--- tags: - sentence-transformers - sentence-similarity - feature-extraction - generated_from_trainer - dataset_size:86732 - loss:MultipleNegativesRankingLoss base_model: cointegrated/LaBSE-en-ru widget: - source_sentence: мойка sentences: - '{"product_name": "Набор вешалок MITTE Rainbow для брюк и юбок с зажимами 3 шт.", "Бренд": "MITTE", "Цвет": "серый", "Материал": null, "description": "", "Производитель": "Китай"}' - '{"product_name": "Шкаф для белья левый Sherlock", "Бренд": null, "Цвет": "дуб Сонома", "Материал": "ЛДСП, МДФ", "description": "Элегантный и удобный шкаф для белья – часть модульной коллекции мебели Sherlock. Благодаря компактным размерам, этот шкаф легко вписывается в небольшую гостиную или спальню. Внутри установлены четыре полки для белья, расстояние между которыми можно менять по желанию. Фасад с покрытием, имитирующим фактуру дуба Сонома, отделан декоративными планками, придающими этой модели изящество и особый шарм. Эта коллекция создана для обстановки малогабаритных квартир, из модулей можно собрать функциональный комплект, который украсит гостиную, декорированную в классическом стиле.", "Производитель": "Россия"}' - '{"product_name": "Обувница Комфорт 60х121.7х16.5 см", "Бренд": null, "Цвет": "белый", "Материал": "ЛДСП", "description": "Обувница Комфорт УК позволит компактно разместить обувь даже в небольшой или узкой прихожей. У тумбы небольшая глубина, но благодаря особой конструкции полок на них легко поместятся кроссовки, сандалии и другая обувь. Каждая пара будет защищена от пыли, а в прихожей всегда будет полный порядок. Крышку обувницы и открытое отделение под ней можно использовать для хранения аксессуаров и средств ухода за обувью.\nТумба изготовлена из ЛДСП с декоративным покрытием, за которым легко ухаживать: достаточно протирать поверхность мягкой салфеткой с любым средством для мебели, не содержащим абразивов..", "Производитель": "Россия"}' - source_sentence: стул sentences: - '{"product_name": "Кресло Монца", "Бренд": null, "Цвет": "бежевый", "Материал": null, "description": "", "Производитель": "Россия"}' - '{"product_name": "Дверь Оскар Скаген", "Бренд": null, "Цвет": "белый", "Материал": "МДФ", "description": "", "Производитель": "Россия"}' - '{"product_name": "Кресло CHAIRMAN Kids 110", "Бренд": "CHAIRMAN", "Цвет": "чёрный, оранжевый", "Материал": null, "description": "", "Производитель": "Россия"}' - source_sentence: кухонные столы sentences: - '{"product_name": "Фальшпанель Белла 4.6х35.6х1.6 см", "Бренд": null, "Цвет": "фисташка", "Материал": "МДФ с покрытием ПВХ", "description": "", "Производитель": "Россия"}' - '{"product_name": "Журнальный стол Лофт", "Бренд": null, "Цвет": "Чёрный,Дуб", "Материал": null, "description": "Низкий овальный столик на металлокаркасе создан для современного домашнего интерьера, гармонично впишется в гостиную, дополнит балкон или станет отличным вариантом для дачи. Столешница из МДФ представлена в трех базовых расцветках: под дерево, мраморный черный и белый, что позволяет выбрать именно тот вариант, который наиболее гармонично дополнит интерьер.\nКонструкция отличается долговечностью и прочностью. Высокая устойчивость к механическим повреждениям обеспечивает надежность использования этого столика долгие годы. Особое внимание следует уделить функциональности данного изделия.", "Производитель": "Россия"}' - '{"product_name": "Матрас пружинный Sanvi 90х200 см", "Бренд": "ARMOS", "Цвет": null, "Материал": null, "description": "Двусторонний матрас «Sanvi» относится к матрасам переменной жёсткости. Можно выбрать более комфортную сторону, просто перевернув матрас. Рельефная ортопена с одной стороны обеспечивает выраженный массажный эффект и отлично снимает напряжение.\nТермочувствительная вязко-эластичная пена с «эффектом памяти» с другой стороны быстро принимает форму тела под воздействием тепла и давления, постепенно восстанавливает объем без нагрузки. Пена Memory Pro - оптимальный выбор для людей с хроническими болями в спине, заболеваниями опорно-двигательного аппарата, спортсменов с интенсивными нагрузками и напряжением в мышцах. В основе матраса независимый пружинный блок Pocket Spring Multi повышенной комфортности, более 1000 пружин на спальное место. Данный блок отлично подстраивается под индивидуальные анатомические особенности спящего, уменьшая нагрузку на суставы и повышая качество сна. Армирован пружинный блок прочным бикоттоном. Такая конструкция обладает высокой упругостью, прочностью и повышенной несущей способностью.