--- tags: - sentence-transformers - sentence-similarity - feature-extraction - generated_from_trainer - dataset_size:579077 - loss:MultipleNegativesRankingLoss - loss:CosineSimilarityLoss base_model: Alibaba-NLP/gte-multilingual-base widget: - source_sentence: 공공부문 채용의 경우 안전·건강 등 국민생활과 밀접한 서비스 중심으로 국가공무원을 1만 6000명 증원하고, 공공기관 필수인력 확충을 추진한다. sentences: - 공공부문 채용의 경우 안전보건 등 국민생활과 밀접한 서비스를 중심으로 국가공무원을 1만6000명 늘리고 공공기관 필수인력 확충을 추진하기로 했습니다. - 백열등보단 간접 조명을 켜두고 독서를 하는게 좋을 것 같아 - 이번에 공개한 기관별 정규직 전환 실적은 ‘공공부문 비정규직 고용개선 시스템’(http://public.moel.go.kr)에서 확인할 수 있다. - source_sentence: 런던 여행을 하려는 분들에게 추천하고 싶은 곳 입니다. sentences: - 만약 내가 파리에 다시 온다면, 나는 여기에 머무를 것입니다. - 지금의 위기를 새로운 기회와 발전의 원동력으로 삼겠습니다. - 런던을 여행하고 싶은 분들에게 추천해 드리고 싶은 곳이에요. - source_sentence: 이 절에서는 지불 과정에서 내부 통제의 중요성을 강조한다. sentences: - 그들은 스스로 세금을 부과함으로써 고속도로를 건설하고 새로운 버스 노선을 만들 것인가? - 이 섹션에서는 전통적인 지불 프로세스, 전통적인 지불 프로세스 수정 및 지불 프로세스를 효과적으로 관리하기 위한 내부 제어의 중요성에 대해 논의합니다. - 이 절은 전통적인 지불 절차에 대한 조정을 다루지 않을 것이다. - source_sentence: 스케이트보드를 타고 건물 계단을 내려가는 스케이트보드 타는 사람. sentences: - 그는 긴장이나 피로의 한계에 도달한 후 해시 물체를 얻기 시작했다. - 스케이트보더가 목을 부러뜨린다 - 스케이트보드 타는 사람이 건물 계단을 타고 내려간다 - source_sentence: 1896년, 경제 및 행정 조직이 조정되었다. sentences: - 세 명의 여자가 밖에 있다. - 1896년에 아무 관심도 없었다. - 말레이 주 Selangor, Perak, Negeri Sembilan 및 Pahang의 연맹은 1896년에 경제 및 행정 조직을 조정하기 위해 선포되었습니다. pipeline_tag: sentence-similarity library_name: sentence-transformers metrics: - pearson_cosine - spearman_cosine model-index: - name: SentenceTransformer based on Alibaba-NLP/gte-multilingual-base results: - task: type: semantic-similarity name: Semantic Similarity dataset: name: sts dev type: sts-dev metrics: - type: pearson_cosine value: 0.9347680624097541 name: Pearson Cosine - type: spearman_cosine value: 0.8993438650317843 name: Spearman Cosine --- # SentenceTransformer based on Alibaba-NLP/gte-multilingual-base This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [Alibaba-NLP/gte-multilingual-base](https://huggingface.co/Alibaba-NLP/gte-multilingual-base). It maps sentences & paragraphs to a 768-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:** [Alibaba-NLP/gte-multilingual-base](https://huggingface.co/Alibaba-NLP/gte-multilingual-base) - **Maximum Sequence Length:** 8192 tokens - **Output Dimensionality:** 768 dimensions - **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': 8192, 'do_lower_case': False}) with Transformer model: NewModel (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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("sentence_transformers_model_id") # Run inference sentences = [ '1896년, 경제 및 행정 조직이 조정되었다.', '말레이 주 Selangor, Perak, Negeri Sembilan 및 Pahang의 연맹은 1896년에 경제 및 행정 조직을 조정하기 위해 선포되었습니다.', '1896년에 아무 관심도 없었다.', ] embeddings = model.encode(sentences) print(embeddings.shape) # [3, 768] # Get the similarity scores for the embeddings similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [3, 3] ``` ## Evaluation ### Metrics #### Semantic Similarity * Dataset: `sts-dev` * Evaluated with [EmbeddingSimilarityEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator) | Metric | Value | |:--------------------|:-----------| | pearson_cosine | 0.9348 | | **spearman_cosine** | **0.8993** | ## Training Details ### Training Datasets #### Unnamed Dataset * Size: 568,576 training samples * Columns: sentence_0, sentence_1, and sentence_2 * Approximate statistics based on the first 1000 samples: | | sentence_0 | sentence_1 | sentence_2 | |:--------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------| | type | string | string | string | | details | | | | * Samples: | sentence_0 | sentence_1 | sentence_2 | |:-------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------| | 사람들이 자동차를 좋아한다. | 사람들은 클래식 자동차를 존경한다. | 사람들이 줄을 서서 콘서트를 기다리고 있다. | | 그가 말을 타고 가면서 피의 강물이 흐르고 남자는 안장에 털썩 주저앉았다. | 그 남자는 말을 타다가 피를 흘리고 있었다. | 남자는 안장에 똑바로 앉았다. | | 그 자료는 일년 중 일부만을 다루었다. | 올해 3월 보고된 2001년 자료는 예비 자료로 간주해야 하지만(반년만 다뤄지고 새로운 데이터 시스템에 기대되는 통상적인 종류의 스타트업 문제를 반영했다), 이미 공사가 그 어느 때보다 전국적으로 가능한 법률 서비스 관행에 대한 완전한 그림을 제공할 수 있는 풍부한 정보를 만들어냈다. | 그 자료는 일년 중 일부만을 다루었을 뿐 전혀 도움이 되지 않았다. | * Loss: [MultipleNegativesRankingLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters: ```json { "scale": 20.0, "similarity_fct": "cos_sim" } ``` #### Unnamed Dataset * Size: 10,501 training samples * Columns: sentence_0, sentence_1, and label * Approximate statistics based on the first 1000 samples: | | sentence_0 | sentence_1 | label | |:--------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:---------------------------------------------------------------| | type | string | string | float | | details | | | | * Samples: | sentence_0 | sentence_1 | label | |:------------------------------------------|:----------------------------------------------|:------------------| | 제 학교 성적표를 받기로한 메일을 알 수 있을까요? | 쿠팡은 여태까지 배송 주문 확인 메일을 몇 통 보냈어? | 0.04 | | 지냈던 숙소 중에서 제일 마음에 들었습니다. | 지금 까지 이용한 에어비앤비 중에서 제일 마음에 들었어요. | 0.6 | | 눈 내릴 때 운전은 안됩니다. | 눈 내릴 때 운전은 위험해서 안돼. | 0.74 | * Loss: [CosineSimilarityLoss](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 - `batch_sampler`: no_duplicates - `multi_dataset_batch_sampler`: round_robin #### All Hyperparameters
Click to expand - `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`: 1.0 - `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`: 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 - `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`: no_duplicates - `multi_dataset_batch_sampler`: round_robin
### Training Logs | Epoch | Step | Training Loss | sts-dev_spearman_cosine | |:------:|:----:|:-------------:|:-----------------------:| | 0.7599 | 500 | 0.324 | - | | 1.0015 | 659 | - | 0.8993 | ### Framework Versions - Python: 3.11.10 - Sentence Transformers: 3.3.0 - Transformers: 4.46.2 - PyTorch: 2.4.0+cu121 - Accelerate: 1.1.1 - Datasets: 3.1.0 - Tokenizers: 0.20.3 ## 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} } ```