--- base_model: ai-forever/ruRoberta-large datasets: [] language: [] library_name: sentence-transformers pipeline_tag: sentence-similarity tags: - sentence-transformers - sentence-similarity - feature-extraction - generated_from_trainer - dataset_size:6500 - loss:MultipleNegativesRankingLoss widget: - source_sentence: Цитологическое исследование пунктата кожи sentences: - Цитологическая диагностика поражения кожи, исследование соскобов и отпечатков эрозий, ран, свищей - Панель аллергенов деревьев № 2 IgE (клен ясенелистный, тополь, вяз, дуб, пекан), - Панель аллергенов деревьев № 1 IgE (клен ясенелистный, береза, вяз, дуб, грецкий орех), - source_sentence: 12.4.3.06 Аллерген f222 - чай листовой, IgE (ImmunoCAP) sentences: - Панель аллергенов трав № 1 IgE (ежа сборная, овсяница луговая, рожь многолетняя, тимофеевка, мятлик луговой), - Панель аллергенов животных/перья птиц/ № 72 IgE (перо волнистого попугая, перо попугая, перо канарейки), - Панель аллергенов животных/перья птиц/ № 71 IgE (перо гуся, перо курицы, перо утки, перо индюка), - source_sentence: Общий анализ крови без лейкоцитарной формулы sentences: - Железо , - Панель ингаляционных аллергенов № 1 IgE (ежасборная, тимофеевка, японский кедр, амброзия обыкновенная, полыньобыкновенная), - Панель аллергенов трав № 3 IgE (колосок душистый, рожь многолетняя, тимофеевка, рожь культивированная, бухарник шерстистый), - source_sentence: 12.01.04 Аллергокомпонент f233 - овомукоид яйца nGal d1, IgE (ImmunoCAP) sentences: - Антистрептолизин-0 Asl-0 - Панель аллергенов сорных растений и цветов № 5 IgE (амброзия обыкновенная, полынь обыкновенная, золотарник, нивяник, одуванчик лекарственный), - Панель профессиональных аллергенов № 1 IgE перхоть лошади, перхоть коровы, перо гуся, перо курицы, - source_sentence: ДНК вируса папиломы человека ВКР генотип (количественный) соскоб sentences: - ДНК Human Papillomavirus высокого канцерогенного риска (16, 18, 31, 33, 35, 39, 45, 51, 52, 56, 58, 59 типов) с определением типа - Панель ингаляционных аллергенов № 8 IgE (эпителий кошки, клещ-дерматофаг перинный, береза, перхоть собаки, полынь обыкновенная, тимофеевка, рожь культивированная, плесневый гриб (Cladosporum herbarum)), - Панель ингаляционных аллергенов № 9 IgE (эпителий кошки, перхоть собаки, овсяница луговая, плесневый гриб (Alternaria tenuis), подорожник) --- # SentenceTransformer based on ai-forever/ruRoberta-large This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [ai-forever/ruRoberta-large](https://huggingface.co/ai-forever/ruRoberta-large). It maps sentences & paragraphs to a 1024-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:** [ai-forever/ruRoberta-large](https://huggingface.co/ai-forever/ruRoberta-large) - **Maximum Sequence Length:** 514 tokens - **Output Dimensionality:** 1024 tokens - **Similarity Function:** Cosine Similarity ### 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': 514, 'do_lower_case': False}) with Transformer model: RobertaModel (1): Pooling({'word_embedding_dimension': 1024, '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("sentence_transformers_model_id") # Run inference sentences = [ 'ДНК вируса папиломы человека ВКР генотип (количественный) соскоб', 'ДНК Human Papillomavirus высокого канцерогенного риска (16, 18, 31, 33, 35, 39, 45, 51, 52, 56, 58, 59 типов) с определением типа', 'Панель ингаляционных аллергенов № 9 IgE (эпителий кошки, перхоть собаки, овсяница луговая, плесневый гриб (Alternaria tenuis), подорожник)', ] embeddings = model.encode(sentences) print(embeddings.shape) # [3, 1024] # Get the similarity scores for the embeddings similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [3, 3] ``` ## Training Details ### Training Dataset #### Unnamed Dataset * Size: 6,500 training samples * Columns: sentence_0 and sentence_1 * Approximate statistics based on the first 1000 samples: | | sentence_0 | sentence_1 | |:--------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------| | type | string | string | | details | | | * Samples: | sentence_0 | sentence_1 | |:---------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------| | 12.01.14 Аллергокомпонент f76 - альфа-лактальбумин nBos d 4, IgE (ImmunoCAP) | Панель аллергенов деревьев № 5 IgE (oльха, лещина обыкновенная, вяз, ива, тополь), | | нет до 18.12 12.02.2.00 Панель "профессиональных" аллергенов № 1 (IgE): перхоть лошади, перхоть коровы, перо гуся, перо курицы | Панель профессиональных аллергенов № 1 IgE перхоть лошади, перхоть коровы, перо гуся, перо курицы, | | 12.4.7.21 Аллерген f212 - Грибы (шампиньоны)/Agaricus hortensis, IgE (ImmunoCAP) | Панель аллергенов деревьев № 5 IgE (oльха, лещина обыкновенная, вяз, ива, тополь), | * Loss: [MultipleNegativesRankingLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters: ```json { "scale": 20.0, "similarity_fct": "cos_sim" } ``` ### Training Hyperparameters #### Non-Default Hyperparameters - `num_train_epochs`: 11 - `multi_dataset_batch_sampler`: round_robin #### All Hyperparameters
Click to expand - `overwrite_output_dir`: False - `do_predict`: False - `eval_strategy`: no - `prediction_loss_only`: True - `per_device_train_batch_size`: 8 - `per_device_eval_batch_size`: 8 - `per_gpu_train_batch_size`: None - `per_gpu_eval_batch_size`: None - `gradient_accumulation_steps`: 1 - `eval_accumulation_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`: 11 - `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`: 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 - `batch_sampler`: batch_sampler - `multi_dataset_batch_sampler`: round_robin
### Training Logs | Epoch | Step | Training Loss | |:-------:|:----:|:-------------:| | 0.6150 | 500 | 1.6066 | | 1.2300 | 1000 | 1.5108 | | 1.8450 | 1500 | 1.4851 | | 2.4600 | 2000 | 1.4971 | | 3.0750 | 2500 | 1.5269 | | 3.6900 | 3000 | 1.5257 | | 4.3050 | 3500 | 1.4807 | | 4.9200 | 4000 | 1.4484 | | 5.5351 | 4500 | 1.4794 | | 6.1501 | 5000 | 1.4514 | | 6.7651 | 5500 | 1.4552 | | 7.3801 | 6000 | 1.483 | | 7.9951 | 6500 | 1.4573 | | 8.6101 | 7000 | 1.4676 | | 9.2251 | 7500 | 1.4458 | | 9.8401 | 8000 | 1.449 | | 10.4551 | 8500 | 1.4683 | ### Framework Versions - Python: 3.10.12 - Sentence Transformers: 3.0.1 - Transformers: 4.41.2 - PyTorch: 2.3.0+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", } ``` #### 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} } ```