Upload folder using huggingface_hub

bd657e0 verified over 1 year ago

15.7 kB

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:10501
  - loss:CosineSimilarityLoss
base_model: BAAI/bge-m3
widget:
  - source_sentence: 삼촌이 이 시간대에 보고싶은 티비 프로그램이 뭐여요?
    sentences:
      - 외출 시 방범 모드 변환하는 방법 좀 알려줘
      - >-
        제2차 전략회의에서 대전, 경기, 강원, 전남, 제주, 경남 등 6개 시·도지사가 지역에서 추진 중인 뉴딜 관련 사례를
        소개했습니다.
      - 학교가 보낸 메일은 차단하면 안돼
  - source_sentence: 재산세율 인하 대상을 공시가격 6억원 이하 1주택자로 한정하고 세율 인하 폭을 0.05%p로 정한 이유는?
    sentences:
      - 무엇보다 호스트의 빠른 응답과 세심함, 친절함이 좋았어요
      - 날짜 중 언제 아버지가 시간이 되시는지요?
      - 재산세율 인하가 공시가격 6억원 이하 1주택자로 제한되고 세율 인하가 0.05%p로 정해진 이유는 무엇입니까?
  - source_sentence: 집안 조명 개수 늘리는 건 삼가주시기 바랍니다.
    sentences:
      - 숙소의 위치는 버스와 지하철을 이용하기에 좋았습니다.
      - 회원님의 한달 집 가스레인지 비용이 얼마인지 알 수 있을까요?
      - 앞으로 서울 서계동 복합문화시설(현 국립극단) 부지와 부천영상지구 부지에 문화예술인 지원주택이 조성될 예정입니다.
  - source_sentence: 또 겨울이 우기인 프랑스의 을씨년스런 분위기와 방 곳곳에 위치한 등 조명, 연식있는 건물이 잘 어울렸습니다
    sentences:
      - 저의 여행일정에 위치나 가격대 시설등이 만족스러웠습니다.
      - 정부가 22일부터 내달 5일까지 종교시설, 실내 체육시설, 유흥시설 등에 대한 운영 중단을 권고했다.
      - 학회 홍보메일이랑 저널 홍보메일을 비교했을 때 뭐가 더 자주 와?
  - source_sentence: 호시우역과 가까워 신트라에 가기 편합니다.
    sentences:
      - 신트라는 호시우역에서 가까워서 가는 것이 편리합니다.
      - 첫날에 지도와 함께 친절한 설명과 건물 옥상 야경팁도 좋았습니다.
      - 제가 갔던 에어비엔비중에서 제일 좋았어요!
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - pearson_cosine
  - spearman_cosine
model-index:
  - name: SentenceTransformer based on BAAI/bge-m3
    results:
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: Unknown
          type: unknown
        metrics:
          - type: pearson_cosine
            value: 0.8721708944763191
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.8828376070833523
            name: Spearman Cosine
          - type: pearson_cosine
            value: 0.9622964526170126
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.9247125520705015
            name: Spearman Cosine

SentenceTransformer based on BAAI/bge-m3

This is a sentence-transformers model finetuned from BAAI/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: BAAI/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': 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("sentence_transformers_model_id")
# Run inference
sentences = [
    '호시우역과 가까워 신트라에 가기 편합니다.',
    '신트라는 호시우역에서 가까워서 가는 것이 편리합니다.',
    '첫날에 지도와 함께 친절한 설명과 건물 옥상 야경팁도 좋았습니다.',
]
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

Semantic Similarity

Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.8722
spearman_cosine	0.8828

Semantic Similarity

Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.9623
spearman_cosine	0.9247

Training Details

Training Dataset

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
min: 7 tokens
mean: 20.97 tokens
max: 70 tokens

min: 8 tokens
mean: 20.15 tokens
max: 63 tokens

min: 0.0
mean: 0.44
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 7 tokens mean: 20.97 tokens max: 70 tokens	min: 8 tokens mean: 20.15 tokens max: 63 tokens	min: 0.0 mean: 0.44 max: 1.0

Samples:

sentence_0	sentence_1	label
`앞으로 다른 사람의 토지에 정당한 사유 없이 자동차를 두 달 넘게 무단 방치하는 경우 강제 견인한다.`	`문체부는 범정부 협업으로 한류를 지속 확산하고 연관 산업의 성장을 견인한다.`	`0.1`
`인공지능, 보안(시큐리티), 사물인터넷(IoT), 스마트 헬스케어 등의 제품·서비스가 중점적으로 선보일 예정이다.`	`인공지능, 보안(Security), 사물 인터넷(IoT), 스마트 헬스케어 등의 제품과 서비스가 주로 도입될 예정입니다.`	`0.86`
`오늘 중에 혹시 일정 아직 안 잡힌 시간 있음 궁금해.`	`학교 다닐 때도 같이 오래 놀았던 대학 후배인데 결혼식에 늦는 몰염치한 짓은 하지 맙시다.`	`0.0`

Loss: CosineSimilarityLoss with these parameters:

{
    "loss_fct": "torch.nn.modules.loss.MSELoss"
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
num_train_epochs: 4
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: 16
per_device_eval_batch_size: 16
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: 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: 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
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: batch_sampler
multi_dataset_batch_sampler: round_robin

Training Logs

Epoch	Step	Training Loss	spearman_cosine
-1	-1	-	0.8828
0.7610	500	0.0239	-
1.0	657	-	0.9175
1.5221	1000	0.0068	0.9192
2.0	1314	-	0.9235
2.2831	1500	0.0043	-
3.0	1971	-	0.9243
3.0441	2000	0.0027	0.9245
3.8052	2500	0.0021	-
4.0	2628	-	0.9247

Framework Versions

Python: 3.12.7
Sentence Transformers: 3.4.1
Transformers: 4.49.0
PyTorch: 2.6.0+cu118
Accelerate: 1.4.0
Datasets: 3.3.2
Tokenizers: 0.21.0

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",
}