Upload fine-tuned e5-hazmat model

039d1d7 verified 4 months ago

27.4 kB

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - dense
  - generated_from_trainer
  - dataset_size:8498
  - loss:MultipleNegativesRankingLoss
base_model: intfloat/multilingual-e5-base
widget:
  - source_sentence: >-
      query: Lusan Creme Alisante Suave Profissional 220g O caminho para o
      cabelo perfeito requer cuidados especiais, e hoje você pode conseguir essa
      mudança com a ajuda da Lisahair.


      Livre de crueldade

      Este produto é feito sem machucar nenhum animal.
    sentences:
      - >-
        query: Porta Talher E Utensiios Inox Escorredor Garfo Concha Porta
        Talher e Utensiios Inox Escorredor Garfo Concha Cozinha

        Este Porta Talher e Utensiios Inox Escorredor Garfo Concha Cozinha é
        exatamente o que você precisa. Um produto belo, prático, durável e que
        facilitará muito a sua rotina.


        Produzido com material durável e de ótima qualidade, este Porta Ta
      - >
        query: Jogo Balança Sapo Matemática Equilíbrio Brinquedo Educativo A
        Balança Divertida Numérica Sapo Sapinho Matemática Educativo é um jogo
        de tabuleiro educativo que proporciona diversão e aprendizado para
        crianças a partir de 5 anos. Com o tema de sapos e matemática, o jogo
        estimula o raciocínio lógico e o desenvolvimento das habilidades
        numéricas dos pequenos. 
      - >-
        query: Frigideira antiaderente de granito Cubestutensil, frigideira de
        10 camadas
  - source_sentence: >-
      query: Tapete Sala 2,0x3,0 Azul Marinho Antiderrapante Macio Apolo Tapete
      Sala 2,0x3,0 Azul Marinho Antiderrapante Macio Apolo


      DESCRIÇÃO


      Tapetes são acessórios de decoração que vestem os cômodos, deixando-os
      mais aconchegantes e bonitos. Com os nossos tapetes você poderá desfrutar
      de momentos mais confortáveis. Dono de grande maciez e elaborado para
      oferecer uma 
    sentences:
      - >-
        query: Alisante Plastia Liso Definitiva Alisa3x Mais Afro 2x1000ml
        Alisante Plastia Liso Definitiva Alisa3x Mais Afro 2x1000ml


        Selagem orgânica, escovas profissionais.


        Tratamento de alto desempenho que proporciona alisamento extremo aos
        fios, alisa 3x mais e também cabelos afros. Pode ser utilizada em todos
        os tipos de cabelo. Contém blends de aminoácidos. Possui
      - >-
        query: Protetor solar Sallve Protetor Solar Facial FPS60 Toque Seco Com
        Cor en creme
      - >-
        query: Cinto Couro Feminino Country Trabalhado Que Troca De Fivela CINTO
        UNISSEX


        Cinto produzido em couro legítimo, idealizando qualidade e beleza.



        CARACTERÍSTICAS:
         Produzido em couro legítimo bovino, de qualidade e durabilidade incomparáveis;
         Cinto confeccionado em apenas uma tira de couro costurado, garantindo assim muita flexibilidade;
         Fivela trabalhada;
         
  - source_sentence: >-
      query: Carregador USB Lelo Sona 2 Travel Clitoris Mini Sucker Purple Lelo
      Sona 2 Travel Mini Clitoral Sucker 
       
       Prepare-se para embarcar em sua próxima grande aventura com o SONA™ 2 Travel como acompanhante. Este mini vibrador, com seu formato elegante e discreto, chegou para ajudá-lo imediatamente a ter um orgasmo onde quer que esteja, para que você possa desfrutar
    sentences:
      - 'query: Suplemento en polpa Xymogen Ácido Fólico'
      - 'query: Hair Spray Pacinos Extra Forte 400ml Cabelo Fixação'
      - >-
        query: Luminária mata inseto Correia Ecom Repelente Mata Mosquito Led Uv
        Eletrônico Insetos
  - source_sentence: >-
      query: Tinta Esmalte Extra Acetinado 225ml Branco Renner Extra Esmalte
      possui fórmula com teor reduzido de solventes (VOC - compostos orgânicos
      voláteis). Protege as superfícies e proporciona acabamento brilhante,
      acetinado ou fosco. Contém silicone, facilitando a limpeza e reduzindo a
      aderência de sujeira. Oferece ótimo rendimento, excelente cobertura e 
    sentences:
      - 'query: Revestimentodescontaminante VonixxPremium Desengraxante Limpador'
      - 'query: Tinta spray esmalte Acuario Acuario -'
      - >-
        query: Boneca Angelina Loira + Boneca Angelina Negra Com Acessórios Uma
        amizade fiel

        A partir de hoje, toda criança será acompanhada por alguém
        incondicional, capaz de transformar o mundo em um lugar encantador.


