e5_finetuned/README.md

metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:30
  - loss:TripletLoss
base_model: intfloat/multilingual-e5-small
widget:
  - source_sentence: 'query: เสื้อใน'
    sentences:
      - 'positive passage: เพจใยไหม เสื้อในคละสี 5 ตัว ไซส์ 38'
      - 'negative passage: Majorkids@ เสื้อยืดลายหมีสีน้ำตาล กางเกงยีนส์ 130'
      - 'positive passage: บรารุ่น so summer สี แทน ไซส์ M'
  - source_sentence: 'query: น้ำสมุนไพร'
    sentences:
      - >-
        positive passage: Lovejeans กางเกงยีนส์ ขากระบอกใหญ่ สีฟ้าเข้ม เอวสูง
        สีไม่ตก ผ้าไม่ยืด เป้าซิป ผ้าหนานุ่ม รหัส 609
      - 'negative passage: มีดสับ 5 in one'
      - >-
        positive passage: รุ่นเก่า น้ำสมุนไพรอ้อยแดง บำรุงไต ( อ้อยแดงแท้ 100%)
        เซ็ท 6 ขวด
  - source_sentence: 'query: เสื้อใน'
    sentences:
      - 'positive passage: ลูกปิงปอง yinhei'
      - >-
        negative passage: Majorkids@ เสื้อผ้าแฟชั่นเด็ก MIU เสื้อยืด สีขาว
        กางเกงยีนส์ขายาว ชุดเซ็ท 120
      - 'positive passage: เพจพลอยใส เสื้อในคละสี 5 ตัว ไซส์ 40'
  - source_sentence: 'query: น้ำมัน'
    sentences:
      - 'negative passage: กระเป๋าสีพื้น ใบกลาง'
      - 'positive passage: น้ำมันรำข้าว'
      - 'positive passage: ไม้ปิงปอง'
  - source_sentence: 'query: เสื้อใน'
    sentences:
      - 'positive passage: ส้มลิ้ม มะม่วงกวนสุโขทัย มะม่วงกวน 1 กิโลกรัม'
      - 'negative passage: เสื้อพยาบาลปก เทเลอแหลม ไม่ติดกระดุม'
      - 'positive passage: เพจลินรดา เสื้อในคละสี 4 ตัว ไซส์ 40'
pipeline_tag: sentence-similarity
library_name: sentence-transformers

SentenceTransformer based on intfloat/multilingual-e5-small

This is a sentence-transformers model finetuned from 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
• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 384 dimensions
• Similarity Function: Cosine Similarity

Model Sources

• Documentation: Sentence Transformers Documentation
• Repository: Sentence Transformers on GitHub
• Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, '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:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    'query: เสื้อใน',
    'positive passage: เพจลินรดา เสื้อในคละสี 4 ตัว ไซส์ 40',
    'negative passage: เสื้อพยาบาลปก เทเลอแหลม ไม่ติดกระดุม',
]
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]

Training Details

Training Dataset

Unnamed Dataset

• Size: 30 training samples
• Columns: sentence_0, sentence_1, and sentence_2
• Approximate statistics based on the first 30 samples:

  	sentence_0	sentence_1	sentence_2
  type	string	string	string
  details	min: 6 tokens mean: 7.57 tokens max: 9 tokens	min: 8 tokens mean: 18.47 tokens max: 40 tokens	min: 8 tokens mean: 16.97 tokens max: 30 tokens

• Samples:

  sentence_0	sentence_1	sentence_2
  query: เสื้อใน	positive passage: เพจพลอยใส เสื้อในคละสี 5 ตัว ไซส์ 40	negative passage: Majorkids@ เสื้อผ้าแฟชั่นเด็ก MIU เสื้อยืด สีขาว กางเกงยีนส์ขายาว ชุดเซ็ท 120
  query: ปิงปอง	positive passage: ลูกปิงปอง sanwei	negative passage: ชุดเสื้อครอป-กางเกงขากระบอกคิตติ้
  query: ปลาสร้อย	positive passage: ปลาขาวสร้อยแห้ง500กรัม(ครึ่งโล)	negative passage: มะก่อป่า 1กิโลกรัม

• Loss: TripletLoss with these parameters:

  {
      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
      "triplet_margin": 5
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• per_device_train_batch_size: 4
• per_device_eval_batch_size: 4
• num_train_epochs: 4
• fp16: True
• 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: 4
• per_device_eval_batch_size: 4
• 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: 4
• 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: 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
• 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

Framework Versions

• Python: 3.11.12
• Sentence Transformers: 4.1.0
• Transformers: 4.52.2
• PyTorch: 2.6.0+cu124
• Accelerate: 1.7.0
• Datasets: 2.14.4
• Tokenizers: 0.21.1

Citation

BibTeX

Sentence Transformers

@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",
}

TripletLoss

@misc{hermans2017defense,
    title={In Defense of the Triplet Loss for Person Re-Identification},
    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
    year={2017},
    eprint={1703.07737},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}