README.md

---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- dense
- generated_from_trainer
- dataset_size:10246566
- loss:MultipleNegativesSymmetricRankingLoss
widget:
- source_sentence: Гитары всех типов доступны на сайте Crazysound.by.
  sentences:
  - Но Тимофей знал, что его напарник вовсе не сумасшедший.
  - Самые дешевые продают в Волгограде и Ярославле - 15 рублей за штуку.
  - >-
    Во встрече также приняли участие первый заместитель Премьер-министра
    Правительства РБ , министр финансов республики Айрат Гаскаров , глава
    представительства ЕБРР по Приволжскому федеральному округу Михаэль Хоффман и
    другие .
- source_sentence: Ошо арҡала бик ныҡ арыу һәм хәлһеҙлек хисе тыуа, аяҡтар бүрәнәгә әйләнә.
  sentences:
  - >-
    Это вызывает резко появляющееся чувство сильнейшей усталости и бессилия,
    «упирание в стену».
  - — Скоро другую песню запоешь. В другом месте.
  - По окончании учёбы в Санкт-Петербурге вернулся в Вильну.
- source_sentence: >-
    Йәрминкәләрҙә 48 райондан килгән ауыл хужалығы тауарҙарын етештереүселәр
    ҡатнашты .
  sentences:
  - >-
    Используя эту информацию, выскажите предположения, к каким последствиям
    может привести шум в лесу.
  - >-
    Семья Зайнетдиновых из Уфы завоевала победу на Международном конкурсе в
    Турции
  - >-
    В ярмарках приняли участие сельхозтоваропроизводители из 48 муниципальных
    районов .
- source_sentence: Ә бынан барыбыҙ ҙа отасаҡбыҙ ғына.
  sentences:
  - Мы все находимся под огнем.
  - 'Ему вторила бабка Суакай:'
  - Ведь есть такое понятие, как судьба.
- source_sentence: 19.Башҡортостан Республикаһында ниндәй милләттәр йәшәй?
  sentences:
  - Какие экономические реформы были проведены в России в XIX веке?
  - Рон с семьей прибыли утром.
  - >-
    Валерий Газзаев также отметил, что сегодня футбол не просто является
    спортом.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
license: apache-2.0
datasets:
- AigizK/bashkir-russian-parallel-corpora
language:
- ba
- ru
---

# SentenceTransformer

This is a [sentence-transformers](https://www.SBERT.net) model. It maps sentences & paragraphs to a 256-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

> [!IMPORTANT]  
> It is a static embedding model! The main purpose of it is to calculate similarity between russian and bashkir sentences.

## Model Details

### Model Description
- **Model Type:** Sentence Transformer
<!-- - **Base model:** [Unknown](https://huggingface.co/unknown) -->
- **Maximum Sequence Length:** inf tokens
- **Output Dimensionality:** 256 dimensions
- **Similarity Function:** Cosine Similarity
<!-- - **Training Dataset:** Unknown -->
- **Language:** Bashkir
<!-- - **License:** Unknown -->

### Model Sources

- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/huggingface/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)

### Full Model Architecture

```
SentenceTransformer(
  (0): StaticEmbedding(
    (embedding): EmbeddingBag(120138, 256, mode='mean')
  )
)
```

