|
--- |
|
base_model: intfloat/multilingual-e5-small |
|
library_name: sentence-transformers |
|
metrics: |
|
- pearson_cosine |
|
- spearman_cosine |
|
- pearson_manhattan |
|
- spearman_manhattan |
|
- pearson_euclidean |
|
- spearman_euclidean |
|
- pearson_dot |
|
- spearman_dot |
|
- pearson_max |
|
- spearman_max |
|
pipeline_tag: sentence-similarity |
|
tags: |
|
- sentence-transformers |
|
- sentence-similarity |
|
- feature-extraction |
|
- generated_from_trainer |
|
- dataset_size:6577 |
|
- loss:CosineSimilarityLoss |
|
widget: |
|
- source_sentence: 'query: алерана бальзам' |
|
sentences: |
|
- 'passage: Мороженое "Джиандуйя" фундучно-шоколад.; Шоколадный пломбир с фундуком |
|
в шоколаде. Нежная сливочная текстура.; Мороженое; Цена: 138.0; Рейтинг: 4.9' |
|
- 'passage: Нюда спрей д/местного применения педикулицидный 50мл; Средство с физическим |
|
принципом действия для уничтожения головных вшей, личинок и гнид; Лекарственные |
|
средства; Цена: 1136.0; Рейтинг: 0.0' |
|
- 'passage: АнвиМакс Мед-Лимон пор.д/приг.р-ра д/приема внутрь пак.№12; Препарат |
|
для лечения гриппа и ОРВИ. Комбинирует противовирусное и симптоматическое действие.; |
|
Лекарственные средства; Цена: 806.0; Рейтинг: 0.0' |
|
- source_sentence: 'query: тунец' |
|
sentences: |
|
- 'passage: Мармелад жевательный "Ассорти"; Жевательный мармелад с насыщенным фруктовым |
|
вкусом. ; Мармелад, халва, зефир, восточные сладости; Цена: 106.0; Рейтинг: 4.9' |
|
- 'passage: Фаритол сироп 150мл Подорожник/Алтей/Чабрец; Сироп подорожника, алтея |
|
и чабреца для детей с 3-х лет и взрослых. ЭКСТРАКТ ЛИСТЬЕВ ПОДОРОЖНИКА обладает |
|
успокаивающим действием на горло и голосовые связки. Оказывает отхаркивающее действие |
|
и способствует более быстрому выведению мокроты из бронхов. ЭКСТРАКТ ЧАБРЕЦА обладает |
|
бактерицидным, противовоспалительным, отхаркивающим свойствами. Оказывает успокаивающее |
|
и смягчающее действие на слизистые. Способствует снижению вязкости мокроты, разрыхлению |
|
воспалительных налетов, ускоряя выведение из организма продуктов воспаления и |
|
слизистых масс. ЭКСТРАКТ КОРНЕЙ АЛТЕЯ мягко обволакивая слизистые оболочки, препятствует |
|
их раздражению и обладает смягчающим и увлажняющим свойствами. Активизируя двигательную |
|
активность реснитчатого эпителия верхних дыхательных путей, способствует разжижению |
|
слизи, стимулирует высвобождение дыхательных каналов от мокроты.; Витамины, БАДы; |
|
Цена: 278.0; Рейтинг: 0.0' |
|
- 'passage: Батончик протеиновый Snaq Fabriq Арахис и карамель 50 г; Протеиновый |
|
батончик с натуральными ингредиентами, без сахара и глютена.; Батончики; Цена: |
|
99.0; Рейтинг: 4.9' |
|
- source_sentence: 'query: вареники сулугуни' |
|
sentences: |
|
- 'passage: Чипсы Naitori из морских водорослей 3 г; Хрустящие чипсы из водорослей |
|
нори, обжаренные на оливковом масле с солью. ; Снеки; Цена: 55.0; Рейтинг: 4.9' |
|
- 'passage: Вареники с вишневой начинкой, 500 г; Постные вареники с вишней, тонким |
|
тестом; Пельмени, вареники и манты; Цена: 336.0; Рейтинг: 4.7' |
|
- 'passage: Протеин сывороточный "Ваниль"; Сывороточный протеин с ванильным вкусом; |
|
Протеин; Цена: 1464.0; Рейтинг: 4.9' |
|
- source_sentence: 'query: каша молочно' |
|
sentences: |
|
- 'passage: Вишня сушеная, 1 кг; Спелая, сочная вишня, высушена, чтобы сохранить |
