SentenceTransformer based on deepvk/USER-bge-m3

This is a sentence-transformers model finetuned from deepvk/USER-bge-m3. 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: deepvk/USER-bge-m3
Maximum Sequence Length: 8192 tokens
Output Dimensionality: 1024 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': 8192, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, '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:

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("compas-bge-m3-ru")
# Run inference
sentences = [
    'кто занимается генеральный подрядчик строительство в Казань?',
    'БигСтрой, строительное предприятие. Екатеринбург. строительные услуги, генеральный подряд. Строительная компания, специализирующаяся на генеральном подряде, благоустройстве и аренде спецтехники.. Коммунальные / бытовые / ритуальные услуги',
    'Строймастер, ООО, строительная компания. Казань. Сайт недоступен, информация отсутствует.. Строительство / Недвижимость / Ремонт',
]
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]

Evaluation

Metrics

Triplet

Dataset: val_baseline
Evaluated with TripletEvaluator

Metric	Value
cosine_accuracy	0.5505

Triplet

Dataset: val_baseline
Evaluated with TripletEvaluator

Metric	Value
cosine_accuracy	0.6697

Training Details

Training Dataset

Unnamed Dataset

Size: 988 training samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 988 samples:

	anchor	positive	negative
type	string	string	string
details	min: 5 tokens mean: 11.75 tokens max: 24 tokens	min: 15 tokens mean: 56.54 tokens max: 103 tokens	min: 16 tokens mean: 53.38 tokens max: 96 tokens

Samples:

anchor	positive	negative
`ремонт квартир офисов Челябинск`	`Сделано 74, компания по ремонту квартир. Челябинск. ремонт квартир, офисов и загородных домов. Компания, предоставляющая услуги по ремонту квартир, офисов и загородных домов.. Строительство / Недвижимость / Ремонт`	`CBC, группа компаний. Москва. ремонт квартир, офисов, ресторанов. Компания выполняет отделку и ремонт квартир, офисов и ресторанов в Москве и МО по фиксированным ценам с гарантией соблюдения сроков.. Строительство / Недвижимость / Ремонт`
`нужна компания специализирующаяся на бухгалтерские услуги аутсорсинг в городе Санкт-Петербург`	`«Фин-Консул». Волгоград. бухгалтерские услуги, аутсорсинг. Компания предоставляет бухгалтерские услуги на аутсорсе для ИП и ООО, включая оптимизацию налогов и отчётность.. yurisprudentsiya-i-pravo`	`Ausserer & Consultants, бухгалтерская компания. Москва. регистрация компаний, бухгалтерский учет, юридические услуги. Регистрация бизнеса, бухгалтерский учет, юридические услуги и открытие банковских счетов в России.. Юридические / финансовые / бизнес-услуги`
`управленческий консалтинк Казань`	`Bain & Company Russia, консалтинговая компания. Москва. Юридические / финансовые / бизнес-услуги`	`Аудэкс, аудиторско-консалтинговая компания. Казань. аудит, консалтинг. Аудиторско-консалтинговая компания, оказывающая услуги по аудиту и консалтингу для бизнеса.. Интернет / Связь / Информационные технологии`

Loss: TripletLoss with these parameters:

{
    "distance_metric": "TripletDistanceMetric.COSINE",
    "triplet_margin": 0.15
}

Evaluation Dataset

Unnamed Dataset

Size: 109 evaluation samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 109 samples:

	anchor	positive	negative
type	string	string	string
details	min: 5 tokens mean: 11.58 tokens max: 22 tokens	min: 17 tokens mean: 56.09 tokens max: 84 tokens	min: 16 tokens mean: 54.85 tokens max: 83 tokens