        Personagens inesquecíveis

        Com Boneca angelina loira + boneca angelina negra com acessórios, as
        experiências das crianças serão incríveis! Seu design favore
  - source_sentence: >-
      query: Tinta Esmalte Sintético Brilhante Glasu! 3,6l Cores Cor Verde
      Colonial ESMALTE SINTÉTICO STANDARD GLASU! (ANTERIORMENTE CHAMADO DE
      GLASURIT).


      Indicado para pintura de superfícies de madeira, metal, alumínio e
      galvanizados, para ambientes internos e externos. É um produto de fácil
      aplicação, secagem rápida, bom alastramento e boa aderência.


      CARACTERÍSTICAS

      - Secagem m
    sentences:
      - >-
        query: Extintor de incêndio industrial móvel, Mxkfi-003, 68kg, Classe A,
        b, c
      - 'query: Travesseiro Nativa Serena'
      - >-
        query: Conjunto térmico para camiseta de bebê, calças de algodão, 50 GB,
        cor branca, tamanho 12 meses
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 intfloat/multilingual-e5-base
    results:
      - task:
          type: binary-classification
          name: Binary Classification
        dataset:
          name: hazmat eval
          type: hazmat-eval
        metrics:
          - type: cosine_accuracy
            value: 0.8566666666666667
            name: Cosine Accuracy
          - type: cosine_accuracy_threshold
            value: 0.8463509678840637
            name: Cosine Accuracy Threshold
          - type: cosine_f1
            value: 0.8491228070175437
            name: Cosine F1
          - type: cosine_f1_threshold
            value: 0.8463509678840637
            name: Cosine F1 Threshold
          - type: cosine_precision
            value: 0.8962962962962963
            name: Cosine Precision
          - type: cosine_recall
            value: 0.8066666666666666
            name: Cosine Recall
          - type: cosine_ap
            value: 0.9343418382109772
            name: Cosine Ap
          - type: cosine_mcc
            value: 0.7169269748849046
            name: Cosine Mcc

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("WesleySAlves/e5-hazmat-classifier")
# Run inference
sentences = [
    'query: Tinta Esmalte Sintético Brilhante Glasu! 3,6l Cores Cor Verde Colonial ESMALTE SINTÉTICO STANDARD GLASU! (ANTERIORMENTE CHAMADO DE GLASURIT).\n\nIndicado para pintura de superfícies de madeira, metal, alumínio e galvanizados, para ambientes internos e externos. É um produto de fácil aplicação, secagem rápida, bom alastramento e boa aderência.\n\nCARACTERÍSTICAS\n- Secagem m',
    'query: Extintor de incêndio industrial móvel, Mxkfi-003, 68kg, Classe A, b, c',
    'query: Travesseiro Nativa Serena',
]
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, 0.9624, 0.8195],
#         [0.9624, 1.0000, 0.7870],
#         [0.8195, 0.7870, 1.0000]])

Evaluation

Metrics

Binary Classification

Dataset: hazmat-eval
Evaluated with BinaryClassificationEvaluator

Metric	Value
cosine_accuracy	0.8567
cosine_accuracy_threshold	0.8464
cosine_f1	0.8491
cosine_f1_threshold	0.8464
cosine_precision	0.8963
cosine_recall	0.8067
cosine_ap	0.9343
cosine_mcc	0.7169

Training Details

Training Dataset

Unnamed Dataset

Size: 8,498 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 10 tokens
mean: 50.14 tokens
max: 140 tokens

min: 9 tokens
mean: 52.57 tokens
max: 161 tokens

	anchor	positive
type	string	string
details	min: 10 tokens mean: 50.14 tokens max: 140 tokens	min: 9 tokens mean: 52.57 tokens max: 161 tokens

Samples:

anchor	positive
`query: Gerador de cloro para piscina ATClor Gerador 3em1`	`query: Adesivo Chevrolet Adesivo`
`query: Cinto Chacal Cinto de couro`	`query: Taca De Cristal Soda P/ Agua Elisabeth 350ml Azul 6 Peças`
`query: Boneca de pelúcia Capivara com Chef Grande Boneca macia e macia marrom claro Boneca Capivara Soft Chef Capivara Material de enchimento: algodão PP Faixa etária aplicável: 0+ Cor: marrom Tamanho: 30CM Embalagem: 1 x pelúcia Especificidades: - Primeira qualidade: nossos bichos de pelúcia capycho são feitos de materiais cuidadosamente selecionados com excelente desempenho, preenchidos com algodã`	`query: Webcam Webcam Microfone USB PC Windows Mac Zoom Você não precisa mais se preocupar se o seu PC não tiver uma câmera. Este dispositivo Zoomy fornece a qualidade de imagem e os recursos de que você precisa para se comunicar de forma fácil e eficaz em realidade virtual.`

Loss: MultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim",
    "gather_across_devices": false,
    "directions": [
        "query_to_doc"
    ],
    "partition_mode": "joint",
    "hardness_mode": null,
    "hardness_strength": 0.0
}

