delete model

.gitattributes

@@ -1 +0,0 @@
-pytorch_model.bin filter=lfs diff=lfs merge=lfs -text

1_Pooling/config.json

@@ -1,7 +0,0 @@
-{
-  "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
-}

README.md

@@ -1,126 +0,0 @@
----
-pipeline_tag: sentence-similarity
-tags:
-- sentence-transformers
-- feature-extraction
-- sentence-similarity
-- transformers
-
----
-
-# {MODEL_NAME}
-
-This is a [sentence-transformers](https://www.SBERT.net) model: It maps sentences & paragraphs to a 768 dimensional dense vector space and can be used for tasks like clustering or semantic search.
-
-<!--- Describe your model here -->
-
-## Usage (Sentence-Transformers)
-
-Using this model becomes easy when you have [sentence-transformers](https://www.SBERT.net) installed:
-
-```
-pip install -U sentence-transformers
-```
-
-Then you can use the model like this:
-
-```python
-from sentence_transformers import SentenceTransformer
-sentences = ["This is an example sentence", "Each sentence is converted"]
-
-model = SentenceTransformer('{MODEL_NAME}')
-embeddings = model.encode(sentences)
-print(embeddings)
-```
-
-
-
-## Usage (HuggingFace Transformers)
-Without [sentence-transformers](https://www.SBERT.net), you can use the model like this: First, you pass your input through the transformer model, then you have to apply the right pooling-operation on-top of the contextualized word embeddings.
-
-```python
-from transformers import AutoTokenizer, AutoModel
-import torch
-
-
-#Mean Pooling - Take attention mask into account for correct averaging
-def mean_pooling(model_output, attention_mask):
-    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
-    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
-    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)
-
-
-# Sentences we want sentence embeddings for
-sentences = ['This is an example sentence', 'Each sentence is converted']
-
-# Load model from HuggingFace Hub
-tokenizer = AutoTokenizer.from_pretrained('{MODEL_NAME}')
-model = AutoModel.from_pretrained('{MODEL_NAME}')
-
-# Tokenize sentences
-encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')
-
-# Compute token embeddings
-with torch.no_grad():
-    model_output = model(**encoded_input)
-
-# Perform pooling. In this case, mean pooling.
-sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
-
-print("Sentence embeddings:")
-print(sentence_embeddings)
-```
-
-
-
-## Evaluation Results
-
-<!--- Describe how your model was evaluated -->
-
-For an automated evaluation of this model, see the *Sentence Embeddings Benchmark*: [https://seb.sbert.net](https://seb.sbert.net?model_name={MODEL_NAME})
-
-
-## Training
-The model was trained with the parameters:
-
-**DataLoader**:
-
-`torch.utils.data.dataloader.DataLoader` of length 190 with parameters:
-```
-{'batch_size': 16, 'sampler': 'torch.utils.data.sampler.RandomSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}
-```
-
-**Loss**:
-
-`sentence_transformers.losses.CosineSimilarityLoss.CosineSimilarityLoss` 
-
-Parameters of the fit()-Method:
-```
-{
-    "epochs": 3,
-    "evaluation_steps": 0,
-    "evaluator": "NoneType",
-    "max_grad_norm": 1,
-    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
-    "optimizer_params": {
-        "lr": 2e-05
-    },
-    "scheduler": "WarmupLinear",
-    "steps_per_epoch": null,
-    "warmup_steps": 100,
-    "weight_decay": 0.01
-}
-```
-
-
-## 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': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
-)
-```
-
-## Citing & Authors
-
-<!--- Describe where people can find more information -->

