metadata

language:
  - es
license: apache-2.0
library_name: sentence-transformers
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:74124
  - loss:MultipleNegativesRankingLoss
base_model: nreimers/MiniLM-L6-H384-uncased
datasets: []
metrics:
  - cosine_accuracy
  - dot_accuracy
  - manhattan_accuracy
  - euclidean_accuracy
  - max_accuracy
widget:
  - source_sentence: >-
      Enumere los tres casos en los que se aplican las prescripciones del
      artículo 40.1.1.
    sentences:
      - >-
        Reglamento de Baja Tensión de la ANDE: El 39.1.1 trata sobre: Estas
        prescripciones se aplican a todos los aparatos domésticos y de
        iluminación de cualquier tipo, forma y tamaño, siempre que:  a) La
        instalación eléctrica de la residencia se halle capacitada para
        servirlos. b) Se respeten las demás prescripciones de este Reglamento
        que le sean aplicables.. El 39.1.1 pertenece a la sección:
        <section>39.1</section>
      - >-
        Reglamento de Baja Tensión de la ANDE: El 14.3.1 trata sobre: Circuitos
        trifásicos son aquellos que emplean las tres fases de la energía que
        provee la ANDE, con interruptor y protección adecuados en el tablero de
        arranque y se emplean en líneas distribuidoras de fuerza motriz,
        calefacción, refrigeración y similares, comprendiendo incluso aparatos
        monofásicos, sin limitaciones de carga, siempre que:  a) Se realice el
        equilibrio de cargas de los equipos monofásicos. b) Se atienda
        correctamente a 13.4.2. c) Que ninguna de las cargas trifásicas
        individuales sea igual o superior a 15 A nominales en el caso de
        motores, o 20 A si son equipos de calefacción o similares. d) Se use un
        circuito trifásico independiente por cada motor de 15 A nominales o más.
        e) Se use un circuito trifásico independiente por cada equipo de
        calefacción o similar de 20 A o más.. El 14.3.1 pertenece a la sección:
        <section>14.3</section>
      - >-
        Reglamento de Baja Tensión de la ANDE: El 40.1.1 trata sobre: Sin
        perjuicio de las demás disposiciones de este Reglamento, estas
        prescripciones se aplican para: a) Conexiones entre las instalaciones
        fijas y los aparatos portátiles, o que deban ser desplazadas con alguna
        frecuencia. b) Conexiones de las partes móviles de aparatos y máquinas
        fijas. c) Conexiones de aparatos de iluminación, colgantes, etc. con la
        observación del numeral 39.   40.2 Tipos de conductores:. El 40.1.1
        pertenece a la sección: <section>40.1</section>
  - source_sentence: >-
      ¿Hasta dónde llega la conexión eléctrica según el punto 11.1.1 del
      reglamento de baja tensión de la ANDE?
    sentences:
      - >-
        Reglamento de Baja Tensión de la ANDE: El 11.5.3 trata sobre: Los
        conductores, equipo eléctrico auxiliar y la mano de obra para el
        servicio y entrada subterránea, serán aportados por la ANDE, y abonados
        por el usuario, quedando de propiedad de la ANDE, la que, en
        consecuencia, tendrá a su cargo su conservación y buen servicio.. El
        11.5.3 pertenece a la sección: <section>11.5</section>
      - >-
        Reglamento de Baja Tensión de la ANDE: El 11.1.1 trata sobre: Servicio
        es la conexión eléctrica desde el punto de toma de energía de la red,
        hasta la parte externa de la propiedad del usuario, sobre la calle, en
        el punto escogido para la entrada de energía.. El 11.1.1 pertenece a la
        sección: <section>11.1</section>
      - >-
        Reglamento de Baja Tensión de la ANDE: El 22.2.3 trata sobre: En los
        sistemas de distribución sin neutro, la conexión a tierra de equipos es
        obligatoria (22.1.2). En los sistemas de distribución con neutro, la red
        de interconexión de tierra de los equipos quedará substituida por el
        conductor neutro, que hará sus veces, debiendo conectarse a él todas las
        partes que normalmente irían conectadas a la red de conexión de tierra
        de equipos.. El 22.2.3 pertenece a la sección: <section>22.2</section>
  - source_sentence: >-
      ¿Cuál es el propósito de los grupos mencionados en el reglamento de baja
      tensión de la ANDE?
    sentences:
      - >-
        Reglamento de Baja Tensión de la ANDE: El 6.1 trata sobre: En todos los
        planos de instalaciones eléctricas deberá usarse la simbología indicada
        en el Anexo N° 2.. El 6.1 pertenece a la sección: <section>6-</section>
      - >-
        Reglamento de Baja Tensión de la ANDE: El 25- trata sobre Instalación en
        tubos flexibles: y tiene las siguientes sub-secciones:
        <sub-section>25.1</sub-section>, <sub-section>25.2</sub-section>
      - >-
        Reglamento de Baja Tensión de la ANDE: El 42.3.1 trata sobre: Estos
        grupos se utilizarán para proveer energía eléctrica complementaria a la
        que se toma de la red de distribución de ANDE y, exclusivamente, a las
