File size: 51,532 Bytes

5a52de3

---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:6650
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
base_model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
widget:
- source_sentence: Завхан аймгийн нутаг дэвсгэрийн хамгийн өндөр, хамгийн нам цэгүүдийн
    өндрийн зөрүү хэд вэ?
  sentences:
  - Ц. Доржпаламын төрсөн ах) Гавьяат жүжигчин, балетчин Юндэндоогийн Цэрмаа (1973)
    Гавьяат жүжигчин, дуурийн дууч Пүрэвийн Цэвэлсүрэн (1976 - Ардын элч киноны Ариунаа)
    Гавьяат жүжигчин, дуурийн дууч, туслах найруулагч Гонгорын Батсүх (1976 - Морьтой
    ч болоосой киноны Гончиг) Гавьяат жүжигчин, дуучин Жавзмаагийн Нансалмаа (1990
    - Морины) Гавьяат жүжигчин, алиалагч Дамбын Батсүх (1996 - Циркийн) Гавьяат тээвэрчин
    Юндэнгийн Идэрчулуун (2004 - Монголын төмөр замын ахмад ажилтан) Гавьяат жүжигчин
    Цэндийн Цэнд-Аюуш (2008 - Нийслэл хүү киноны Ягаан Гажид) Гавьяат жүжигчин, уртын
    дууч Сосорбурамын Цогтсайхан (2016) Гавьяат малын эмч Шархүүгийн Цэрэндорж (2010)
    Ерөөлч магтаалч Бархасын Эрдэнэбаатар Гавьяат жүжигчин, дуучин Цэрэнгийн Чулуунцэцэг
    Гавьяат жүжигчин, дуучин,Адилбишийн Дүнжмаа Монголын улсын хамгийн олон ромбо,
    энгэрийн тэмдэг цуглуулсан,Найдангийн Батсүх Монгол улсын соёлын гавьяат зүтгэлтэн
    Найдансүрэнгийн Дариймаа Үндэсний сурын ууган мастер, Улсын мэргэн Шагдарын Жамбасамбуу
    ;Төр
  - хойд хэсэгт оршдог. Завхан аймгийн нутаг дэвсгэр нь Монгол орны дундаж өндрөөс
    500 метр орчим илүү өндөрлөг газар байрлана. Аймгийн нутаг зүүнээс баруун тийш
    намсаж тогтжээ. Хангайн нурууны ноён оргил 4031 метр өндөр Отгонтэнгэр уул, хамгийн
    нам цэг Дөргөн нуурын хөвөөнд хилийн цэг 1132 метр далайн түвшнээс дээш 2000 метрт
    оршдог нь Төв Азийн уулархаг сэрүүн бүсэд хамарч, хур, чийг багатай хангай, хээр,
    говь хосолсон нутаг юм. Аймгийн нутагт Их нууруудын чиглэлийн Монгол элс, дунд
    хэсгээр Бор хярын элс, өргөргийн дагуу баруунаас нийт нутгийн 50 орчим хувьд түрж
    орсон байх ба хойд хилийн дагуух Тэсийн голд тармацаг элстэй байдаг. Аймгийн төв
    Улиастай нь Улаанбаатараас 1023 км алс зайтай оршдог байна. == Ан амьтан, ургамал
    == Сав газрын онцлогт дасан зохицсон хуурайсаг ургамлууд зонхилсон нийт 253 зүйл
    ургамлаас 29% нь эмийн найрлагад орох, ахуй, хүнс, гоёл чимэглэлийн зэрэг зориулалтаар
    хэрэглэгддэг байна. Энэхүү сав газарт 18 зүйлийн нэн ховор, ховор ургамал, 15
    зүйл унаган ургамал, 3
  - Чулуутын хавцал Архангай аймаг нь Монгол Улсын 21 аймгийн нэг. Аймгийн төв нь
    Цэцэрлэг хот юм. == Газар зүй == Далайн төвшнөөс дээш дунджаар 2414 метр. Хамгийн
    өндөр цэг нь 3539 метр өндөр Харлагтайн сарьдаг уул. Хамгийн нам дор цэг нь 1290
    метр өндөр Орхон Тамирын бэлчир юм. Хойд талаараа Хөвсгөл аймагтай, зүүн талаараа
    Булган аймагтай, өмнө талаараа Өвөрхангай аймагтай, баруун хойд талаараа Завхан
    аймагтай тус тус хиллэдэг. Дийлэнхдээ ойт хээр, тал хээр нутагтай, баруун урдуур
    нь Хангайн нуруу, баруун хойгуур нь түүний салбар болох Тарвагатайн нуруу оршдог
    ба зүүн болон төв хэсгээр тэдгээрээс эх авсан Орхон, Хануй, Тамир, Чулуут зэрэг
    томоохон голууд урсдаг. Энэ нутаг нь аялал жуулчлалын нэгэн чухал газар бөгөөд
    Өгий, Тэрхийн цагаан зэрэг нуур болон Хорго, Тайхар чулуу зэрэг галт уулын тогтцоороо
    олны анхаарлыг татдаг. === Уур амьсгал === Цэцэрлэг хотод агаарын дундаж температур
    нь жилд 0.1 бөгөөд, өвөл 1-р сард -15.6 хэм хүйтэн, зун нь 7-р сард 14.7 хэм дулаан
    байдаг. Хангайн нуруу
- source_sentence: Хотгойд, Дархадын ноёд ямар зорилгоор цэрэглэж байв?
