2026

Modèle optimisé pour la similarité sémantique dans le domaine professionnel (Recrutement, Compétences, Secteurs d'activité).

Architecture

Ce modèle repose sur CamemBERT (architecture BERT), fine-tuné à partir de dangvantuan/sentence-camembert-base avec la loss MultipleNegativesRankingLoss de la librairie sentence-transformers.

Utilisation

from sentence_transformers import SentenceTransformer, util

model = SentenceTransformer("alex246879/sbert-professionnel-2026")

phrases = [
    "chef de projet",
    "coordinateur de projet",
    "développeur backend",
    "ingénieur serveur",
]

embeddings = model.encode(phrases, convert_to_tensor=True)
scores = util.cos_sim(embeddings, embeddings)

for i in range(len(phrases)):
    for j in range(i + 1, len(phrases)):
        print(f"{phrases[i]!r} ↔ {phrases[j]!r} : {scores[i][j]:.4f}")

Paramètres d'entraînement

Paramètre	Valeur
Epochs	5
Batch size	16
Loss	MultipleNegativesRankingLoss
Warmup ratio	10 %
Base model	dangvantuan/sentence-camembert-base