        instalaciones del usuario.. El 42.3.1 pertenece a la sección:
        <section>42.3</section>
  - source_sentence: >-
      ¿Cuántas redes independientes debe comprender la instalación de
      iluminación de cines, teatros y locales semejantes?
    sentences:
      - >-
        Reglamento de Baja Tensión de la ANDE: El 41.5.2 trata sobre: La
        instalación de iluminación de cines, teatros y locales semejantes deberá
        comprender las siguientes redes independientes:  a) Iluminación del
        edificio propiamente dicho (oficinas, pasillos, taquilla, baños,
        entradas y salidas, guardarropas, camarines, etc.).  b) Iluminación del
        escenario. c) Iluminación del local ocupado por las personas (plateas,
        palcos, balcones, así como para circulación de las personas durante la
        realización del programa con luces generales apagadas). d) Iluminación
        de emergencia.. El 41.5.2 pertenece a la sección:
        <section>41.5</section>
      - >-
        Reglamento de Baja Tensión de la ANDE: El 33.3.2 trata sobre: Los
        cables, aunque del tipo adecuado, no podrán ser enterrados en el suelo
        en el interior de edificios, salvo que se trate de áreas industriales.
        La profundidad de instalación no deberá ser inferior a 60 cm, debiendo
        llevar el cable en toda su extensión, una capa de arena, y encima de la
        misma una línea continua de ladrillos simplemente apoyados (no unidos
        con argamasa), cuya función fundamental es denunciar la presencia del
        cable, además de brindar una pequeña protección mecánica adicional.. El
        33.3.2 pertenece a la sección: <section>33.3</section>
      - >-
        Reglamento de Baja Tensión de la ANDE: El 12.1.2 trata sobre: Los
        tableros se instalarán en lugares secos y de fácil acceso y, si es
        posible, en lugares expresamente reservados, ventilados e iluminados..
        El 12.1.2 pertenece a la sección: <section>12.1</section>
  - source_sentence: >-
      ¿Cuál es el nombre del reglamento que se menciona en la información
      proporcionada?
    sentences:
      - >-
        Reglamento de Baja Tensión de la ANDE: El 22.1.2 trata sobre: Se
        entiende “tierra de equipos”, la conexión a tierra de las partes
        metálicas de la instalación o de los aparatos que no transportan
        corriente, tales como: tubos de metal, blindajes metálicos de los
        cables, cajas de conexión y/o derivación, estructuras de tableros o
        cuadros, cajas de interruptores, bastidores de máquinas y, en general,
        cualquier parte metálica relacionada con la instalación eléctrica y no
        destinada a la conducción de corriente.. El 22.1.2 pertenece a la
        sección: <section>22.1</section>
      - >-
        Reglamento de Baja Tensión de la ANDE: El 10- trata sobre Partes de que
        se compone una instalación eléctrica: y tiene las siguientes
        sub-secciones: <sub-section>10.1</sub-section>
      - >-
        Reglamento de Baja Tensión de la ANDE: El 37- trata sobre Soldadura
        eléctrica: y tiene las siguientes sub-secciones:
        <sub-section>37.1</sub-section>, <sub-section>37.2</sub-section>,
        <sub-section>37.3</sub-section>, <sub-section>37.4</sub-section>
pipeline_tag: sentence-similarity
model-index:
  - name: embed-andegpt-H384
    results:
      - task:
          type: triplet
          name: Triplet
        dataset:
          name: andegpt dev
          type: andegpt-dev
        metrics:
          - type: cosine_accuracy
            value: 0.998300145701797
            name: Cosine Accuracy
          - type: dot_accuracy
            value: 0.002185526954832443
            name: Dot Accuracy
          - type: manhattan_accuracy
            value: 0.9985429820301117
            name: Manhattan Accuracy
          - type: euclidean_accuracy
            value: 0.998300145701797
            name: Euclidean Accuracy
          - type: max_accuracy
            value: 0.9985429820301117
            name: Max Accuracy
      - task:
          type: triplet
          name: Triplet
        dataset:
          name: andegpt test
          type: andegpt-test
        metrics:
          - type: cosine_accuracy
            value: 0.9973288003885381
            name: Cosine Accuracy
          - type: dot_accuracy
            value: 0.0024283632831471587
            name: Dot Accuracy
          - type: manhattan_accuracy
            value: 0.9970859640602234
            name: Manhattan Accuracy
          - type: euclidean_accuracy
            value: 0.9973288003885381
            name: Euclidean Accuracy
          - type: max_accuracy
            value: 0.9973288003885381
            name: Max Accuracy

embed-andegpt-H384

This is a sentence-transformers model finetuned from nreimers/MiniLM-L6-H384-uncased. 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: nreimers/MiniLM-L6-H384-uncased
Maximum Sequence Length: 512 tokens
Output Dimensionality: 384 tokens
Similarity Function: Cosine Similarity
Language: es
License: apache-2.0

