Add new SentenceTransformer model

9ea2876 verified 2 days ago

17.2 kB

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - dense
  - generated_from_trainer
  - dataset_size:31992
  - loss:MultipleNegativesRankingLoss
base_model: intfloat/multilingual-e5-base
widget:
  - source_sentence: >-
      query: 問題: サッカー、カクテル、ファイトの前に共通してつく、フランスのシャンパーニュ地方で作られる発泡酒のことを何というでしょう? 回答:
      しゃんぱん
    sentences:
      - >-
        query: 問題: サッカー、カクテル、ファイトの前に共通してつく、フランスのシャンパーニュ地方で作られる発泡酒のことを何というでしょう?
        回答: しゃんぱん
      - >-
        query: 問題:
        左官屋が拾った財布を、落し主の大工に返しに行くが受け取らず、訴えを裁いた大岡越前守が一両を出してうまくおさめるという内容の、古典落語のタイトルは何でしょう?
        回答: みかたいちりょうそん (らくご)
      - >-
        query: 問題: サッカー、カクテル、ファイトの前に共通してつく、フランスのシャンパーニュ地方で作られる発泡酒のことを何というでしょう?
        回答: ぴの・ぐり
  - source_sentence: 'query: 問題: タタール海峡の日本での呼び名にその名を残す、樺太が島であることを確認した江戸時代後期の探検家は誰でしょう? 回答: 間宮林蔵'
    sentences:
      - 'query: 問題: 茶道用語で、茶室ではなく、屋外でお茶を点てることを何というでしょう? 回答: のだて'
      - >-
        query: 問題: タタール海峡の日本での呼び名にその名を残す、樺太が島であることを確認した江戸時代後期の探検家は誰でしょう? 回答:
        間宮林蔵
      - 'query: 問題: タタール海峡の日本での呼び名にその名を残す、樺太が島であることを確認した江戸時代後期の探検家は誰でしょう? 回答: 堀利煕'
  - source_sentence: 'query: 問題: 一般に「ステーキ」と言った場合、どんな食材で作ったステーキのことを指すでしょう? 回答: 牛肉'
    sentences:
      - 'query: 問題: 一般に「ステーキ」と言った場合、どんな食材で作ったステーキのことを指すでしょう? 回答: 牛肉'
      - 'query: 問題: 一般に「ステーキ」と言った場合、どんな食材で作ったステーキのことを指すでしょう? 回答: 豚肉'
      - >-
        query: 問題: 第1章「皇位継承」から第5章「皇室会議」までの全37条で構成されている、皇室に関する規定を定めた法律は何でしょう? 回答:
        こうしつてんぱん
  - source_sentence: 'query: 問題: 「フラッペ」と「カプチーノ」の合成語である、スターバックスで発売されている人気商品の名前は何でしょう? 回答: ふらぺちーの'
    sentences:
      - >-
        query: 問題: シングル『TAKE BACK』でデビューした、そのスタイルが「エロかっこいい」と評される歌手は誰でしょう? 回答:
        こうだくるみ
      - >-
        query: 問題: 「フラッペ」と「カプチーノ」の合成語である、スターバックスで発売されている人気商品の名前は何でしょう? 回答:
        ふらぺちーの
      - >-
        query: 問題: 「フラッペ」と「カプチーノ」の合成語である、スターバックスで発売されている人気商品の名前は何でしょう? 回答:
        みんとちょこれーと
  - source_sentence: 'query: 問題: 劇中歌『誰も寝てはならぬ』が昨年一躍有名になった、プッチーニのオペラといえば何でしょう? 回答: トゥーランドット'
    sentences:
      - >-
        query: 問題: 勝った翌日には専用のタイトル文字を使うほど、熱烈な阪神寄りの報道を続けている、神戸に本社を置くスポーツ新聞はどこでしょう?
        回答: でいりーすぽーつ
      - 'query: 問題: 劇中歌『誰も寝てはならぬ』が昨年一躍有名になった、プッチーニのオペラといえば何でしょう? 回答: カルメン (オペラ)'
      - 'query: 問題: 劇中歌『誰も寝てはならぬ』が昨年一躍有名になった、プッチーニのオペラといえば何でしょう? 回答: トゥーランドット'
pipeline_tag: sentence-similarity
library_name: sentence-transformers

SentenceTransformer based on intfloat/multilingual-e5-base

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-base. It maps sentences & paragraphs to a 768-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-base
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 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': 512, 'do_lower_case': False, 'architecture': 'XLMRobertaModel'})
  (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): 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("Miya67/aiq-scoring-e5-base")
# Run inference
sentences = [
    'query: 問題: 劇中歌『誰も寝てはならぬ』が昨年一躍有名になった、プッチーニのオペラといえば何でしょう? 回答: トゥーランドット',
    'query: 問題: 劇中歌『誰も寝てはならぬ』が昨年一躍有名になった、プッチーニのオペラといえば何でしょう? 回答: トゥーランドット',
    'query: 問題: 劇中歌『誰も寝てはならぬ』が昨年一躍有名になった、プッチーニのオペラといえば何でしょう? 回答: カルメン (オペラ)',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 1.0000, 0.2550],
#         [1.0000, 1.0000, 0.2550],
#         [0.2550, 0.2550, 1.0000]])