  sentences:
  - тамир романы нэр. Ангилал:Азийн гол мөрөн Ангилал:Монголын гол мөрөн Ангилал:Архангай
    аймгийн гол мөрөн
  - 6,6 сая төгрөг, 1981 онд 33,7 сая, 1990 онд 78,4 сая төгрөг болж өсчээ. Увс аймгийн
    төв нь Улаангом сум юм. 1957 онд барилгын 3-р ангийг тус суманд байгуулснаар орчин
    үеийн хийц загвар бүхий олон сайхан барилга байгууламж баригдан Улаангом сум хотших
    төлөвөө олсон юм. 1942 онд Идэш тэжээлийн хүнсний комбинат, 1959 онд гурилын үйлдвэр
    ашиглалтанд орсноор Улаангом төдийгүй Увс аймгийн хүнсний хангамж эрс сайжирсан
    юм. 1959 онд Улаангом сумаас Улаангом хотыг тусгаарлан орон сууц гудамжны 4-р
    хороо, хотын АДХГЗ байгуулагдсан нь хотыг төлөвлөгөөтэй хөгжүүлэх өргөн бололцоог
    нээж өгсөн юм. Улаангом суманд одоо Увс аймгийн нийт хүн амын 30 шахам хувь буюу
    27.0 мянга гаруй хүн оршин амьдарч байна. Одоо Улаангом сум нь засаг захиргааны
    хувьд арван нэгэн багтай бөгөөд есөн баг нь Улаангом хотод, хоёр баг нь хөдөө
    аж ахуй, мал аж ахуй эрхэлж байна. == Газар зүй == Увс аймаг нь Монголын баруун
    хэсэгт Хан Хөхий, Хархираа, Түргэний уулс, Увс нуурын хотгорын говь нутгийг эзлэн
    оршино. Хамгийн өндөр
  - буй Оросуудын цайз, шивээг устгаж, шахан гаргахаар цэрэглэж Хотгойд, Дархадын
    ноёд, Байгаль нуурын баруун этгээдийн Түнхэний шивээ, Түшээт хан цэрэг, Байгалийн
    өвөр Сэлэнгэ, Үдийн шивээ, Цэцэн ханы цэрэг, Нерчүүгийн шивээг довтлон байх ахуйд,
    Засагт хан Шар, Зүүнгарын Галдан бошигт хантай хоёрын эвсэл гэгчийг байгуулан
    ар талаас нь цэрэглэн, дайрах гэж буй баттай мэдээ авсан, Чахундорж түрүүлэн хөдөлж
    түмэн цэрэг дайчлан, Засагт ханы нутагт довтолжээ. Энэ тулаанд, Засагт хан Шар,
    түүний хүргэн Галдан бошигтын дүү Доржжав нар алагдсан байна. Энэ хэрэг явдлын
    дараа Түшээт хан Чахундорж, Зүүнгарын Галдан ханд хандан чуулган хийх санал тавьсан
    ч Галдан бошигт үл зөвшөөрөн гурван түмэн цэрэгтэй, Халхын нутагт цөмрөн орсон
    бөгөөд, Буриад нутагт Оросуудын эсрэг дайтан байгаад Галдан бошигтыг тосон тулалдахаар
    яаравчлан, Халхын нутагт буцан ирсэн, Түшээт хан Чахундоржийн хүү Галдандоржийн
    удирдсан түмэн цэргийг, Төмөрт хэмээх газар, Халхын Сэцэн ханы Нерчүүгийн шивээг
    дайлж буй цэргийн хүчийг
- source_sentence: Орхон гол хэдэн сарын хэдэн хоног хөлддөг вэ?
  sentences:
  - Хайрхан суманд орших Хүннүгийн үеийн хамгийн том булш болох Гол модны дурсгал
    байдаг. Мөн Хүнүй болон Хануйн голын бэлчирийн ойр Илжгин чихт хааны балгас оршдог.
    === Түүхэн дурсгалт газар === Хүнүй голын хөндийд түүхэн дурсгалт олон газар байдаг.
