SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. 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: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
Maximum Sequence Length: 128 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': 128, 'do_lower_case': False, 'architecture': '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("Ahmedhisham/Queen_of_embeddings_agent_trained_enabled")
# Run inference
sentences = [
    'تساريح شعر طويل تالقي دائما بشعر ناعم و طويل تسريحه شعر طويل .',
    'تسريحات جميله و مميزه للشعر الطويل و القصير . تساريح رائعه تناسب البنات الي شعرها طويل و كمان الشعر القصير. قصات شعر للوجه الطويل والنحيف .',
    'مسلسل دهب عيره من انتاج مشترك بين شركه العدل جروب والشركه المتحده للخدمات الاعلاميه، تاليف امين جمال واحمد عادل، واخراج سامح عبد العزيز، وتم التعاقد بشكل رسمي مع الفنانين حلا شيحه، بيومي فؤاد، وجومانا مراد، وخالد انور وجاري التعاقد مع باقي الفنانين حيث سيتم الانتهاء من ذلك قبل نهايه الاسبوع الجاري. الفنانه جومانا مراد مسلسل دهب عيره انتاج مشترك بين شركه العدل جروب للمنتج جمال العدل والشركه المتحده للخدمات الاعلاميه، تاليف امين جمال واحمد عادل، واخراج سامح عبد العزيز، وبطوله يسرا وحلا شيحه، جومانا مراد، عبير صبري، جومانا مراد، بيومي فؤاد، وخالد انور، خالد سرحان، وهنادي مهني وتيام مصطفي قمر وسلوي عثمان ورمزي العدل. يشار الي ان هنادي مهنا تشارك ايضا في بطوله مسلسل دهب عيره للعرض في رمضان المقبل ايضا، ويشارك في بطولته كل من يسرا، حلا شيحه، وجومانه مراد، وعبير صبري، وخالد سرحان، وبيومي فؤاد، ورمزي العدل، وخالد انور، وهنادي مهنا، من انتاج شركه العدل جرب بالتعاون مع مجموعه المتحده للخدمات الاعلاميه .',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[ 1.0000,  0.7655, -0.0186],
#         [ 0.7655,  1.0000,  0.0574],
#         [-0.0186,  0.0574,  1.0000]])

Training Details

Training Dataset

Unnamed Dataset

Size: 100,000 training samples
Columns: sentence_0 and sentence_1
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1
type string string
details
min: 5 tokens
mean: 48.73 tokens
max: 128 tokens

min: 11 tokens
mean: 96.69 tokens
max: 128 tokens

	sentence_0	sentence_1
type	string	string
details	min: 5 tokens mean: 48.73 tokens max: 128 tokens	min: 11 tokens mean: 96.69 tokens max: 128 tokens

Samples:

sentence_0	sentence_1
تحميل كتاب صحيح السيره النبويه كتاب صحيح السيره النبويه للتحميل المجاني تحميل الكتاب ، كتب عربيه للتحميل تحميل روايات عربيه تحيل روايات عالميه روايات ، تحميل كتب محمد ناصر الدين الالباني تحميل جميع كتب محمد ناصر الدين الالباني و اقرا مقالات مفيده تذكر كل هذا واكثر علي مكتبه مقهي الكتب .	تاليف الشيخ محمد ناصر الدين الالباني تحميل كتاب الانتصار للحق و اهل العلم الكبار و الرد علي من رمي الالباني بالتساهل كتاب الانتصار للحق و اهل العلم الكبار و الرد علي من رمي الالباني بالتساهل للتحميل المجاني تحميل الكتاب ، كتب عربيه للتحميل تحميل روايات عربيه تحيل روايات عالميه روايات ، تحميل كتب الشيخ محمد ناصر الدين الالباني تحميل جميع كتب الشيخ محمد ناصر الدين الالباني و اقرا مقالات مفيده تذكر كل هذا واكثر علي مكتبه مقهي الكتب . تحميل كتاب السلسله الصحيحه للالباني . تحميل كتاب ميزان النبوه المعجزه ، كتاب ميزان النبوه المعجزه للتحميل المجاني ، تحميل كتب ، وكتب عربيه للتحميل، تحميل روايات عربيه ، تحميل روايت عالميه روايات ، تحميل كتب جمال الحسيني ابو فرحه ، تحميل جميع كتب ومؤلفات جمال الحسيني ابو فرحه و اقرا مقالات مفيده ، تذكر كل هذا واكثر علي مكتبه مقهي الكتب.
`اصدار ملف و تاشيرات من متب العمل تايلينور و فيفادول مثال علي التفاضل والتكامل في الاقتصاد و الاداره هل ممكن التعديل ع ملف اسكان.`	`التفاضل و التكامل وتطبيقاته في النواحي الماليه والاداريه . نموذج تاشيره خروج و عوده . نموذج تاشيره خروج و عوده .`
`بوينا ، مزيج من الليل وبوينا حسن هي الكلمه المستخدمه في عشيه عيد الميلاد .`	`ترنيمه عيد الميلاد. كلمات بمناسبه عيد الميلاد . ليله عيد..`

Loss: MultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim",
    "gather_across_devices": false
}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 160
per_device_eval_batch_size: 160
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: 160
per_device_eval_batch_size: 160
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
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}
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: False
resume_from_checkpoint: None
hub_model_id: None
hub_strategy: every_save
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: round_robin
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss
0.8	500	0.4262
1.6	1000	0.1393
2.4	1500	0.1013
3.2	2000	0.0749
4.0	2500	0.0636

Framework Versions

Python: 3.12.12
Sentence Transformers: 5.1.2
Transformers: 4.57.1
PyTorch: 2.8.0+cu126
Accelerate: 1.11.0
Datasets: 4.0.0
Tokenizers: 0.22.1

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",
}

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}
}

Downloads last month: 5

Safetensors

Model size

0.1B params

Tensor type

F32

Model tree for Ahmedhisham/Queen_of_embeddings_agent_trained_enabled

Base model

sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

Finetuned

(290)

this model