---
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
- **Maximum Sequence Length:** inf tokens
- **Output Dimensionality:** 256 dimensions
- **Similarity Function:** Cosine Similarity
- **Language:** Bashkir
### 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]])
```
## Training Details
### Training Dataset
#### Unnamed Dataset
* Size: 10,246,566 training samples
* Columns: bak and rus
* Approximate statistics based on the first 1000 samples:
| | bak | rus |
|:--------|:-----------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------|
| type | string | string |
| details | - min: 2 characters
- mean: 84.01 characters
- max: 536 characters
| - min: 2 characters
- mean: 83.26 characters
- max: 563 characters
|
* Samples:
| bak | rus |
|:-------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------|
| Ref-de Профиль на transfermarkt.de (нем.) | Профиль на transfermarkt.de (нем.) |
| Уның тәүәккәл эш итеүе арҡаһында был әҙәм зарарһыҙландырыла. | Со свойственным ему упрямством этот человек пытается исполнить свою угрозу. |
| Ростов стадионы архитектура үҙенсәлектәре башҡа стадиондарҙыҡынан айырылып торасаҡ. | Нарушение технологического процесса в одном, безусловно, скажется на других этапах. |
* Loss: [MultipleNegativesSymmetricRankingLoss](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: bak and rus
* Approximate statistics based on the first 1000 samples:
| | bak | rus |
|:--------|:------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------|
| type | string | string |
| details | - min: 3 characters
- mean: 85.78 characters
- max: 1025 characters
| - min: 4 characters
- mean: 85.84 characters
- max: 967 characters
|
* Samples:
| bak | rus |
|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| с йылдырымом юсуп а не валерой! | Освежает потрясающе! |
| Беренсе шуныһы ташлана күҙе - блузка уңайлы, туника, салбар. | Первое, что бросается в глаза - чехол, плотный и удобный. |
| 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. | 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. |
* Loss: [MultipleNegativesSymmetricRankingLoss](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
Click to expand
- `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`: {}