\nЧехол выполнен из мягкого, нежного трикотажа, простеганного на объемном гипоаллергенном волокне.", "Производитель": "Россия"}' - source_sentence: освещение sentences: - '{"product_name": "Шкаф одностворчатый правый Амели", "Бренд": null, "Цвет": "Серый", "Материал": null, "description": "", "Производитель": "Россия"}' - '{"product_name": "Люстра VITALUCE V5180-7/6 18 кв.м., 40х159х40 см, E14", "Бренд": "VITALUCE", "Цвет": "Золотой", "Материал": null, "description": "Подвесная люстра Vitaluce серии V5180 в золотом цвете выполнена в классическом стиле. Прекрасно может дополнить различные интерьеры комнат с высокими потолками. Есть возможность регулировать высоту люстры.\nЛампочки в комплект не входят, не забудьте их приобрести.", "Производитель": "Россия"}' - '{"product_name": "Прихожая СПР 2БР", "Бренд": null, "Цвет": "Белый", "Материал": null, "description": "", "Производитель": "Россия"}' - source_sentence: набор кружек sentences: - '{"product_name": "Каркас кровати Селена цвет кашемир", "Бренд": null, "Цвет": "кашемир", "Материал": null, "description": "Коллекция Селена представлена в трендовых оттенках Сантьяго и Кашемир, что придает ей современный вид. Фасады с покрытием Soft-touch приятны на ощупь и создают уютную атмосферу. В классическом стиле с рамочными фасадами в пленке ПВХ, коллекция также включает утолщенные колпаки модулей с фрезеровкой в древесной пленке. Петли Titus из Словении с возможностью установки демпфера обеспечивают долговечность, а скрытые направляющие с доводчиком гарантируют плавное и бесшумное закрывание ящиков. Цоколи в нижней части моделей добавляют яркий акцент и завершенность дизайну. \nОснование в комплект не входит.", "Производитель": "Россия"}' - '{"product_name": "Набор журнальных столов лофт Duae", "Бренд": null, "Цвет": "Белый,Чёрный", "Материал": null, "description": "", "Производитель": "Россия"}' - '{"product_name": "Матрас пружинный MILDEX Memphis 140х200 см", "Бренд": "MILDEX", "Цвет": null, "Материал": null, "description": "Пружинный матрас Memphis средней жёсткости. В основе матраса используется независимый пружинный блок «Hard Pocket» плотностью 500 пружин на спальное место. \n Уникальная пена повышенной плотности Bi-foam, обладающая анатомическим эффектом, равномерно распределяет нагрузку по всей площади матраса.Природный комбинированный наполнитель Bi-Cocos обеспечивает оптимальную жесткость. Сочетание двух этих материалов с пружинным блоком Hardpocket в матрасе, прекрасно воспринимает даже большие нагрузки, оказывая необходимую анатомическую поддержку, что благоприятно сказывается на качестве сна. \n Мягкий трикотажный чехол с высокообъёмной стежкой поможет расслабиться после напряженного дня. \n Особенности:\n - Использование природных материалов", "Производитель": "Россия"}' pipeline_tag: sentence-similarity library_name: sentence-transformers --- # SentenceTransformer based on cointegrated/LaBSE-en-ru This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [cointegrated/LaBSE-en-ru](https://huggingface.co/cointegrated/LaBSE-en-ru). 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:** [cointegrated/LaBSE-en-ru](https://huggingface.co/cointegrated/LaBSE-en-ru) - **Maximum Sequence Length:** 512 tokens - **Output Dimensionality:** 768 dimensions - **Similarity Function:** Cosine Similarity ### 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': 512, 'do_lower_case': False}) with Transformer model: BertModel (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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': 768, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'}) (3): 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("Solomennikova/labse_funetuned_hoff") # Run inference sentences = [ 'набор кружек', '{"product_name": "Каркас кровати Селена цвет кашемир", "Бренд": null, "Цвет": "кашемир", "Материал": null, "description": "Коллекция Селена представлена в трендовых оттенках Сантьяго и Кашемир, что придает ей современный вид. Фасады с покрытием Soft-touch приятны на ощупь и создают уютную атмосферу. В классическом стиле с рамочными фасадами в пленке ПВХ, коллекция также включает утолщенные колпаки модулей с фрезеровкой в древесной пленке. Петли Titus из Словении с возможностью