Add new SentenceTransformer model

308a490 verified over 1 year ago

16.9 kB

base_model: kornwtp/ConGen-BGE_M3-model-phayathaibert
library_name: sentence-transformers
metrics:
  - cosine_accuracy
pipeline_tag: sentence-similarity
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:68
  - loss:MultipleNegativesRankingLoss
widget:
  - source_sentence: ต้องการข้อมูลสินเชื่อที่ปรับโครงสร้าง
    sentences:
      - ดูสินเชื่อปรับโครงสร้างหนี้
      - ข้อมูลใบแจ้งหนี้ปัจจุบัน
      - แนะนำวิธีชำระหนี้อย่างปลอดภัย
  - source_sentence: สินเชื่อดอกเบี้ยต่ำสำหรับครอบครัว
    sentences:
      - แจ้งแก้ไขใบแจ้งหนี้ที่ผิดพลาด
      - ข้อมูลสินเชื่อที่เหมาะสำหรับครอบครัว
      - ข้อมูลใบแจ้งหนี้ทั้งหมด
  - source_sentence: รายละเอียดการผ่อนชำระสินเชื่อ
    sentences:
      - ดูตารางการผ่อนชำระสินเชื่อ
      - ข้อมูลสินเชื่อที่ไม่มีดอกเบี้ย
      - วิธีออกใบแจ้งหนี้
  - source_sentence: จ่ายหนี้ผ่านระบบออนไลน์
    sentences:
      - วิธีการชำระหนี้แบบออนไลน์
      - ค้นหาข้อมูลสินเชื่อใหม่ที่จะเปิดตัว
      - การสมัครสินเชื่อส่วนบุคคล
  - source_sentence: ขอออกใบแจ้งหนี้ใหม่
    sentences:
      - ข้อมูลสินเชื่อบ้าน
      - ดูใบแจ้งหนี้ที่ยังค้างอยู่
      - ขั้นตอนการออกใบแจ้งหนี้ใหม่
model-index:
  - name: SentenceTransformer based on kornwtp/ConGen-BGE_M3-model-phayathaibert
    results:
      - task:
          type: triplet
          name: Triplet
        dataset:
          name: thai sep test
          type: thai-sep-test
        metrics:
          - type: cosine_accuracy
            value: 1
            name: Cosine Accuracy

SentenceTransformer based on kornwtp/ConGen-BGE_M3-model-phayathaibert

This is a sentence-transformers model finetuned from kornwtp/ConGen-BGE_M3-model-phayathaibert. 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: kornwtp/ConGen-BGE_M3-model-phayathaibert
Maximum Sequence Length: 128 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': 128, 'do_lower_case': False}) with Transformer model: CamembertModel 
  (1): Pooling({'word_embedding_dimension': 768, '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): Dense({'in_features': 768, 'out_features': 1024, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'})
)

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("FlukeTJ/model-sep-congen-debt")
# Run inference
sentences = [
    'ขอออกใบแจ้งหนี้ใหม่',
    'ขั้นตอนการออกใบแจ้งหนี้ใหม่',
    'ข้อมูลสินเชื่อบ้าน',
]
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

Triplet

Dataset: thai-sep-test
Evaluated with TripletEvaluator

Metric	Value
cosine_accuracy	1.0

Training Details

Training Dataset

Unnamed Dataset

Size: 68 training samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 68 samples:

	anchor	positive	negative
type	string	string	string
details	min: 5 tokens mean: 6.82 tokens max: 10 tokens	min: 6 tokens mean: 7.84 tokens max: 11 tokens	min: 5 tokens mean: 6.93 tokens max: 9 tokens

Samples:

anchor	positive	negative
`สมัครสินเชื่อ`	`ฉันต้องการสมัครสินเชื่อใหม่`	`ฉันต้องการขอใบแจ้งหนี้`
`ขอใบแจ้งหนี้`	`ฉันต้องการใบแจ้งหนี้เดือนล่าสุด`	`ฉันต้องการสมัครสินเชื่อ`
`วิธีสมัครสินเชื่อ`	`ขั้นตอนสมัครสินเชื่ออย่างละเอียด`	`วิธีจ่ายหนี้`

Loss: MultipleNegativesRankingLoss with these parameters:

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

Evaluation Dataset

Unnamed Dataset

Size: 43 evaluation samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 43 samples:

	anchor	positive	negative
type	string	string	string
details	min: 5 tokens mean: 7.35 tokens max: 9 tokens	min: 6 tokens mean: 8.02 tokens max: 10 tokens	min: 5 tokens mean: 7.07 tokens max: 9 tokens

Samples:

anchor	positive	negative
`ตรวจสอบหนี้ของฉัน`	`ดูข้อมูลยอดหนี้ทั้งหมด`	`สมัครสินเชื่อบ้าน`
`สินเชื่อส่วนบุคคลแบบไม่มีหลักทรัพย์`	`ข้อมูลสินเชื่อที่ไม่ต้องใช้หลักทรัพย์`	`ใบแจ้งหนี้ดิจิทัล`
`ขอใบแจ้งหนี้ล่าสุด`	`ตรวจสอบใบแจ้งหนี้ล่าสุด`	`ขั้นตอนสมัครสินเชื่อออนไลน์`

Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 30
per_device_eval_batch_size: 30
num_train_epochs: 10
warmup_ratio: 0.1
fp16: True
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 30
per_device_eval_batch_size: 30
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: 1.0
num_train_epochs: 10
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.1
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
use_liger_kernel: False
eval_use_gather_object: False
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	thai-sep-test_cosine_accuracy
6.0	20	1.0

Framework Versions

Python: 3.10.14
Sentence Transformers: 3.3.1
Transformers: 4.45.1
PyTorch: 2.4.0
Accelerate: 0.34.2
Datasets: 3.0.1
Tokenizers: 0.20.0

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",
}

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}
}