added_tokens.json

@@ -1,277 +0,0 @@
-{
-  "Abfallentsorgung": 31124,
-  "Abfallkalender": 31332,
-  "Abfallmenge": 31252,
-  "Abgabestelle": 31173,
-  "Ampelanlage": 31274,
-  "Angebot und Beratungsstelle": 31336,
-  "Anliegenmanagement": 31227,
-  "Apotheke": 31337,
-  "Arbeitslosigkeit": 31112,
-  "Arzt": 31155,
-  "Ausbildung": 31103,
-  "Bad und Freibad": 31287,
-  "Bau": 31245,
-  "Baufertigstellung": 31228,
-  "Baugenehmigung": 31317,
-  "Bauleitplan": 31138,
-  "Baumbestand - Baumfällung": 31230,
-  "Baumbestand - Baumkataster": 31355,
-  "Baumbestand - Baumstandort": 31107,
-  "Bauprojekt": 31286,
-  "Baustelle": 31121,
-  "Bebauungsplan": 31357,
-  "Behinderung - Behindertenwohnheim": 31218,
-  "Behinderung - Menschen mit Behinderung": 31273,
-  "Beleuchtung": 31246,
-  "Bericht": 31310,
-  "Bericht und Analyse - Klimabilanz": 31196,
-  "Bericht und Analyse - Luft und Emission": 31264,
-  "Bericht und Analyse - Verkehrsmessung": 31202,
-  "Bericht und Analyse - Wasser": 31338,
-  "Berufspendler": 31133,
-  "Beschäftigung": 31374,
-  "Beteiligung": 31299,
-  "Beteiligung an Öffentlicher Wirtschaft - Ausschreibung und Vergabe": 31200,
-  "Beteiligung an Öffentlicher Wirtschaft - Beteiligung": 31143,
-  "Bevölkerungsstruktur": 31129,
-  "Bibliothek - Ausleihe": 31282,
-  "Bibliothek - Bestand": 31283,
-  "Bibliothek - Besucherzahl": 31359,
-  "Bibliothek - Budget": 31136,
-  "Bibliothek - Standort": 31262,
-  "Bildung": 31179,
-  "Brunnen": 31269,
-  "Bürgerbeteiligung - Bürgerentscheid": 31364,
-  "Bürgerbeteiligung - Bürgerhaushalt": 31175,
-  "Bürgerbeteiligung - Entwicklung und Information": 31115,
-  "Bürgerbeteiligung - Umfrage": 31290,
-  "Bürgerservice": 31236,
-  "Büro, Industrie und Gewerbefläche": 31258,
-  "Co-Working": 31208,
-  "Container": 31370,
-  "Demografiebericht": 31308,
-  "Denkmal": 31137,
-  "Dienstleistung": 31278,
-  "Dienstleistung - Einzelhandel": 31297,
-  "Dienstleistung - Handwerk": 31182,
-  "Dienstleistung - Postfiliale": 31242,
-  "Dienstleistung - Weihnachtsmarkt": 31325,
-  "Dienstleistung - Wochenmarkt": 31281,
-  "Digitalisierung": 31153,
-  "Einwohnerzahl": 31309,
-  "Energie": 31251,
-  "Energiebericht": 31322,
-  "Entwässerung": 31248,
-  "Ferienangebot": 31360,
-  "Feuerwehr - Feuerwehreinsatz": 31257,
-  "Feuerwehr - Personal": 31140,
-  "Feuerwehr - Standort": 31376,
-  "Finanzen": 31289,
-  "Finanzielle Unterstützung - Förderung": 31118,
-  "Finanzielle Unterstützung - Grundsicherung": 31141,
-  "Finanzielle Unterstützung - Wohngeld": 31292,
-  "Flora und Fauna": 31319,
-  "Flucht - Asylbewerber": 31366,
-  "Flucht - Flüchtlingsunterbringung": 31219,
-  "Flucht - Flüchtlingszahl": 31206,
-  "Flucht - Integration": 31320,
-  "Flugverkehr - Flugbewegung": 31152,
-  "Flugverkehr - Flughafen": 31170,
-  "Fläche - Ausgleichsfläche": 31187,
-  "Fläche - Biotopfläche": 31293,
-  "Fläche - Grünfläche und Grünflächenkataster": 31183,
-  "Fläche - Hundewiese": 31334,
-  "Fläche - Jagdbezirk": 31204,