    Бурхантын амны буган хөшөө Уртын амны буган хөшөө, Гол модны булш зэрэг нийт 50
    гаруй цэг бий. Үннэс хамгийн том нь гол модны дурсгалт газар юм. Хүннүгийн язгууртны
    оршуулгын цогцолбор дурсгалт газар болох “Гол мод 1” нь Архангай аймгийн Хайрхан
    сумын төвөөс зүүн урагш 35 км-ийн зайд, Хайрхан, Эрдэнэмандал сумын нутагт, Хүнүй
    голын хөндий залгасан өвс ургамалтай, модорхог 400 га газрыг эзлэн оршино. Нийт
    500 орчим булштай. Анх 1956 онд Монголын археологич Ц.Доржсүрэн илрүүлж, 26 жижиг
    булшийг малтан шинжилжээ. Монгол-Францын хамтарсан археологийн экспедиц 2000-
    2011 онд Гол модонд Хүннүгийн язгууртны булш малтах төсөл хэрэгжүүлж, язгууртны
    2 том булш (1, 20-р булш), дундаж хэмжээтэй булш 1 (79-р булш), дагуул болон жижиг
    15 булш малтан
  - нь Их Монгол Улсын далбаан дээр ч дүрслэгдсэн байдаг. Хожим энэ сүлд соёмбонд
    хэрэгдэгдэх болжээ. "Соёмбо" хэмээх санскрит үг нь "өөрөө гарсан гэгээн" гэдэг
    утгыг агуулдаг бөгөөд улс төр, гүн ухаан, шашны олон бэлгэдлийг агуулсан. Соёмбо
    нь ертөнцийн үүсэх эх сурвалж хэмээн дорно дахины гүн ухаанд үздэг хий, гал, шороо,
    ус гэсэн язгуур махбодуудыг дор нь байрлуулж, сав ертөнцийн оршилыг бэлэгдсэн
    шороо, ус, гал, хий огторгуйг дээр нь дүрслэн, дунд нь шим ертөнц буюу хүний арга
    билгийг дүрсэлжээ. Улс төрийн бэлгэдэл нь соёмбын дээд талд нь айл өрх, улс хотлоороо
    өнгөрсөн-одоо-ирээдүйд үүрд мандан бадрахыг, нар сар нь монголын ард түмэн цэцэглэн
    хөгжих, гурвалжин нь сум мэт хурц эрэмгий байхыг, дундах загас нь өнөр өтгөн,
    сонор соргогийг, хажуугийн босоо шугам нь хэрэм мэт бат бөх байхыг төсөөлдөг.
    Соёмбын бам үсэг нь арга билэг хослохыг, доорх бадам нь язгуурын төр шашнаа мандуулан
    хөгжүүлэхийг бэлгэджээ. Ийнхүү соёмбо сүлд нь дорно дахины төр, улс үндэстний
    болон гүн ухааны бүх
  - Ерөө гол нийлснээс хойш усны түвшин нь хурдан дээшилдэг. Орхоны хөндий нь нугатай,
    тариалангийн ихээхэн талбайтай. Эрдэнэ-Зуу (Өвөрхангай) орчимд Орхоны усыг усжуулалтад
    ашигладаг. Энд 8150 га талбайг услах чадалтай. Услалтын системийн суваг байдаг.
    Суваг дээр 528 квт чадалтай усан цахилгаан станц бий. Энэ бол манай улсын анхны
    усан цахилгаан станц юм. Орхон голыг Туулын адаг хүртэл усан замд ашиглаж болно
    гэж үздэг. Хөндий нь их өргөсч 10 км, голын өргөн нь 250 м, усны гүн нь 3.5 м,
    урсгалын хурд нь 2.5 м/с хүрнэ. Усны сүлжээний нягтшил нь 0.08 км/км. Орхон гол
    11-р сард хадаалж 130 орчим хоног хөлдүү байна. Гүн нь 3.5 м, урсгалын хурд нь
    2.5 м/с хүрнэ. Орхоны адаг нь (Сүхбаатар хотын орчимд) 602 м өндөрт байдаг. Адаг
    хавьдаа усны дундаж урсан өнгөрөлт нь 116 м³/с, урсацын модуль 0.76 л/с.км болдог.
    Усжуулахад ашигладаг. Орхонд зэвэг, цурхай, булуу цагаан, алгана, гутаар зэрэг
    загас бий. Орхон гол нь XVIII зууны "Халх журам" хуулиар хүрээний орчмоос амьтан
    агнахыг хориглосон газрыг
- source_sentence: Занабазар Ташилунпо хийдэд хэнийг төлөөлж байв?
