File size: 24,887 Bytes
eb7dff7 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 | ---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:1473
- loss:CosineSimilarityLoss
base_model: sergeyzh/rubert-mini-frida
widget:
- source_sentence: А если я ИП или самозанятый, получу ли я софинансирование по ПДС?
sentences:
- Возможны программы 'Ипотека без ПВ под залог имеющегося жилья' или 'Нецелевой
кредит под залог'.
- В чем разница между именной и моментальной кредитной картой?
- Да, ИП и самозанятые могут получать софинансирование по ПДС.
- source_sentence: При расторжении договора ПДС сроком до 2 лет возвращается 100%
внесенных средств.
sentences:
- Софинансирование по ПДС зависит от дохода...
- Софинансирование по ПДС — это возможность получить финансовую поддержку от государства
на личные взносы.
- При расторжении договора ПДС сроком от 2 до 7 лет возвращается 100% внесенных
средств и 100% дохода от инвестирования.
- source_sentence: Страхование жизни и здоровья (Лайф) при ипотеке добровольное, но
отказ может повлиять на ставку.
sentences:
- При выполнении определенных условий, участник ПДС имеет право на возврат подоходного
налога до 88 000 рублей ежегодно...
- В каких случаях необходимо нотариальное согласие супруга на передачу недвижимости
в залог по ипотечному договору?
- Оформление полиса страхования жизни и здоровья для ипотеки является добровольным,
однако отказ от него может отразиться на процентной ставке.
- source_sentence: Какие возможности есть для оплаты кредитной картой Сбера через
Apple Pay или Google Pay?
sentences:
- Что представляет собой ипотека?
- Кредитная карта Сбера выпускается на пластике международной платежной системы
МИР.
- Случаи применения двухвизитной схемы ипотечной сделки включают Военную ипотеку,
объекты в залоге, нотариально удостоверяемые сделки, операции по доверенности,
с участием нерезидентов, с предоставлением иного залога, а также ИЖС с использованием
эскроу-счетов...
- source_sentence: Что такое минимальная гарантированная ставка по вкладу?
sentences:
- Нужно ли предоставлять документы о доходах при оформлении ипотеки по программе
'Отказ от финансовых документов'?
- Допускается ли внесение средств на счет ПДС с банковской карты, принадлежащей
другому лицу?
- Минимальная гарантированная ставка указывается на первой странице договора вклада
и определяет минимальный доход при хранении вклада до конца срока.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- cosine_accuracy
- cosine_accuracy_threshold
- cosine_f1
- cosine_f1_threshold
- cosine_precision
- cosine_recall
- cosine_ap
- cosine_mcc
model-index:
- name: SentenceTransformer based on sergeyzh/rubert-mini-frida
results:
- task:
type: binary-classification
name: Binary Classification
dataset:
name: binary sts validation
type: binary-sts-validation
metrics:
- type: cosine_accuracy
value: 0.8157181571815718
name: Cosine Accuracy
- type: cosine_accuracy_threshold
value: 0.6679937839508057
name: Cosine Accuracy Threshold
- type: cosine_f1
value: 0.8382978723404255
name: Cosine F1
- type: cosine_f1_threshold
value: 0.5157450437545776
name: Cosine F1 Threshold
- type: cosine_precision
value: 0.7519083969465649
name: Cosine Precision
- type: cosine_recall
value: 0.9471153846153846
name: Cosine Recall
- type: cosine_ap
value: 0.8755934249907517
name: Cosine Ap
- type: cosine_mcc
value: 0.5938990835056142
name: Cosine Mcc
---
# SentenceTransformer based on sergeyzh/rubert-mini-frida
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sergeyzh/rubert-mini-frida](https://huggingface.co/sergeyzh/rubert-mini-frida). It maps sentences & paragraphs to a 312-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:** [sergeyzh/rubert-mini-frida](https://huggingface.co/sergeyzh/rubert-mini-frida) <!-- at revision 32a82388a9f99c99eca74494731f7ee6e9a9fe3a -->
- **Maximum Sequence Length:** 2048 tokens
- **Output Dimensionality:** 312 dimensions