Samples:

anchor	positive	negative
`резинотехнические изделия производство Уфа`	`Резина и Пластик, компания. Санкт-Петербург. производство резиновых и пластиковых изделий. Компания занимается разработкой и производством изделий из резины, силиконов, фторкаучуков и пластиков на собственном оборудовании.. Металлы / Топливо / Химия`	`Уралспецкомплект, ООО, торгово-производственная фирма. Челябинск. гидравлика, резинотехнические изделия. Производство и продажа гидравлических рукавов, фитингов, резинотехнических изделий и изготовление продукции под заказ.. Оборудование / Инструмент`
`кадровое агентство подбор персонала Челябинск`	`Работа.ру. Волгоград. рекрутинговые услуги. Платформа для поиска работы и подбора персонала, предоставляющая услуги работодателям и соискателям.. informatsionnye-tekhnologii`	`Ай-Ти Ресурсы. Челябинск. IT-консалтинг, автоматизация процессов, разработка ПО. IT-консалтинг и автоматизация бизнеса: разработка ERP/CRM, BI, мобильных приложений, IT-инфраструктура и безопасность.. informatsionnye-tekhnologii`
`спецодежда средства защиты оптом Ярославль`	`РМ Акварель, ООО, оптово-розничная компания. Казань. спецодежда, средства индивидуальной защиты. Интернет-магазин спецодежды и средств индивидуальной защиты с комплексным снабжением предприятий.. Одежда / Обувь`	`РОБАСНАБ, ООО, торгово-производственная компания. Красноярск. спецодежда, спецобувь. Оптовая продажа спецодежды и спецобуви для различных сфер: медицина, охрана, зимняя и летняя одежда, трикотаж и головные уборы.. Одежда / Обувь`

Loss: TripletLoss with these parameters:

{
    "distance_metric": "TripletDistanceMetric.COSINE",
    "triplet_margin": 0.15
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 32
per_device_eval_batch_size: 32
learning_rate: 2e-05
num_train_epochs: 4
warmup_ratio: 0.1
fp16: True
load_best_model_at_end: True
push_to_hub: True
hub_model_id: compas-bge-m3-ru
hub_strategy: end

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: epoch
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: 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: 4
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: None
warmup_ratio: 0.1
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
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: True
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}
parallelism_config: None
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch_fused
optim_args: None
adafactor: False
group_by_length: False
length_column_name: length
project: huggingface
trackio_space_id: trackio
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: True
resume_from_checkpoint: None
hub_model_id: compas-bge-m3-ru
hub_strategy: end
hub_private_repo: None
hub_always_push: False
hub_revision: None
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: no
neftune_noise_alpha: None
optim_target_modules: None
batch_eval_metrics: False
eval_on_start: False
use_liger_kernel: False
liger_kernel_config: None
eval_use_gather_object: False
average_tokens_across_devices: True
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	Validation Loss	val_baseline_cosine_accuracy
-1	-1	-	-	0.5505
1.0	31	-	0.1316	0.6330
1.6129	50	0.1094	-	-
2.0	62	-	0.1228	0.6422
3.0	93	-	0.1272	0.6514
3.2258	100	0.0567	-	-
4.0	124	-	0.1273	0.6697
-1	-1	-	-	0.6697

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.12.13
Sentence Transformers: 3.4.1
Transformers: 4.57.6
PyTorch: 2.11.0+cu128
Accelerate: 1.13.0
Datasets: 4.0.0
Tokenizers: 0.22.2

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",
}

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}
}

Downloads last month: 102

Safetensors

Model size

0.4B params

Tensor type

F32

Model tree for makltd1/compas-bge-m3-ru

Base model

deepvk/USER-bge-m3

Finetuned

(15)

this model

Space using makltd1/compas-bge-m3-ru 1

Papers for makltd1/compas-bge-m3-ru

Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks

Paper • 1908.10084 • Published Aug 27, 2019 • 15

In Defense of the Triplet Loss for Person Re-Identification

Paper • 1703.07737 • Published Mar 22, 2017

Evaluation results

Cosine Accuracy on val baseline
self-reported

0.550
Cosine Accuracy on val baseline
self-reported

0.670