  sentences:
  - 'хэл юм. === Цахар аялга === Цахар аялга (Шулуун хөх хошуу) нь Өвөр Монголын нэг
    төв аялга юм. == Өвөрлөгч аялга == Өвөр Монголд албан ёсоор хэрэглэгдэх Монгол
    хэл нь нэг төв аялга болох Цахар аялгыг баримжаа авиа гэж нэрлэдэг. Албан ёсоор
    хэлийг тэмдэглэхэд хэрэглэдэг Монгол бичиг бол олон авиаг нэг үсгээр тэмдэглэх
    уламжлалтай байдаг болон өөр хэлтэн хүмүүстээ холилдон сууж байгаа зэргээс шалтгаалан
    Өвөр Монголд олон аялга байдаг. Өвөр Монголын төв хэсэгт тархсан Цахар аялга нь
    Халх аялгатай ялгаа тун бага байдаг бол, зүүн талын Хорчин, Харчин аялга нь дуудлага,
    авиагаараа нэлээд ялгаатай. Энэ нь Монгол хэлний зүүн аялга юм. Хойд этгээдэд
    Барга, түүнийг төрөл Буриад аялга, баруун талд Ойрад аялгад (Ордос аялга багтана)
    байна. Өвөр Монгол дахь, Монгол хэл нь албан ёсоор Урд Монголын, Ойрад, Барга-Буриад
    гэх гурван аялгад хуваагддаг. Урд Монголын аялга гэдэг нь Цахар, Ордос, Баарин,
    Хорчин, Харчин болон Алшаа аман аялгануудыг хамарна. (Sečenbaγatur et al. 2005:
    85). == Буриад аялга =='
  - цастын орны Лхас хот уруу явсан. Төвөдийн нийслэлд жил хагас байхдаа Занабазар,
    Вадирагын 5-р Далай ламыг залах ёслолд орж, тэнд түүнийг хувилгаанд өргөмжлөн,
    Жавзандамба түүнд өөрийн тамгатай торгон балдахин бэлтгэсэн. Дараа нь Ташилунпо
    хийдэд Шигадзед Занабазар IV Панчин ламыг төлөөлсөн байв. Тэр түүний их багш нь
    болсон. Мөн Занабазар Гандан Пунцоглин хийдэд зочлов. Түүхийг 1642 онд Таранатха
    үндэслэсэн, дараа нь гелугийн сургуульд эзлэгдсэн. Занабазар Түвдэд айлчилсаны
    дараа олон төвд тангуд ламтай эх орондоо ирсэн. 1653 оны эхээр Занабазар Говийг
    туулж, Өвөр Монголын хаа нэгэнтээ 5-р Далай ламтай уулзсан. Тэр Чин улсын Эеэр
    засагч хаантай уулзаад ирж, мөн түүнийг Эрдэнэ Зуу хүртэл дагалдан явжээ. 1655
    оны намар дахиад Төвдөд өөрийн багш Панчин ламд бараалхжээ. Түүнтэй, бас Далай
    ламтай уулзаад 1656 оны намар Занабазар Халхад ирэв. ===Халх-Орос, Зүүнгарын дайн,
    Халхын хант улсууд Манжид дагаар орсон нь=== Тухайн үед Халх Монголын хант улсууд
    баруун, зүүн хоёр гарт хуваагдан
  - Хүн амын тоо (2003)Statistics office of Ömnögovi Aimag, Хүн амын тоо (2005) Хүн
    амын тоо (2017) Хүн амын тоо (2022) Сумын төвийн хүн амын тоо Нутаг дэвсгэр (км²)
    Нягтшил (/км²) Баяндалай 2,125 2,360 2,338 2,316 2049 651 15,751 0.13 Баян-Овоо
    1,577 1,569 1,539 1,574 1768 544 15,474 0.11 Булган 2,421 2,433 2,430 2,395 2017
    929 8,498 0.23 Гурвантэс 2,983 3,376 3,524 4,034 5283 1,842 27,967 0.18 Даланзадгад
    12,391 15,308 15,954 30,000 29645 30,880 476 62.27 Мандал-Овоо 2,345 2,166 2,004
    1,954 1598 603 7,433 0.21 Манлай 2,215 2,422 2,431 2,450 2645 608 15,418 0.17
    Ноён 1,417 1,468 1,390 1,318 1362 401 10,550 0.12 Номгон 2,608 3,045 3,009 2,869
    2462 787 19,468 0.12 Сэврэй 2,216 2,423 2,309 2,191 1967 709 8,095 0.24 Ханбогд
    2,161 2,451 2,659 3,154 8533 1,361 15,151 0.56 Ханхонгор 2,559 2,931 2,542 2,376
    1989 616 9,931 0.2 Хүрмэн 1,968 1,951 1,910 1,796 1551 495 12,393 0.12 Цогт-Овоо
    1,863 1,761 1,672 1,666 1921 619 6,526 0.29 Цогтцэций 1,990 2,130 2,155 2,642
    9149 1,043 7,246 1.26 ==Цахим
- source_sentence: Увс аймгийн хэдэн сум ОХУ-тай хиллэдэг вэ?
