Add new SentenceTransformer model

4b18b20 verified about 1 year ago

21.1 kB

metadata

base_model: intfloat/multilingual-e5-small
library_name: sentence-transformers
metrics:
  - pearson_cosine
  - spearman_cosine
  - pearson_manhattan
  - spearman_manhattan
  - pearson_euclidean
  - spearman_euclidean
  - pearson_dot
  - spearman_dot
  - pearson_max
  - spearman_max
pipeline_tag: sentence-similarity
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:6577
  - loss:CosineSimilarityLoss
widget:
  - source_sentence: 'query: алерана бальзам'
    sentences:
      - >-
        passage: Мороженое "Джиандуйя" фундучно-шоколад.; Шоколадный пломбир с
        фундуком в шоколаде. Нежная сливочная текстура.; Мороженое; Цена: 138.0;
        Рейтинг: 4.9
      - >-
        passage: Нюда спрей д/местного применения педикулицидный 50мл; Средство
        с физическим принципом действия для уничтожения головных вшей, личинок и
        гнид; Лекарственные средства; Цена: 1136.0; Рейтинг: 0.0
      - >-
        passage: АнвиМакс Мед-Лимон пор.д/приг.р-ра д/приема внутрь пак.№12;
        Препарат для лечения гриппа и ОРВИ. Комбинирует противовирусное и
        симптоматическое действие.; Лекарственные средства; Цена: 806.0;
        Рейтинг: 0.0
  - source_sentence: 'query: тунец'
    sentences:
      - >-
        passage: Мармелад жевательный "Ассорти"; Жевательный мармелад с
        насыщенным фруктовым вкусом.  ; Мармелад, халва, зефир, восточные
        сладости; Цена: 106.0; Рейтинг: 4.9
      - >-
        passage: Фаритол сироп 150мл Подорожник/Алтей/Чабрец; Сироп подорожника,
        алтея и чабреца для детей с 3-х лет и взрослых.  ЭКСТРАКТ ЛИСТЬЕВ
        ПОДОРОЖНИКА обладает успокаивающим действием на горло и голосовые
        связки. Оказывает отхаркивающее действие и способствует более быстрому
        выведению мокроты из бронхов. ЭКСТРАКТ ЧАБРЕЦА обладает бактерицидным,
        противовоспалительным, отхаркивающим свойствами. Оказывает успокаивающее
        и смягчающее действие на слизистые. Способствует снижению вязкости
        мокроты, разрыхлению воспалительных налетов, ускоряя выведение из
        организма продуктов воспаления и слизистых масс. ЭКСТРАКТ КОРНЕЙ АЛТЕЯ 
        мягко обволакивая слизистые оболочки, препятствует их раздражению и
        обладает смягчающим и увлажняющим свойствами. Активизируя двигательную
        активность реснитчатого эпителия верхних дыхательных путей, способствует
        разжижению слизи, стимулирует высвобождение дыхательных каналов от
        мокроты.; Витамины, БАДы; Цена: 278.0; Рейтинг: 0.0
      - >-
        passage: Батончик протеиновый Snaq Fabriq Арахис и карамель 50 г;
        Протеиновый батончик с натуральными ингредиентами, без сахара и
        глютена.; Батончики; Цена: 99.0; Рейтинг: 4.9
  - source_sentence: 'query: вареники сулугуни'
    sentences:
      - >-
        passage: Чипсы Naitori из морских водорослей 3 г; Хрустящие чипсы из
        водорослей нори, обжаренные на оливковом масле с солью.  ; Снеки; Цена:
        55.0; Рейтинг: 4.9
      - >-
        passage: Вареники с вишневой начинкой, 500 г; Постные вареники с вишней,
        тонким тестом; Пельмени, вареники и манты; Цена: 336.0; Рейтинг: 4.7
      - >-
        passage: Протеин сывороточный "Ваниль"; Сывороточный протеин с ванильным
        вкусом; Протеин; Цена: 1464.0; Рейтинг: 4.9
  - source_sentence: 'query: каша молочно'
    sentences:
      - >-
        passage: Вишня сушеная, 1 кг; Спелая, сочная вишня, высушена, чтобы
        сохранить цвет и вкус; Орехи, сухофрукты; Цена: 3000.0; Рейтинг: 4.6
      - >-
        passage: Крем для тела с кислотами Acid Cloud, 250 мл; Крем с энзимами и
        кислотами для красоты и здоровья кожи. Борется с высыпаниями,
        шелушениями и постакне, возвращает мягкость коже.; Кремы косметические;
        Цена: 1792.0; Рейтинг: 5.0
      - >-
        passage: Шоколад ремесленный горький 74%; Ремесленный шоколад из
        перуанских и колумбийских какао-бобов; Шоколад; Цена: 310.0; Рейтинг:
        4.9
  - source_sentence: 'query: хачапури по аджарски'
    sentences:
      - >-
        passage: Напиток на чайном грибе с цветами липы и чабрецом, 350 мл;
        Тонизирующий напиток природного брожения. Приготовлен на чистой культуре
        чайного гриба с цветами липы, чабрецом и иван-чаем. Вкус: кислинка и
        терпкость трав.; Квас; Цена: 98.0; Рейтинг: 4.7
      - >-
        passage: Дезодорант-антиперспирант Nivea Men Серебряная защита 50 мл;
        Антибактериальный дезодорант с ионами серебра для защиты от пота и
        запаха на 99,9%. Успокаивает кожу и имеет свежий мужской аромат. Не
        содержит спирта.; Дезодоранты; Цена: 395.0; Рейтинг: 4.9
      - >-
        passage: Икра трески, 240 г; Нежная подсоленная икра тихоокеанской
        трески. С узнаваемым, чуть сладковатым вкусом и зернистой текстурой.
        Идеально подходит для сэндвичей, канапе и салатов.; Икра; Цена: 207.0;
        Рейтинг: 4.8
model-index:
  - name: SentenceTransformer based on intfloat/multilingual-e5-small
    results:
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: dev
          type: dev
        metrics:
          - type: pearson_cosine
            value: 0.8058103374607081
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.8022089220262975
            name: Spearman Cosine
          - type: pearson_manhattan
            value: 0.7663931903358694
            name: Pearson Manhattan
          - type: spearman_manhattan
            value: 0.8007955322402943
            name: Spearman Manhattan
          - type: pearson_euclidean
            value: 0.7686449116883721
            name: Pearson Euclidean
          - type: spearman_euclidean
            value: 0.8022089220262975
            name: Spearman Euclidean
          - type: pearson_dot
            value: 0.8058103383272679
            name: Pearson Dot
          - type: spearman_dot
            value: 0.8022089220262975
            name: Spearman Dot
          - type: pearson_max
            value: 0.8058103383272679
            name: Pearson Max
          - type: spearman_max
            value: 0.8022089220262975
            name: Spearman Max