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})
)

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("enpaiva/embed-andegpt-H384")
# Run inference
sentences = [
    '¿Cuál es el nombre del reglamento que se menciona en la información proporcionada?',
    'Reglamento de Baja Tensión de la ANDE: El 10- trata sobre Partes de que se compone una instalación eléctrica: y tiene las siguientes sub-secciones: <sub-section>10.1</sub-section>',
    'Reglamento de Baja Tensión de la ANDE: El 37- trata sobre Soldadura eléctrica: y tiene las siguientes sub-secciones: <sub-section>37.1</sub-section>, <sub-section>37.2</sub-section>, <sub-section>37.3</sub-section>, <sub-section>37.4</sub-section>',
]
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]

Evaluation

Metrics

Triplet

Dataset: andegpt-dev
Evaluated with TripletEvaluator

Metric	Value
cosine_accuracy	0.9983
dot_accuracy	0.0022
manhattan_accuracy	0.9985
euclidean_accuracy	0.9983
max_accuracy	0.9985

Triplet

Dataset: andegpt-test
Evaluated with TripletEvaluator

Metric	Value
cosine_accuracy	0.9973
dot_accuracy	0.0024
manhattan_accuracy	0.9971
euclidean_accuracy	0.9973
max_accuracy	0.9973

Training Details

Training Hyperparameters

Non-Default Hyperparameters

prediction_loss_only: False
per_device_train_batch_size: 32
learning_rate: 2e-05
lr_scheduler_type: cosine
log_level_replica: passive
log_on_each_node: False
logging_nan_inf_filter: False
bf16: True
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
prediction_loss_only: False
per_device_train_batch_size: 32
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: 2e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 3
max_steps: -1
lr_scheduler_type: cosine
lr_scheduler_kwargs: {}
warmup_ratio: 0
warmup_steps: 0
log_level: passive
log_level_replica: passive
log_on_each_node: False
logging_nan_inf_filter: False
save_safetensors: True
save_on_each_node: False
save_only_model: False
no_cuda: False
use_cpu: False
use_mps_device: False
seed: 42
data_seed: None
jit_mode_eval: False
use_ipex: False
bf16: True
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}
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
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_sampler: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	loss	andegpt-dev_max_accuracy	andegpt-test_max_accuracy
0	0	-	-	0.5920	-
0.1079	250	2.3094	0.7200	0.9597	-
0.2158	500	0.7952	0.3598	0.9813	-
0.3237	750	0.4862	0.2162	0.9910	-
0.4316	1000	0.3304	0.1558	0.9927	-
0.5395	1250	0.2527	0.1140	0.9961	-
0.6474	1500	0.1987	0.0859	0.9964	-
0.7553	1750	0.1617	0.0729	0.9959	-
0.8632	2000	0.1419	0.0562	0.9966	-
0.9711	2250	0.1132	0.0495	0.9968	-
1.0790	2500	0.1043	0.0429	0.9971	-
1.1869	2750	0.0947	0.0368	0.9978	-
1.2948	3000	0.0736	0.0367	0.9976	-
1.4027	3250	0.0661	0.0296	0.9978	-
1.5106	3500	0.0613	0.0279	0.9985	-
1.6185	3750	0.0607	0.0264	0.9983	-
1.7264	4000	0.0521	0.0238	0.9985	-
1.8343	4250	0.0495	0.0216	0.9985	-
1.9422	4500	0.0425	0.0211	0.9983	-
2.0501	4750	0.0428	0.0200	0.9983	-
2.1580	5000	0.0435	0.0190	0.9985	-
2.2659	5250	0.0393	0.0188	0.9983	-
2.3738	5500	0.0356	0.0182	0.9983	-
2.4817	5750	0.0351	0.0180	0.9988	-
2.5896	6000	0.0394	0.0181	0.9985	-
2.5973	6018	-	-	-	0.9973

Framework Versions

Python: 3.11.0
Sentence Transformers: 3.0.1
Transformers: 4.39.3
PyTorch: 2.2.0+cu121
Accelerate: 0.28.0
Datasets: 2.20.0
Tokenizers: 0.15.2

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",
}

MultipleNegativesRankingLoss

@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}
}