  sentences:
  - гэхчилэн ан амьтан элбэгтэй. Увс аймгийн 7 сум ОХУ-тай хиллэдэг. == Түүх соёлын
    дурсгалт газрууд == -Өмнөговь сумын Мунживын Дамбийжаагийн туурь, -Өмнөговь сумын
    Арлын хоогийн эртний туурь -Өмнөговь сумын Хүрэн үзүүрийн хадны зураг -Өмнөговь
    сумын Хөх оройн хадны зураг -Өмнөговь сумын Мунживын хадны зураг -Өмнөговь сумын
    Бор хагийн хос хяргисүүр -Өмнөговь сумын Ацаан бэлийн хадны зураг, хүн чулуу -Өмнөговь
    сумын Шар булгийн хадны зураг, хөшөө чулуунууд -Өмнөговь сумын Ховд голын хавцалын
    хадны зураг, хөшөө чулуунууд  Сагил сум, Ганц харгайтын бичигт хадны зураг  Зүүнхангай
    сум, Зураагийн улаан хадны зураг  Сагил сум, Зүүн турагийн тэрэм хадны зураг  Сагил
    сум, Их сарын хадны зураг  Сагил сум, Можоогийн хадны зураг  Давст сум, Мөнгөт
    Цахирын хадны зураг  Наранбулаг сум, Наранбулагийн хадны зураг  Сагил сум, Үнхэлцэгийн
    хадны зураг  Давст сум, Тэхтийн давааны хадны зураг  Сагил сум, Хад үзүүрийн хадны
    зураг  Баруутуруун сум, Хар Цагаан усны хадны зураг  Сагил сум, Цагаан өтөгийн
    хадны
  - 320px|Чулуутын хавцал Чулуут гол нь Хангайн нурууны Гурван Ангархай уулын баруун
    хэсгийн араас эх авч Даваатын гол нэртэйгээр урсан хэд хэдэн гол горхиудыг нийлүүлэн
    авч Чулуут гол болон 415 км урсаж Идэр голын баруун гарт очиж нийлнэ. Усаа цуглуулах
    талбай нь 10750 ам.дөр.км, усны уналт нь 2000 м, гулдралын өргөн нь 80 м, гүн
    нь 3 м, урсгалын хурд нь 2 м/с ,усны жилийн урсан өнгөрөлт нь 25 шоо м хүрнэ.
    Хөндий, гулдрал нь хад чулуу ихтэй учраас Чулуут гол гэдэг нэртэй болжээ. Чулуут
    гол нь Тээлийн голын (их замын гүрнээс доош) адгаас доош Ацатын горхины адаг хүртэл
    100 орчим км газарт 40-60 орчим м гүн хүрмэн чулуун хавцал үүсгэж урсана. Энэ
    хүрмэн чулуу нь Хорго орчмын галт уулын дэлбэрэлтийн үед урсан ирсэн магмын бүтээгдхүүн
    юм. Чулуут голд Ихжаргалант гол, Хүрэмт гол, Туул гол, Ажирга гол, Хангал, Бумбат
    гол, Өлзийт гол, Мөрөн гол, Уужим гол, Даага гол, Ацат гол, Тээл гол, Суман гол
    зэрэг олон гол горхи цутгана. Чулуут голын савд хойд өргөрөгийн 47°49', зүүн уртрагийн
    100°15'-ын
  - Сумдын туг, нутгийн алдартдын хөрөг Өмнөговь (монгол бичгээр – эмүнэгоби) — Монгол
    Улсын аймаг. 1931 онд байгуулагдсан. Монголын хамгийн том газар нутагтай аймаг
    бөгөөд далайн түвшинээс дээш 1406 метр өндөрт оршдог. Аймгийн төв Даланзадгад
    хот Улаанбаатараас. 553 км зайтай. Нутаг дэвсгэрийн хэмжээ 165.4 мянган ам км.
    2010 оны байдлаар хүн амын тоо 6114, малын тоо толгой 1014300. Тэмээний тоогоор
    улсад тэргүүлдэг бөгөөд 8800 Тэмээтэй. Өмнөговь аймаг 1931 онд байгуулагджээ.
    Алдарт Говь гурван сайхан уул, Борзон, Галба, Зээмэг, Заг, Сүүж гэх мэт олон зуун
    км үргэлжлэх өргөн их говиудтай.Монгол лсын хамгийн дулаан бүсүүдийн нэг бөгөөд
    хамгийн их салхилдаг нутаг юм. Өмнөговь аймаг нүүрс, зэс, алтны том ордуудтай.