|
цвет и вкус; Орехи, сухофрукты; Цена: 3000.0; Рейтинг: 4.6' |
|
- 'passage: Крем для тела с кислотами Acid Cloud, 250 мл; Крем с энзимами и кислотами |
|
для красоты и здоровья кожи. Борется с высыпаниями, шелушениями и постакне, возвращает |
|
мягкость коже.; Кремы косметические; Цена: 1792.0; Рейтинг: 5.0' |
|
- 'passage: Шоколад ремесленный горький 74%; Ремесленный шоколад из перуанских и |
|
колумбийских какао-бобов; Шоколад; Цена: 310.0; Рейтинг: 4.9' |
|
- source_sentence: 'query: хачапури по аджарски' |
|
sentences: |
|
- 'passage: Напиток на чайном грибе с цветами липы и чабрецом, 350 мл; Тонизирующий |
|
напиток природного брожения. Приготовлен на чистой культуре чайного гриба с цветами |
|
липы, чабрецом и иван-чаем. Вкус: кислинка и терпкость трав.; Квас; Цена: 98.0; |
|
Рейтинг: 4.7' |
|
- 'passage: Дезодорант-антиперспирант Nivea Men Серебряная защита 50 мл; Антибактериальный |
|
дезодорант с ионами серебра для защиты от пота и запаха на 99,9%. Успокаивает |
|
кожу и имеет свежий мужской аромат. Не содержит спирта.; Дезодоранты; Цена: 395.0; |
|
Рейтинг: 4.9' |
|
- 'passage: Икра трески, 240 г; Нежная подсоленная икра тихоокеанской трески. С |
|
узнаваемым, чуть сладковатым вкусом и зернистой текстурой. Идеально подходит для |
|
сэндвичей, канапе и салатов.; Икра; Цена: 207.0; Рейтинг: 4.8' |
|
model-index: |
|
- name: SentenceTransformer based on intfloat/multilingual-e5-small |
|
results: |
|
- task: |
|
type: semantic-similarity |
|
name: Semantic Similarity |
|
dataset: |
|
name: dev |
|
type: dev |
|
metrics: |
|
- type: pearson_cosine |
|
value: 0.8058103374607081 |
|
name: Pearson Cosine |
|
- type: spearman_cosine |
|
value: 0.8022089220262975 |
|
name: Spearman Cosine |
|
- type: pearson_manhattan |
|
value: 0.7663931903358694 |
|
name: Pearson Manhattan |
|
- type: spearman_manhattan |
|
value: 0.8007955322402943 |
|
name: Spearman Manhattan |
|
- type: pearson_euclidean |
|
value: 0.7686449116883721 |
|
name: Pearson Euclidean |
|
- type: spearman_euclidean |
|
value: 0.8022089220262975 |
|
name: Spearman Euclidean |
|
- type: pearson_dot |
|
value: 0.8058103383272679 |
|
name: Pearson Dot |
|
- type: spearman_dot |
|
value: 0.8022089220262975 |
|
name: Spearman Dot |
|
- type: pearson_max |
|
value: 0.8058103383272679 |
|
name: Pearson Max |
|
- type: spearman_max |
|
value: 0.8022089220262975 |
|
name: Spearman Max |
|
--- |
|
|
|
# SentenceTransformer based on intfloat/multilingual-e5-small |
|
|
|
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-small](https://huggingface.co/intfloat/multilingual-e5-small). It maps sentences & paragraphs to a 384-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more. |
|
|
|
## Model Details |
|
|
|
### Model Description |
|
- **Model Type:** Sentence Transformer |
|
- **Base model:** [intfloat/multilingual-e5-small](https://huggingface.co/intfloat/multilingual-e5-small) <!-- at revision fd1525a9fd15316a2d503bf26ab031a61d056e98 --> |
|
- **Maximum Sequence Length:** 256 tokens |
|
- **Output Dimensionality:** 384 tokens |
|
- **Similarity Function:** Cosine Similarity |
|
<!-- - **Training Dataset:** Unknown --> |
|
<!-- - **Language:** Unknown --> |
|
<!-- - **License:** Unknown --> |
|
|
|
### Model Sources |
|
|
|
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net) |