установки демпфера обеспечивают долговечность, а скрытые направляющие с доводчиком гарантируют плавное и бесшумное закрывание ящиков. Цоколи в нижней части моделей добавляют яркий акцент и завершенность дизайну. \\nОснование в комплект не входит.", "Производитель": "Россия"}', '{"product_name": "Матрас пружинный MILDEX Memphis 140х200 см", "Бренд": "MILDEX", "Цвет": null, "Материал": null, "description": "Пружинный матрас Memphis средней жёсткости. В основе матраса используется независимый пружинный блок «Hard Pocket» плотностью 500 пружин на спальное место. \\n Уникальная пена повышенной плотности Bi-foam, обладающая анатомическим эффектом, равномерно распределяет нагрузку по всей площади матраса.Природный комбинированный наполнитель Bi-Cocos обеспечивает оптимальную жесткость. Сочетание двух этих материалов с пружинным блоком Hardpocket в матрасе, прекрасно воспринимает даже большие нагрузки, оказывая необходимую анатомическую поддержку, что благоприятно сказывается на качестве сна. \\n Мягкий трикотажный чехол с высокообъёмной стежкой поможет расслабиться после напряженного дня. \\n Особенности:\\n - Использование природных материалов", "Производитель": "Россия"}', ] embeddings = model.encode(sentences) print(embeddings.shape) # [3, 768] # Get the similarity scores for the embeddings similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [3, 3] ``` ## Training Details ### Training Dataset #### Unnamed Dataset * Size: 86,732 training samples * Columns: sentence_0 and sentence_1 * Approximate statistics based on the first 1000 samples: | | sentence_0 | sentence_1 | |:--------|:---------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------| | type | string | string | | details | | | * Samples: | sentence_0 | sentence_1 | |:-------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | комод | {"product_name": "Придиванный стол Агами", "Бренд": null, "Цвет": "Белый,Чёрный", "Материал": null, "description": "Компактный, устойчивый, многофункциональный – набор качеств придиванного стола Агами делает его отличным выбором для любой комнаты и целей. Модель можно использовать для сервировки закусок во время семейных киносеансов, работы с ноутбуком, рисования, в качестве подставки для швейной машины. С-образная конструкция каркаса позволяет расположить столик с максимальным удобством: сбоку от кресла, с фронтальной стороны дивана, рядом с сиденьем или так, чтобы столешница располагалась над подлокотником. Минималистский дизайн изделия создает нейтральный фон для предметов декора.", "Производитель": "Россия"} | | ковер | {"product_name": "Унитаз-компакт AM.PM Spirit V2.0 C708600WH 36.5х85х63.5 см", "Бренд": "AM.PM", "Цвет": "белый глянцевый", "Материал": "фарфор", "description": "", "Производитель": "Россия"} | | мойка | {"product_name": "Мойка с крылом GRANFEST Quarz GF-ZL-51 76х48х17.8 см", "Бренд": "GRANFEST", "Цвет": "чёрный", "Материал": "кварц", "description": "", "Производитель": "Россия"} | * Loss: [MultipleNegativesRankingLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters: ```json { "scale": 20.0, "similarity_fct": "cos_sim" } ``` ### Training Hyperparameters #### Non-Default Hyperparameters - `per_device_train_batch_size`: 32 - `per_device_eval_batch_size`: 32 - `num_train_epochs`: 1 - `multi_dataset_batch_sampler`: round_robin #### All Hyperparameters
Click to expand - `overwrite_output_dir`: False - `do_predict`: False - `eval_strategy`: no - `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`: 1 - `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`: 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`: 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} - `tp_size`: 0 - `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`: batch_sampler - `multi_dataset_batch_sampler`: round_robin
### Training Logs | Epoch | Step | Training Loss | |:------:|:----:|:-------------:| | 0.1844 | 500 | 2.7684 | | 0.3689 | 1000 | 2.5477 | | 0.5533 | 1500 | 2.4492 | | 0.7377 | 2000 | 2.4187 | | 0.9222 | 2500 | 2.4162 | ### Framework Versions - Python: 3.10.12 - Sentence Transformers: 4.0.1 - Transformers: 4.50.1 - PyTorch: 2.6.0+cu124 - Accelerate: 1.5.2 - Datasets: 3.4.1 - Tokenizers: 0.21.1 ## 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", } ``` #### MultipleNegativesRankingLoss ```bibtex @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} } ```