SentenceTransformer based on intfloat/multilingual-e5-small

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-small. 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: intfloat/multilingual-e5-small
Maximum Sequence Length: 256 tokens
Output Dimensionality: 384 tokens
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': 256, 'do_lower_case': False}) with Transformer model: 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})
  (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("Data-Lab/multilingual-e5-small-cross-encoder-v0.1")
# Run inference
sentences = [
    'query: хачапури по аджарски',
    'passage: Напиток на чайном грибе с цветами липы и чабрецом, 350 мл; Тонизирующий напиток природного брожения. Приготовлен на чистой культуре чайного гриба с цветами липы, чабрецом и иван-чаем. Вкус: кислинка и терпкость трав.; Квас; Цена: 98.0; Рейтинг: 4.7',
    'passage: Икра трески, 240 г; Нежная подсоленная икра тихоокеанской трески. С узнаваемым, чуть сладковатым вкусом и зернистой текстурой. Идеально подходит для сэндвичей, канапе и салатов.; Икра; Цена: 207.0; Рейтинг: 4.8',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Semantic Similarity

Dataset: dev
Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.8058
spearman_cosine	0.8022
pearson_manhattan	0.7664
spearman_manhattan	0.8008
pearson_euclidean	0.7686
spearman_euclidean	0.8022
pearson_dot	0.8058
spearman_dot	0.8022
pearson_max	0.8058
spearman_max	0.8022

Training Details

Training Dataset

Unnamed Dataset

Size: 6,577 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: 6 tokens
mean: 8.99 tokens
max: 18 tokens

min: 34 tokens
mean: 67.08 tokens
max: 256 tokens

min: 0.0
mean: 0.5
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 6 tokens mean: 8.99 tokens max: 18 tokens	min: 34 tokens mean: 67.08 tokens max: 256 tokens	min: 0.0 mean: 0.5 max: 1.0

Samples:

sentence_0	sentence_1	label
`query: ополаскиватель для рта`	`passage: Блин сырный по-голландски; Голландский сырный блинчик с пикантным чесноком и домашним майонезом; Блины; Цена: 218.0; Рейтинг: 4.8`	`0.0`
`query: таблетки для посудомоечной машины`	`passage: Десерт многослойный с фруктовым соком; Сочное желе из натуральных соков с фруктозно-глюкозным сиропом. Кисло-сладкий десерт.; Пирожные, муссы, суфле; Цена: 75.0; Рейтинг: 4.8`	`0.0`
`query: пельмени с индейкой мини`	`passage: Кумин молотый Золото Индии; Сильный сладковато-горький вкус. Идеально с рыбой, молочными продуктами и овощами.; Специи и приправы; Цена: 137.0; Рейтинг: 4.9`	`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: 32
per_device_eval_batch_size: 32
fp16: True
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: 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: 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: 3
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: 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}
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: False
hub_always_push: False
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
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
eval_use_gather_object: False
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin

Training Logs

Epoch	Step	dev_spearman_max
1.0	103	0.8078
2.0	206	0.8052
3.0	309	0.8022

Framework Versions

Python: 3.10.12
Sentence Transformers: 3.2.0
Transformers: 4.44.0
PyTorch: 2.3.1+cu121
Accelerate: 0.31.0
Datasets: 2.20.0
Tokenizers: 0.19.1

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",
}