|
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers) |
|
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers) |
|
|
|
### Full Model Architecture |
|
|
|
``` |
|
SentenceTransformer( |
|
(0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: BertModel |
|
(1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True}) |
|
(2): Normalize() |
|
) |
|
``` |
|
|
|
## Usage |
|
|
|
### Direct Usage (Sentence Transformers) |
|
|
|
First install the Sentence Transformers library: |
|
|
|
```bash |
|
pip install -U sentence-transformers |
|
``` |
|
|
|
Then you can load this model and run inference. |
|
```python |
|
from sentence_transformers import SentenceTransformer |
|
|
|
# Download from the 🤗 Hub |
|
model = SentenceTransformer("Data-Lab/multilingual-e5-small-cross-encoder-v0.1") |
|
# Run inference |
|
sentences = [ |
|
'query: хачапури по аджарски', |
|
'passage: Напиток на чайном грибе с цветами липы и чабрецом, 350 мл; Тонизирующий напиток природного брожения. Приготовлен на чистой культуре чайного гриба с цветами липы, чабрецом и иван-чаем. Вкус: кислинка и терпкость трав.; Квас; Цена: 98.0; Рейтинг: 4.7', |
|
'passage: Икра трески, 240 г; Нежная подсоленная икра тихоокеанской трески. С узнаваемым, чуть сладковатым вкусом и зернистой текстурой. Идеально подходит для сэндвичей, канапе и салатов.; Икра; Цена: 207.0; Рейтинг: 4.8', |
|
] |
|
embeddings = model.encode(sentences) |
|
print(embeddings.shape) |
|
# [3, 384] |
|
|
|
# Get the similarity scores for the embeddings |
|
similarities = model.similarity(embeddings, embeddings) |
|
print(similarities.shape) |
|
# [3, 3] |
|
``` |
|
|
|
<!-- |
|
### Direct Usage (Transformers) |
|
|
|
<details><summary>Click to see the direct usage in Transformers</summary> |
|
|
|
</details> |
|
--> |
|
|
|
<!-- |
|
### Downstream Usage (Sentence Transformers) |
|
|
|
You can finetune this model on your own dataset. |
|
|
|
<details><summary>Click to expand</summary> |
|
|
|
</details> |
|
--> |
|
|
|
<!-- |
|
### Out-of-Scope Use |
|
|
|
*List how the model may foreseeably be misused and address what users ought not to do with the model.* |
|
--> |
|
|
|
## Evaluation |
|
|
|
### Metrics |
|
|
|
#### Semantic Similarity |
|
* Dataset: `dev` |
|
* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator) |
|
|
|
| Metric | Value | |
|
|:-------------------|:-----------| |
|
| pearson_cosine | 0.8058 | |
|
| spearman_cosine | 0.8022 | |
|
| pearson_manhattan | 0.7664 | |
|
| spearman_manhattan | 0.8008 | |
|
| pearson_euclidean | 0.7686 | |
|
| spearman_euclidean | 0.8022 | |
|
| pearson_dot | 0.8058 | |
|
| spearman_dot | 0.8022 | |
|
| pearson_max | 0.8058 | |
|
| **spearman_max** | **0.8022** | |
|
|
|
<!-- |
|
## Bias, Risks and Limitations |
|
|
|
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* |
|
--> |
|
|
|
<!-- |
|
### Recommendations |
|
|
|
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* |
|
--> |
|
|
|
## Training Details |
|
|
|
### Training Dataset |
|
|
|
#### Unnamed Dataset |
|
|
|
|
|
* Size: 6,577 training samples |
|
* Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>label</code> |
|
* Approximate statistics based on the first 1000 samples: |
|
| | sentence_0 | sentence_1 | label | |
|