    250 гаруй төрлийн говийн ургамал ургадаг. Социализмын үед 60 гаруй сүм хийдтэй
    байв. Монгол орны өмнөд хил хязгаар болох бүс нутаг учрааc 40-60 морьтой 130 гаруй
    өртөөтэй байжээ. 1954 он хүртэл 8-10 мянган тэмээгээр жин тээж хойд хилийн Цагаан
    эрэг- ийн бааз хүртэл 2000 км замыг
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- cosine_accuracy@1
- cosine_accuracy@3
- cosine_accuracy@5
- cosine_accuracy@10
- cosine_precision@1
- cosine_precision@3
- cosine_precision@5
- cosine_precision@10
- cosine_recall@1
- cosine_recall@3
- cosine_recall@5
- cosine_recall@10
- cosine_ndcg@10
- cosine_mrr@10
- cosine_map@100
model-index:
- name: SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
  results:
  - task:
      type: information-retrieval
      name: Information Retrieval
    dataset:
      name: Unknown
      type: unknown
    metrics:
    - type: cosine_accuracy@1
      value: 0.42
      name: Cosine Accuracy@1
    - type: cosine_accuracy@3
      value: 0.5346666666666666
      name: Cosine Accuracy@3
    - type: cosine_accuracy@5
      value: 0.588
      name: Cosine Accuracy@5
    - type: cosine_accuracy@10
      value: 0.666
      name: Cosine Accuracy@10
    - type: cosine_precision@1
      value: 0.42
      name: Cosine Precision@1
    - type: cosine_precision@3
      value: 0.1782222222222222
      name: Cosine Precision@3
    - type: cosine_precision@5
      value: 0.11759999999999998
      name: Cosine Precision@5
    - type: cosine_precision@10
      value: 0.06659999999999998
      name: Cosine Precision@10
    - type: cosine_recall@1
      value: 0.42
      name: Cosine Recall@1
    - type: cosine_recall@3
      value: 0.5346666666666666
      name: Cosine Recall@3
    - type: cosine_recall@5
      value: 0.588
      name: Cosine Recall@5
    - type: cosine_recall@10
      value: 0.666
      name: Cosine Recall@10
    - type: cosine_ndcg@10
      value: 0.5335526727369976
      name: Cosine Ndcg@10
    - type: cosine_mrr@10
      value: 0.4923439153439156
      name: Cosine Mrr@10
    - type: cosine_map@100
      value: 0.5018747528418931
      name: Cosine Map@100
---

# SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2). 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:** [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2) <!-- at revision 8d6b950845285729817bf8e1af1861502c2fed0c -->
- **Maximum Sequence Length:** 128 tokens
- **Output Dimensionality:** 384 dimensions
- **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': 128, '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})
)
```

## 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("gmunkhtur/finetuned_paraphrase-multilingual_test")
# Run inference
sentences = [
    'Увс аймгийн хэдэн сум ОХУ-тай хиллэдэг вэ?',
    'гэхчилэн ан амьтан элбэгтэй. Увс аймгийн 7 сум ОХУ-тай хиллэдэг. == Түүх соёлын дурсгалт газрууд == -Өмнөговь сумын Мунживын Дамбийжаагийн туурь, -Өмнөговь сумын Арлын хоогийн эртний туурь -Өмнөговь сумын Хүрэн үзүүрийн хадны зураг -Өмнөговь сумын Хөх оройн хадны зураг -Өмнөговь сумын Мунживын хадны зураг -Өмнөговь сумын Бор хагийн хос хяргисүүр -Өмнөговь сумын Ацаан бэлийн хадны зураг, хүн чулуу -Өмнөговь сумын Шар булгийн хадны зураг, хөшөө чулуунууд -Өмнөговь сумын Ховд голын хавцалын хадны зураг, хөшөө чулуунууд  Сагил сум, Ганц харгайтын бичигт хадны зураг  Зүүнхангай сум, Зураагийн улаан хадны зураг  Сагил сум, Зүүн турагийн тэрэм хадны зураг  Сагил сум, Их сарын хадны зураг  Сагил сум, Можоогийн хадны зураг  Давст сум, Мөнгөт Цахирын хадны зураг  Наранбулаг сум, Наранбулагийн хадны зураг  Сагил сум, Үнхэлцэгийн хадны зураг  Давст сум, Тэхтийн давааны хадны зураг  Сагил сум, Хад үзүүрийн хадны зураг  Баруутуруун сум, Хар Цагаан усны хадны зураг  Сагил сум, Цагаан өтөгийн хадны',