Training Details

Training Dataset

Unnamed Dataset

Size: 31,992 training samples
Columns: sentence_0, sentence_1, and sentence_2

Approximate statistics based on the first 1000 samples:

	sentence_0	sentence_1	sentence_2
type	string	string	string
details	min: 27 tokens mean: 48.02 tokens max: 96 tokens	min: 27 tokens mean: 47.2 tokens max: 96 tokens	min: 26 tokens mean: 48.68 tokens max: 80 tokens

Samples:

sentence_0	sentence_1	sentence_2
`query: 問題: 『デザイナー』『砂の城』『有閑倶楽部』などの作品で知られる人気漫画家は誰でしょう? 回答: いちじょうゆかり`	`query: 問題: 『デザイナー』『砂の城』『有閑倶楽部』などの作品で知られる人気漫画家は誰でしょう? 回答: いちじょうゆかり`	`query: 問題: 『デザイナー』『砂の城』『有閑倶楽部』などの作品で知られる人気漫画家は誰でしょう? 回答: あがつあきら`
`query: 問題: イスラムのシンボルである緑一色という国旗を持つ、アフリカの国はどこでしょう? 回答: だいりびあ・あらぶしゃかいしゅぎじんみんじゃまーひりーやくに`	`query: 問題: イスラムのシンボルである緑一色という国旗を持つ、アフリカの国はどこでしょう? 回答: あらぶしゃかいしゅぎじんみんじゃまーひりーやくに`	`query: 問題: イスラムのシンボルである緑一色という国旗を持つ、アフリカの国はどこでしょう? 回答: いえめんじんみんみんしゅきょうわこく`
`query: 問題: アメリカ独立宣言の起草に貢献したほか、「避雷針」を発明するなど科学者としても知られる人物は誰でしょう? 回答: ベンジャミン・フランクリン`	`query: 問題: アメリカ独立宣言の起草に貢献したほか、「避雷針」を発明するなど科学者としても知られる人物は誰でしょう? 回答: フランクリン`	`query: 問題: アメリカ独立宣言の起草に貢献したほか、「避雷針」を発明するなど科学者としても知られる人物は誰でしょう? 回答: ジェームズ・ポーク`

Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 32
num_train_epochs: 2
per_device_eval_batch_size: 32
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

per_device_train_batch_size: 32
num_train_epochs: 2
max_steps: -1
learning_rate: 5e-05
lr_scheduler_type: linear
lr_scheduler_kwargs: None
warmup_steps: 0
optim: adamw_torch_fused
optim_args: None
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
optim_target_modules: None
gradient_accumulation_steps: 1
average_tokens_across_devices: True
max_grad_norm: 1
label_smoothing_factor: 0.0
bf16: False
fp16: False
bf16_full_eval: False
fp16_full_eval: False
tf32: None
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
torch_compile: False
torch_compile_backend: None
torch_compile_mode: None
use_liger_kernel: False
liger_kernel_config: None
use_cache: False
neftune_noise_alpha: None
torch_empty_cache_steps: None
auto_find_batch_size: False
log_on_each_node: True
logging_nan_inf_filter: True
include_num_input_tokens_seen: no
log_level: passive
log_level_replica: warning
disable_tqdm: False
project: huggingface
trackio_space_id: trackio
eval_strategy: no
per_device_eval_batch_size: 32
prediction_loss_only: True
eval_on_start: False
eval_do_concat_batches: True
eval_use_gather_object: False
eval_accumulation_steps: None
include_for_metrics: []
batch_eval_metrics: False
save_only_model: False
save_on_each_node: False
enable_jit_checkpoint: False
push_to_hub: False
hub_private_repo: None
hub_model_id: None
hub_strategy: every_save
hub_always_push: False
hub_revision: None
load_best_model_at_end: False
ignore_data_skip: False
restore_callback_states_from_checkpoint: False
full_determinism: False
seed: 42
data_seed: None
use_cpu: False
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
dataloader_drop_last: False
dataloader_num_workers: 0
dataloader_pin_memory: True
dataloader_persistent_workers: False
dataloader_prefetch_factor: None
remove_unused_columns: True
label_names: None
train_sampling_strategy: random
length_column_name: length
ddp_find_unused_parameters: None
ddp_bucket_cap_mb: None
ddp_broadcast_buffers: False
ddp_backend: None
ddp_timeout: 1800
fsdp: []
fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
deepspeed: None
debug: []
skip_memory_metrics: True
do_predict: False
resume_from_checkpoint: None
warmup_ratio: None
local_rank: -1
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss
0.5	500	0.1050
1.0	1000	0.0051
1.5	1500	0.0032
2.0	2000	0.0026

Framework Versions

Python: 3.12.12
Sentence Transformers: 5.2.3
Transformers: 5.3.0
PyTorch: 2.10.0+cu128
Accelerate: 1.12.0
Datasets: 4.0.0
Tokenizers: 0.22.2

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}
}