|:--------|:---------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:--------------------------------------------------------------| |
|
| type | string | string | float | |
|
| details | <ul><li>min: 6 tokens</li><li>mean: 8.99 tokens</li><li>max: 18 tokens</li></ul> | <ul><li>min: 34 tokens</li><li>mean: 67.08 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 0.0</li><li>mean: 0.5</li><li>max: 1.0</li></ul> | |
|
* Samples: |
|
| sentence_0 | sentence_1 | label | |
|
|:------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------| |
|
| <code>query: ополаскиватель для рта</code> | <code>passage: Блин сырный по-голландски; Голландский сырный блинчик с пикантным чесноком и домашним майонезом; Блины; Цена: 218.0; Рейтинг: 4.8</code> | <code>0.0</code> | |
|
| <code>query: таблетки для посудомоечной машины</code> | <code>passage: Десерт многослойный с фруктовым соком; Сочное желе из натуральных соков с фруктозно-глюкозным сиропом. Кисло-сладкий десерт.; Пирожные, муссы, суфле; Цена: 75.0; Рейтинг: 4.8</code> | <code>0.0</code> | |
|
| <code>query: пельмени с индейкой мини</code> | <code>passage: Кумин молотый Золото Индии; Сильный сладковато-горький вкус. Идеально с рыбой, молочными продуктами и овощами.; Специи и приправы; Цена: 137.0; Рейтинг: 4.9</code> | <code>0.0</code> | |
|
* Loss: [<code>CosineSimilarityLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cosinesimilarityloss) with these parameters: |
|
```json |
|
{ |
|
"loss_fct": "torch.nn.modules.loss.MSELoss" |
|
} |
|
``` |
|
|
|
### Training Hyperparameters |
|
#### Non-Default Hyperparameters |
|
|
|
- `eval_strategy`: steps |
|
- `per_device_train_batch_size`: 32 |
|
- `per_device_eval_batch_size`: 32 |
|
- `fp16`: True |
|
- `multi_dataset_batch_sampler`: round_robin |
|
|
|
#### All Hyperparameters |
|
<details><summary>Click to expand</summary> |
|
|
|
- `overwrite_output_dir`: False |
|
- `do_predict`: False |
|
- `eval_strategy`: steps |
|
- `prediction_loss_only`: True |
|
- `per_device_train_batch_size`: 32 |
|
- `per_device_eval_batch_size`: 32 |
|
- `per_gpu_train_batch_size`: None |
|
- `per_gpu_eval_batch_size`: None |
|
- `gradient_accumulation_steps`: 1 |
|
- `eval_accumulation_steps`: None |
|
- `torch_empty_cache_steps`: None |
|
- `learning_rate`: 5e-05 |
|
- `weight_decay`: 0.0 |
|
- `adam_beta1`: 0.9 |
|
- `adam_beta2`: 0.999 |
|
- `adam_epsilon`: 1e-08 |
|
- `max_grad_norm`: 1 |
|
- `num_train_epochs`: 3 |
|
- `max_steps`: -1 |
|
- `lr_scheduler_type`: linear |
|
- `lr_scheduler_kwargs`: {} |
|
- `warmup_ratio`: 0.0 |
|
- `warmup_steps`: 0 |
|
- `log_level`: passive |
|
- `log_level_replica`: warning |
|
- `log_on_each_node`: True |
|
- `logging_nan_inf_filter`: True |
|
- `save_safetensors`: True |
|
- `save_on_each_node`: False |
|
- `save_only_model`: False |
|
- `restore_callback_states_from_checkpoint`: False |
|
- `no_cuda`: False |
|
- `use_cpu`: False |
|
- `use_mps_device`: False |
|
- `seed`: 42 |
|
- `data_seed`: None |
|
- `jit_mode_eval`: False |
|
- `use_ipex`: False |
|
- `bf16`: False |
|
- `fp16`: True |
|
- `fp16_opt_level`: O1 |
|
- `half_precision_backend`: auto |
|
- `bf16_full_eval`: False |
|
- `fp16_full_eval`: False |
|
- `tf32`: None |
|
- `local_rank`: 0 |
|
- `ddp_backend`: None |
|
- `tpu_num_cores`: None |
|
- `tpu_metrics_debug`: False |
|
- `debug`: [] |
|
- `dataloader_drop_last`: False |