- **Similarity Function:** Cosine Similarity
<!-- - **Training Dataset:** Unknown -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### Model Sources
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
### Full Model Architecture
```
SentenceTransformer(
(0): Transformer({'max_seq_length': 2048, 'do_lower_case': False}) with Transformer model: BertModel
(1): Pooling({'word_embedding_dimension': 312, '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:
```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("George2002/duplicates_checker_v1")
# Run inference
sentences = [
'Что такое минимальная гарантированная ставка по вкладу?',
'Минимальная гарантированная ставка указывается на первой странице договора вклада и определяет минимальный доход при хранении вклада до конца срока.',
'Допускается ли внесение средств на счет ПДС с банковской карты, принадлежащей другому лицу?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 312]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
```
<!--
### 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.*
-->
## Evaluation
### Metrics
#### Binary Classification
* Dataset: `binary-sts-validation`
* Evaluated with [<code>BinaryClassificationEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.BinaryClassificationEvaluator)
| Metric | Value |
|:--------------------------|:-----------|
| cosine_accuracy | 0.8157 |
| cosine_accuracy_threshold | 0.668 |
| cosine_f1 | 0.8383 |
| cosine_f1_threshold | 0.5157 |
| cosine_precision | 0.7519 |
| cosine_recall | 0.9471 |
| **cosine_ap** | **0.8756** |
| cosine_mcc | 0.5939 |
<!--
## 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: 1,473 training samples
* Columns: <code>sentence1</code>, <code>sentence2</code>, and <code>label</code>
* Approximate statistics based on the first 1000 samples:
| | sentence1 | sentence2 | label |
|:--------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:------------------------------------------------|
| type | string | string | int |
| details | <ul><li>min: 6 tokens</li><li>mean: 19.16 tokens</li><li>max: 58 tokens</li></ul> | <ul><li>min: 7 tokens</li><li>mean: 21.22 tokens</li><li>max: 66 tokens</li></ul> | <ul><li>0: ~42.40%</li><li>1: ~57.60%</li></ul> |
* Samples:
| sentence1 | sentence2 | label |
|:-------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------|:---------------|
| <code>Какие средства не подлежат списанию по исполнительным документам?</code> | <code>Как погасить кредит, если счет арестован?</code> | <code>0</code> |
| <code>В случае изменения реквизитов необходимо сообщить в Фонд не позднее 7 дней...</code> | <code>В случае изменения реквизитов необходимо сообщить в Фонд не позднее 10 дней...</code> | <code>0</code> |
| <code>Как активировать карту Сбера, чтобы начать ей пользоваться?</code> | <code>После получения кредитной карты никаких дополнительных действий совершать не требуется, можно сразу ей пользоваться.</code> | <code>1</code> |
* Loss: [<code>CosineSimilarityLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cosinesimilarityloss) with these parameters:
```json
{
"loss_fct": "torch.nn.modules.loss.MSELoss"
}
```
### Evaluation Dataset
#### Unnamed Dataset
* Size: 369 evaluation samples
* Columns: <code>sentence1</code>, <code>sentence2</code>, and <code>label</code>
* Approximate statistics based on the first 369 samples:
| | sentence1 | sentence2 | label |
|:--------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:------------------------------------------------|
| type | string | string | int |
| details | <ul><li>min: 6 tokens</li><li>mean: 18.25 tokens</li><li>max: 47 tokens</li></ul> | <ul><li>min: 7 tokens</li><li>mean: 20.62 tokens</li><li>max: 61 tokens</li></ul> | <ul><li>0: ~43.63%</li><li>1: ~56.37%</li></ul> |
* Samples:
| sentence1 | sentence2 | label |
|:-----------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------|