    'Сумдын туг, нутгийн алдартдын хөрөг Өмнөговь (монгол бичгээр – эмүнэгоби) — Монгол Улсын аймаг. 1931 онд байгуулагдсан. Монголын хамгийн том газар нутагтай аймаг бөгөөд далайн түвшинээс дээш 1406 метр өндөрт оршдог. Аймгийн төв Даланзадгад хот Улаанбаатараас. 553 км зайтай. Нутаг дэвсгэрийн хэмжээ 165.4 мянган ам км. 2010 оны байдлаар хүн амын тоо 6114, малын тоо толгой 1014300. Тэмээний тоогоор улсад тэргүүлдэг бөгөөд 8800 Тэмээтэй. Өмнөговь аймаг 1931 онд байгуулагджээ. Алдарт Говь гурван сайхан уул, Борзон, Галба, Зээмэг, Заг, Сүүж гэх мэт олон зуун км үргэлжлэх өргөн их говиудтай.Монгол лсын хамгийн дулаан бүсүүдийн нэг бөгөөд хамгийн их салхилдаг нутаг юм. Өмнөговь аймаг нүүрс, зэс, алтны том ордуудтай. 250 гаруй төрлийн говийн ургамал ургадаг. Социализмын үед 60 гаруй сүм хийдтэй байв. Монгол орны өмнөд хил хязгаар болох бүс нутаг учрааc 40-60 морьтой 130 гаруй өртөөтэй байжээ. 1954 он хүртэл 8-10 мянган тэмээгээр жин тээж хойд хилийн Цагаан эрэг- ийн бааз хүртэл 2000 км замыг',
]
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

#### Information Retrieval

* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)

| Metric              | Value      |
|:--------------------|:-----------|
| cosine_accuracy@1   | 0.42       |
| cosine_accuracy@3   | 0.5347     |
| cosine_accuracy@5   | 0.588      |
| cosine_accuracy@10  | 0.666      |
| cosine_precision@1  | 0.42       |
| cosine_precision@3  | 0.1782     |
| cosine_precision@5  | 0.1176     |
| cosine_precision@10 | 0.0666     |
| cosine_recall@1     | 0.42       |
| cosine_recall@3     | 0.5347     |
| cosine_recall@5     | 0.588      |
| cosine_recall@10    | 0.666      |
| **cosine_ndcg@10**  | **0.5336** |
| cosine_mrr@10       | 0.4923     |
| cosine_map@100      | 0.5019     |

<!--
## 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: 6,650 training samples
* Columns: <code>sentence_0</code> and <code>sentence_1</code>
* Approximate statistics based on the first 1000 samples:
  |         | sentence_0                                                                        | sentence_1                                                                           |
  |:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
  | type    | string                                                                            | string                                                                               |
  | details | <ul><li>min: 9 tokens</li><li>mean: 17.65 tokens</li><li>max: 42 tokens</li></ul> | <ul><li>min: 30 tokens</li><li>mean: 126.06 tokens</li><li>max: 128 tokens</li></ul> |
* Samples:
  | sentence_0                                                     | sentence_1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                            |
  |:---------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
  | <code>Дорноговь аймаг хэдэн онд байгуулагдсан бэ?</code>       | <code>Дорноговь (монгол бичгээр – дорунагоби) аймаг нь Монгол Улсын зүүн аймаг бөгөөд 1931 онд байгуулагдсан. 2017 оны эцсээр 14 сум, 64 баг, 68606 хүн амтай бөгөөд олон хүн амын тоо хурдацтай нэмэгдэж байгаа юм. Аймгийн төв Сайншанд сум нь улсын нийслэл Улаанбаатар хотоос 450км-т оршдог. Дорноговь аймаг Монгол орны зүүн өмнөд хязгаарт Өмнөговь, Дундговь, Говьсүмбэр, Хэнтий, Сүхбаатар аймгуудтай хил залган оршдог. БНХАУ-тай 600 км- урт газраар хиллэдэг. Хойд, урд хоёр гүрнийг холбосон, төвийн бүсийн хөгжлийн гол тэнхлэг болсон төмөр зам дайран өнгөрдөг. Энэ замын дагуу тус аймгийн бүх сумын 42,8 хувь, хүн амын 61 хувь нь оршин сууж байна. == Хүн ам == Дорноговь аймагт 2017 оны эцсийн байдлаар 20844 өрхөд 68606 хүн ам оршин суудаг бөгөөд 1 кв.км нутаг дэвсгэрт 1.5 хүн ногдож байна. Хүн амын 61 хувь нь Сайншанд хотод, 15.2 хувь нь сумын төвд, 24.2 хувь нь хөдөөд оршин суудаг. Хүн амын 48,7 хувь нь эрэгтэйчүүд, 51,3 хувь нь эмэгтэйчүүд байна. Нэг өрхөд дунджаар 3,4 хүн ногддог. Нийт 19,7 мянган</code> |