## 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("BorisTM/static_rus_bak")
# Run inference
sentences = [
    '19.Башҡортостан Республикаһында ниндәй милләттәр йәшәй?',
    'Какие экономические реформы были проведены в России в XIX веке?',
    'Валерий Газзаев также отметил, что сегодня футбол не просто является спортом.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 256]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[ 1.0000,  0.4605, -0.0718],
#         [ 0.4605,  1.0000, -0.1179],
#         [-0.0718, -0.1179,  1.0000]])
```

<!--
### Direct Usage (Transformers)

<details><summary>Click to see the direct usage in Transformers</summary>

</details>
-->

<!--
### Downstream Usage (Sentence Transformers)

You can finetune this model on your own dataset.

<details><summary>Click to expand</summary>

</details>
-->

<!--
### Out-of-Scope Use

*List how the model may foreseeably be misused and address what users ought not to do with the model.*
-->



<!--
## Bias, Risks and Limitations

*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
-->

<!--
### Recommendations

*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
-->

## Training Details

### Training Dataset

#### Unnamed Dataset

* Size: 10,246,566 training samples
* Columns: <code>bak</code> and <code>rus</code>
* Approximate statistics based on the first 1000 samples:
  |         | bak                                                                                            | rus                                                                                            |
  |:--------|:-----------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------|
  | type    | string                                                                                         | string                                                                                         |
  | details | <ul><li>min: 2 characters</li><li>mean: 84.01 characters</li><li>max: 536 characters</li></ul> | <ul><li>min: 2 characters</li><li>mean: 83.26 characters</li><li>max: 563 characters</li></ul> |
* Samples:
  | bak                                                                                              | rus                                                                                              |
  |:-------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------|
  | <code>Ref-de Профиль на transfermarkt.de (нем.)</code>                                           | <code>Профиль на transfermarkt.de (нем.)</code>                                                  |
  | <code>Уның тәүәккәл эш итеүе арҡаһында был әҙәм зарарһыҙландырыла.</code>                        | <code>Со свойственным ему упрямством этот человек пытается исполнить свою угрозу.</code>         |
  | <code>Ростов стадионы архитектура үҙенсәлектәре башҡа стадиондарҙыҡынан айырылып торасаҡ.</code> | <code>Нарушение технологического процесса в одном, безусловно, скажется на других этапах.</code> |
* Loss: [<code>MultipleNegativesSymmetricRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativessymmetricrankingloss) with these parameters:
  ```json
  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "gather_across_devices": false
  }
  ```

### Evaluation Dataset

#### rus_bak_real

* Dataset: rus_bak_real
* Size: 10,000 evaluation samples
* Columns: <code>bak</code> and <code>rus</code>
* Approximate statistics based on the first 1000 samples:
  |         | bak                                                                                             | rus                                                                                            |
  |:--------|:------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------|
  | type    | string                                                                                          | string                                                                                         |
  | details | <ul><li>min: 3 characters</li><li>mean: 85.78 characters</li><li>max: 1025 characters</li></ul> | <ul><li>min: 4 characters</li><li>mean: 85.84 characters</li><li>max: 967 characters</li></ul> |
* Samples:
  | bak                                                                                                                                                                                                                         | rus                                                                                                                                                                                                                         |
  |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
  | <code>с йылдырымом юсуп а не валерой!</code>                                                                                                                                                                                | <code>Освежает потрясающе!</code>                                                                                                                                                                                           |
  | <code>Беренсе шуныһы ташлана күҙе - блузка уңайлы, туника, салбар.</code>                                                                                                                                                   | <code>Первое, что бросается в глаза - чехол, плотный и удобный.</code>                                                                                                                                                      |
  | <code>Һауаның уртаса йыллыҡ театраһы — 2,3°С, ғин. уртаса температура — -15°С, июлдә — 21°С. Абсолютная максимальная температура — 38°С, абс. миним. театра — -48,0°С. Яуым-төшөмдөң уртаса йыллыҡ миҡдары — 450 мм.</code> | <code>Среднегодовая температура воздуха – 2,3°С, средняя температура янв. – -15°С, июля – 21°С. Абсолютная максимальная температура – 38°С, абс. миним. театра – -48,0°С. Среднегодовое количество осадков – 450 мм.</code> |
* Loss: [<code>MultipleNegativesSymmetricRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativessymmetricrankingloss) with these parameters:
  ```json
  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "gather_across_devices": false
  }
  ```

### Training Hyperparameters
#### Non-Default Hyperparameters

- `eval_strategy`: steps
- `per_device_train_batch_size`: 8192
- `per_device_eval_batch_size`: 256
- `learning_rate`: 0.02
- `weight_decay`: 0.01
- `max_steps`: 1200
- `warmup_ratio`: 0.05
- `bf16`: True
- `bf16_full_eval`: True
- `remove_unused_columns`: False
- `load_best_model_at_end`: True

#### All Hyperparameters
<details><summary>Click to expand</summary>

- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: steps
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 8192
- `per_device_eval_batch_size`: 256
- `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`: 0.02
- `weight_decay`: 0.01
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1.0
- `num_train_epochs`: 3.0
- `max_steps`: 1200
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.05
- `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`: True
- `fp16`: False
- `fp16_opt_level`: O1
- `half_precision_backend`: auto
- `bf16_full_eval`: True
- `fp16_full_eval`: False
- `tf32`: None
- `local_rank`: 0
- `ddp_backend`: None
- `tpu_num_cores`: None
- `tpu_metrics_debug`: False
- `debug`: []
- `dataloader_drop_last`: True
- `dataloader_num_workers`: 0
- `dataloader_prefetch_factor`: None
- `past_index`: -1
- `disable_tqdm`: False
- `remove_unused_columns`: False
- `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
- `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`: proportional
- `router_mapping`: {}
- `learning_rate_mapping`: {}

</details>


### Framework Versions
- Python: 3.10.14
- Sentence Transformers: 5.1.2
- Transformers: 4.57.3
- PyTorch: 2.3.1
- Accelerate: 1.12.0
- Datasets: 4.4.1
- Tokenizers: 0.22.1


## Model Card Authors

Malashenko Boris

## Model Card Contact

quelquemath@gmail.com