| <code>Можно ли забрать деньги из программы долгосрочного сбережения ПДС?</code> | <code>Да, можно при достижении оснований (15 лет, возраст 55/60, особые ситуации) или досрочно согласно таблице выкупных сумм.</code> | <code>1</code> |
| <code>Минимальный взнос после вступления в программу ПДС (на этапе накопления) - 1 000 рублей.</code> | <code>Минимальный взнос после вступления в программу ПДС (на этапе накопления) - 1 500 рублей.</code> | <code>0</code> |
| <code>Закрыть вклад или счет можно в СберБанк Онлайн или в офисе Сбера; при досрочном закрытии срочного вклада теряются проценты.</code> | <code>Прекратить действие вклада или счета можно через интернет-банк СберБанк Онлайн либо в отделении банка; в случае досрочного закрытия срочного вклада начисленные проценты аннулируются.</code> | <code>1</code> |
* Loss: [<code>CosineSimilarityLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cosinesimilarityloss) with these parameters:
```json
{
"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`: 16
- `learning_rate`: 5e-06
- `num_train_epochs`: 10
- `warmup_ratio`: 0.1
- `load_best_model_at_end`: True
- `batch_sampler`: no_duplicates
#### 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`: 32
- `per_device_eval_batch_size`: 16
- `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-06
- `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`: False
- `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`: 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}
- `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`: None
- `hub_always_push`: False
- `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
- `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
- `average_tokens_across_devices`: False
- `prompts`: None
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
| Epoch | Step | Training Loss | Validation Loss | binary-sts-validation_cosine_ap |
|:------:|:----:|:-------------:|:---------------:|:-------------------------------:|
| 0.2553 | 12 | 0.217 | - | - |
| 0.5106 | 24 | 0.22 | - | - |
| 0.7660 | 36 | 0.1985 | - | - |
| 1.0213 | 48 | 0.2037 | - | - |
| 1.0638 | 50 | - | 0.2223 | 0.7656 |
| 1.2766 | 60 | 0.205 | - | - |
| 1.5319 | 72 | 0.1976 | - | - |
| 1.7872 | 84 | 0.2051 | - | - |
| 2.0426 | 96 | 0.1796 | - | - |
| 2.1277 | 100 | - | 0.2085 | 0.8037 |
| 2.2979 | 108 | 0.1993 | - | - |
| 2.5532 | 120 | 0.188 | - | - |
| 2.8085 | 132 | 0.1925 | - | - |
| 3.0638 | 144 | 0.2108 | - | - |
| 3.1915 | 150 | - | 0.1975 | 0.8317 |
| 3.3191 | 156 | 0.1852 | - | - |
| 3.5745 | 168 | 0.1796 | - | - |
| 3.8298 | 180 | 0.1981 | - | - |
| 4.0851 | 192 | 0.1917 | - | - |
| 4.2553 | 200 | - | 0.1880 | 0.8486 |
| 4.3404 | 204 | 0.192 | - | - |
| 4.5957 | 216 | 0.1955 | - | - |
| 4.8511 | 228 | 0.1688 | - | - |
| 5.1064 | 240 | 0.1741 | - | - |
| 5.3191 | 250 | - | 0.1799 | 0.8625 |
| 5.3617 | 252 | 0.1762 | - | - |
| 5.6170 | 264 | 0.1796 | - | - |
| 5.8723 | 276 | 0.1786 | - | - |
| 6.1277 | 288 | 0.177 | - | - |
| 6.3830 | 300 | 0.1738 | 0.1739 | 0.8686 |
| 6.6383 | 312 | 0.1826 | - | - |
| 6.8936 | 324 | 0.1599 | - | - |
| 7.1489 | 336 | 0.1844 | - | - |
| 7.4043 | 348 | 0.1747 | - | - |
| 7.4468 | 350 | - | 0.1702 | 0.8730 |
| 7.6596 | 360 | 0.1742 | - | - |
| 7.9149 | 372 | 0.1663 | - | - |
| 8.1702 | 384 | 0.1658 | - | - |
| 8.4255 | 396 | 0.1623 | - | - |
| 8.5106 | 400 | - | 0.1676 | 0.8756 |
### Framework Versions
- Python: 3.11.2
- Sentence Transformers: 4.1.0
- Transformers: 4.49.0
- PyTorch: 2.5.1
- Accelerate: 1.5.2
- Datasets: 3.5.1
- Tokenizers: 0.21.0
## Citation
### BibTeX
#### Sentence Transformers
```bibtex
@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",
}
```
<!--
## Glossary
*Clearly define terms in order to be accessible across audiences.*
-->
<!--
## Model Card Authors
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
-->
<!--
## Model Card Contact
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
--> |