|
- `dataloader_num_workers`: 0 |
|
- `dataloader_prefetch_factor`: None |
|
- `past_index`: -1 |
|
- `disable_tqdm`: False |
|
- `remove_unused_columns`: True |
|
- `label_names`: None |
|
- `load_best_model_at_end`: False |
|
- `ignore_data_skip`: False |
|
- `fsdp`: [] |
|
- `fsdp_min_num_params`: 0 |
|
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False} |
|
- `fsdp_transformer_layer_cls_to_wrap`: None |
|
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None} |
|
- `deepspeed`: None |
|
- `label_smoothing_factor`: 0.0 |
|
- `optim`: adamw_torch |
|
- `optim_args`: None |
|
- `adafactor`: False |
|
- `group_by_length`: False |
|
- `length_column_name`: length |
|
- `ddp_find_unused_parameters`: None |
|
- `ddp_bucket_cap_mb`: None |
|
- `ddp_broadcast_buffers`: False |
|
- `dataloader_pin_memory`: True |
|
- `dataloader_persistent_workers`: False |
|
- `skip_memory_metrics`: True |
|
- `use_legacy_prediction_loop`: False |
|
- `push_to_hub`: False |
|
- `resume_from_checkpoint`: None |
|
- `hub_model_id`: None |
|
- `hub_strategy`: every_save |
|
- `hub_private_repo`: False |
|
- `hub_always_push`: False |
|
- `gradient_checkpointing`: False |
|
- `gradient_checkpointing_kwargs`: None |
|
- `include_inputs_for_metrics`: False |
|
- `eval_do_concat_batches`: True |
|
- `fp16_backend`: auto |
|
- `push_to_hub_model_id`: None |
|
- `push_to_hub_organization`: None |
|
- `mp_parameters`: |
|
- `auto_find_batch_size`: False |
|
- `full_determinism`: False |
|
- `torchdynamo`: None |
|
- `ray_scope`: last |
|
- `ddp_timeout`: 1800 |
|
- `torch_compile`: False |
|
- `torch_compile_backend`: None |
|
- `torch_compile_mode`: None |
|
- `dispatch_batches`: None |
|
- `split_batches`: None |
|
- `include_tokens_per_second`: False |
|
- `include_num_input_tokens_seen`: False |
|
- `neftune_noise_alpha`: None |
|
- `optim_target_modules`: None |
|
- `batch_eval_metrics`: False |
|
- `eval_on_start`: False |
|
- `eval_use_gather_object`: False |
|
- `batch_sampler`: batch_sampler |
|
- `multi_dataset_batch_sampler`: round_robin |
|
|
|
</details> |
|
|
|
### Training Logs |
|
| Epoch | Step | dev_spearman_max | |
|
|:-----:|:----:|:----------------:| |
|
| 1.0 | 103 | 0.8078 | |
|
| 2.0 | 206 | 0.8052 | |
|
| 3.0 | 309 | 0.8022 | |
|
|
|
|
|
### Framework Versions |
|
- Python: 3.10.12 |
|
- Sentence Transformers: 3.2.0 |
|
- Transformers: 4.44.0 |
|
- PyTorch: 2.3.1+cu121 |
|
- Accelerate: 0.31.0 |
|
- Datasets: 2.20.0 |
|
- Tokenizers: 0.19.1 |
|
|
|
## Citation |
|
|
|
### BibTeX |
|
|
|
#### Sentence Transformers |
|
```bibtex |
|
@inproceedings{reimers-2019-sentence-bert, |
|
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks", |
|
author = "Reimers, Nils and Gurevych, Iryna", |
|
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing", |
|
month = "11", |
|
year = "2019", |
|
publisher = "Association for Computational Linguistics", |
|
url = "https://arxiv.org/abs/1908.10084", |
|
} |
|
``` |
|
|
|
<!-- |
|
## Glossary |
|
|
|
*Clearly define terms in order to be accessible across audiences.* |
|
--> |
|
|
|
<!-- |
|
## Model Card Authors |
|
|
|
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* |
|
--> |
|
|
|
<!-- |
|
## Model Card Contact |
|
|
|
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* |
|
--> |