Evaluation Dataset

Unnamed Dataset

Size: 500 evaluation samples
Columns: anchor and positive
Approximate statistics based on the first 500 samples:
anchor positive
type string string
details
min: 11 tokens
mean: 48.39 tokens
max: 131 tokens

min: 9 tokens
mean: 52.09 tokens
max: 134 tokens

	anchor	positive
type	string	string
details	min: 11 tokens mean: 48.39 tokens max: 131 tokens	min: 9 tokens mean: 52.09 tokens max: 134 tokens

Samples:

anchor	positive
`query: Gerador de cloro para piscina ATClor Gerador 3em1`	`query: Adesivo Chevrolet Adesivo`
`query: Cinto Chacal Cinto de couro`	`query: Taca De Cristal Soda P/ Agua Elisabeth 350ml Azul 6 Peças`
`query: Boneca de pelúcia Capivara com Chef Grande Boneca macia e macia marrom claro Boneca Capivara Soft Chef Capivara Material de enchimento: algodão PP Faixa etária aplicável: 0+ Cor: marrom Tamanho: 30CM Embalagem: 1 x pelúcia Especificidades: - Primeira qualidade: nossos bichos de pelúcia capycho são feitos de materiais cuidadosamente selecionados com excelente desempenho, preenchidos com algodã`	`query: Webcam Webcam Microfone USB PC Windows Mac Zoom Você não precisa mais se preocupar se o seu PC não tiver uma câmera. Este dispositivo Zoomy fornece a qualidade de imagem e os recursos de que você precisa para se comunicar de forma fácil e eficaz em realidade virtual.`

Loss: MultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim",
    "gather_across_devices": false,
    "directions": [
        "query_to_doc"
    ],
    "partition_mode": "joint",
    "hardness_mode": null,
    "hardness_strength": 0.0
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 64
learning_rate: 2e-05
num_train_epochs: 5
warmup_steps: 0.1
fp16: True
load_best_model_at_end: True

All Hyperparameters

Click to expand

do_predict: False
eval_strategy: epoch
prediction_loss_only: True
per_device_train_batch_size: 64
per_device_eval_batch_size: 8
gradient_accumulation_steps: 1
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 2e-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: 5
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: None
warmup_ratio: None
warmup_steps: 0.1
log_level: passive
log_level_replica: warning
log_on_each_node: True
logging_nan_inf_filter: True
enable_jit_checkpoint: False
save_on_each_node: False
save_only_model: False
restore_callback_states_from_checkpoint: False
use_cpu: False
seed: 42
data_seed: None
bf16: False
fp16: True
bf16_full_eval: False
fp16_full_eval: False
tf32: None
local_rank: -1
ddp_backend: None
debug: []
dataloader_drop_last: False
dataloader_num_workers: 0
dataloader_prefetch_factor: None
disable_tqdm: False
remove_unused_columns: True
label_names: None
load_best_model_at_end: True
ignore_data_skip: False
fsdp: []
fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': 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
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch_fused
optim_args: None
group_by_length: False
length_column_name: length
project: huggingface
trackio_space_id: trackio
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
push_to_hub: False
resume_from_checkpoint: None
hub_model_id: None
hub_strategy: every_save
hub_private_repo: None
hub_always_push: False
hub_revision: None
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_for_metrics: []
eval_do_concat_batches: True
auto_find_batch_size: False
full_determinism: False
ddp_timeout: 1800
torch_compile: False
torch_compile_backend: None
torch_compile_mode: None
include_num_input_tokens_seen: no
neftune_noise_alpha: None
optim_target_modules: None
batch_eval_metrics: False
eval_on_start: False
use_liger_kernel: False
liger_kernel_config: None
eval_use_gather_object: False
average_tokens_across_devices: True
use_cache: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	Validation Loss	hazmat-eval_cosine_ap
0.3759	50	4.1700	-	-
0.7519	100	4.0818	-	-
1.0	133	-	1.7933	0.9210
1.1278	150	3.8759	-	-
1.5038	200	3.8106	-	-
1.8797	250	3.7647	-	-
2.0	266	-	1.6138	0.9411
2.2556	300	3.6884	-	-
2.6316	350	3.6794	-	-
3.0	399	-	1.5537	0.9284
3.0075	400	3.6409	-	-
3.3835	450	3.6014	-	-
3.7594	500	3.5970	-	-
4.0	532	-	1.5148	0.9298
4.1353	550	3.5763	-	-
4.5113	600	3.5623	-	-
4.8872	650	3.5422	-	-
5.0	665	-	1.4926	0.9343

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.12.13
Sentence Transformers: 5.3.0
Transformers: 5.0.0
PyTorch: 2.10.0+cu128
Accelerate: 1.13.0
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{oord2019representationlearningcontrastivepredictive,
      title={Representation Learning with Contrastive Predictive Coding},
      author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
      year={2019},
      eprint={1807.03748},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/1807.03748},
}