  | <code>Дорноговь аймгийн хүн амын тоо 2017 онд хэд байв?</code> | <code>Дорноговь (монгол бичгээр – дорунагоби) аймаг нь Монгол Улсын зүүн аймаг бөгөөд 1931 онд байгуулагдсан. 2017 оны эцсээр 14 сум, 64 баг, 68606 хүн амтай бөгөөд олон хүн амын тоо хурдацтай нэмэгдэж байгаа юм. Аймгийн төв Сайншанд сум нь улсын нийслэл Улаанбаатар хотоос 450км-т оршдог. Дорноговь аймаг Монгол орны зүүн өмнөд хязгаарт Өмнөговь, Дундговь, Говьсүмбэр, Хэнтий, Сүхбаатар аймгуудтай хил залган оршдог. БНХАУ-тай 600 км- урт газраар хиллэдэг. Хойд, урд хоёр гүрнийг холбосон, төвийн бүсийн хөгжлийн гол тэнхлэг болсон төмөр зам дайран өнгөрдөг. Энэ замын дагуу тус аймгийн бүх сумын 42,8 хувь, хүн амын 61 хувь нь оршин сууж байна. == Хүн ам == Дорноговь аймагт 2017 оны эцсийн байдлаар 20844 өрхөд 68606 хүн ам оршин суудаг бөгөөд 1 кв.км нутаг дэвсгэрт 1.5 хүн ногдож байна. Хүн амын 61 хувь нь Сайншанд хотод, 15.2 хувь нь сумын төвд, 24.2 хувь нь хөдөөд оршин суудаг. Хүн амын 48,7 хувь нь эрэгтэйчүүд, 51,3 хувь нь эмэгтэйчүүд байна. Нэг өрхөд дунджаар 3,4 хүн ногддог. Нийт 19,7 мянган</code> |
  | <code>Дорноговь аймаг ямар аймгуудтай хиллэдэг вэ?</code>      | <code>Дорноговь (монгол бичгээр – дорунагоби) аймаг нь Монгол Улсын зүүн аймаг бөгөөд 1931 онд байгуулагдсан. 2017 оны эцсээр 14 сум, 64 баг, 68606 хүн амтай бөгөөд олон хүн амын тоо хурдацтай нэмэгдэж байгаа юм. Аймгийн төв Сайншанд сум нь улсын нийслэл Улаанбаатар хотоос 450км-т оршдог. Дорноговь аймаг Монгол орны зүүн өмнөд хязгаарт Өмнөговь, Дундговь, Говьсүмбэр, Хэнтий, Сүхбаатар аймгуудтай хил залган оршдог. БНХАУ-тай 600 км- урт газраар хиллэдэг. Хойд, урд хоёр гүрнийг холбосон, төвийн бүсийн хөгжлийн гол тэнхлэг болсон төмөр зам дайран өнгөрдөг. Энэ замын дагуу тус аймгийн бүх сумын 42,8 хувь, хүн амын 61 хувь нь оршин сууж байна. == Хүн ам == Дорноговь аймагт 2017 оны эцсийн байдлаар 20844 өрхөд 68606 хүн ам оршин суудаг бөгөөд 1 кв.км нутаг дэвсгэрт 1.5 хүн ногдож байна. Хүн амын 61 хувь нь Сайншанд хотод, 15.2 хувь нь сумын төвд, 24.2 хувь нь хөдөөд оршин суудаг. Хүн амын 48,7 хувь нь эрэгтэйчүүд, 51,3 хувь нь эмэгтэйчүүд байна. Нэг өрхөд дунджаар 3,4 хүн ногддог. Нийт 19,7 мянган</code> |
* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
  ```json
  {
      "loss": "MultipleNegativesRankingLoss",
      "matryoshka_dims": [
          384,
          256,
          128,
          64,
          32
      ],
      "matryoshka_weights": [
          1,
          1,
          1,
          1,
          1
      ],
      "n_dims_per_step": -1
  }
  ```

### Training Hyperparameters
#### Non-Default Hyperparameters

- `eval_strategy`: steps
- `per_device_train_batch_size`: 32
- `per_device_eval_batch_size`: 32
- `num_train_epochs`: 5
- `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`: 5
- `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`: False
- `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`: None
- `hub_always_push`: False
- `gradient_checkpointing`: False
- `gradient_checkpointing_kwargs`: None
- `include_inputs_for_metrics`: False
- `include_for_metrics`: []
- `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
- `use_liger_kernel`: False
- `eval_use_gather_object`: False
- `average_tokens_across_devices`: False
- `prompts`: None
- `batch_sampler`: batch_sampler
- `multi_dataset_batch_sampler`: round_robin

</details>

### Training Logs
| Epoch  | Step | Training Loss | cosine_ndcg@10 |
|:------:|:----:|:-------------:|:--------------:|
| 0.2404 | 50   | -             | 0.3386         |
| 0.4808 | 100  | -             | 0.4567         |
| 0.7212 | 150  | -             | 0.4843         |
| 0.9615 | 200  | -             | 0.5051         |
| 1.0    | 208  | -             | 0.5070         |
| 1.2019 | 250  | -             | 0.5114         |
| 1.4423 | 300  | -             | 0.5221         |
| 1.6827 | 350  | -             | 0.5208         |
| 1.9231 | 400  | -             | 0.5238         |
| 2.0    | 416  | -             | 0.5272         |
| 2.1635 | 450  | -             | 0.5256         |
| 2.4038 | 500  | 6.5952        | 0.5273         |
| 2.6442 | 550  | -             | 0.5336         |


### Framework Versions
- Python: 3.10.12
- Sentence Transformers: 3.3.1
- Transformers: 4.47.1
- PyTorch: 2.5.1+cu121
- Accelerate: 1.2.1
- Datasets: 3.2.0
- Tokenizers: 0.21.0

## 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",
}
```

#### MatryoshkaLoss
```bibtex
@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}
```

#### MultipleNegativesRankingLoss
```bibtex
@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}
```

<!--
## 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.*
-->