-  "Fläche - Naturschutzgebiet": 31232,
-  "Fläche - Waldfläche": 31343,
-  "Flächennutzung": 31181,
-  "Freizeit": 31304,
-  "Friedhof - Grabstätte": 31162,
-  "Friedhof - Standort": 31108,
-  "Fußverkehr - Fußgängerzone": 31352,
-  "Fußverkehr - Gehweg": 31134,
-  "Fußverkehr - Lauf und Wanderstrecke": 31225,
-  "Geförderter Wohnbau": 31268,
-  "Geschichte": 31209,
-  "Gesetzestext": 31375,
-  "Gesundheit": 31105,
-  "Gesundheitsberichtserstattung": 31150,
-  "Gewerbeanmeldung": 31254,
-  "Gewässer - Pegelstand": 31164,
-  "Gewässer - Wasserfläche": 31178,
-  "Grillplatz": 31168,
-  "Grundstücksbewertung": 31132,
-  "Gästezahl": 31158,
-  "Haushalt - Außerplanmäßige Aufwendung": 31354,
-  "Haushalt - Controlling": 31298,
-  "Haushalt - Jahresabschluss": 31363,
-  "Haushalt - Plan": 31197,
-  "Haushalt - Produktbereichssumme": 31167,
-  "Haushalt - Produktplan": 31335,
-  "Haushalt - Satzung": 31302,
-  "Haushalt - Sponsoring": 31333,
-  "Haushalt - Zuwendung und Förderung": 31114,
-  "Haushaltszusammensetzung": 31149,
-  "Hebamme": 31324,
-  "Hitze": 31194,
-  "Hochschule - Standort": 31277,
-  "Hochschule - Studentenwohnheim": 31234,
-  "Hochschule - Studierendenzahl": 31313,
-  "Hundekottüte": 31139,
-  "Infektion": 31250,
-  "Insolvenz": 31342,
-  "Jugendeinrichtung": 31128,
-  "Justiz": 31307,
-  "Justizeinrichtung": 31340,
-  "KFZ - Autobahn": 31111,
-  "KFZ - Bußgeld": 31280,
-  "KFZ - Carsharing": 31244,
-  "KFZ - Elektrotankstelle": 31323,
-  "KFZ - Fahrzeugzulassung": 31102,
-  "KFZ - Messung": 31214,
-  "KFZ - Parkplatz": 31330,
-  "KFZ - Tankstelle": 31198,
-  "KFZ - Taxistand": 31135,
-  "KFZ - Verkehrsaufkommen": 31368,
-  "Kindertageseinrichtung - Betreuungsplatz": 31331,
-  "Kindertageseinrichtung - Standort": 31346,
-  "Kirche, Kapelle und Kloster": 31166,
-  "Klima und Umweltschutz": 31161,
-  "Krankenhaus": 31229,
-  "Kriminalitätsstatistik": 31217,
-  "Kultur": 31146,
-  "Kunstwerk": 31122,
-  "Lehr und Wanderpfad": 31321,
-  "Liegenschaft - Grundstück und Gebäude": 31123,
-  "Liegenschaft - Liegenschaftenkataster": 31270,
-  "Liegenschaft - Satzung": 31285,
-  "Messung": 31241,
-  "Migrationshintergrund": 31226,
-  "Museum - Besucherzahl": 31110,
-  "Museum - Standort": 31265,
-  "Musikschule - Teilnehmerzahl": 31288,
-  "Musikschule - Unterrichtsangebot": 31190,
-  "Müllabfuhr": 31358,
-  "Müllgebühr": 31373,
-  "Open Data - Planung": 31174,
-  "Open Data - Zugriffszahl": 31231,
-  "Ordnungsamt": 31300,
-  "Orthofoto": 31188,
-  "Pflege": 31350,
-  "Politische Partizipation": 31131,
-  "Politische Vertretung - Bürgermeister": 31316,
-  "Politische Vertretung - Gremium": 31367,
-  "Politische Vertretung - Mandatsträger": 31239,
-  "Polizei": 31213,
-  "Pressemitteilung und Veröffentlichung": 31205,
-  "Quelle - Archivbestand": 31160,
-  "Quelle - Entschädigung": 31192,
-  "Quelle - Historische Karte": 31294,
-  "Quelle - Historische Luftaufnahme": 31361,
-  "Quelle - Personalverzeichnis": 31126,
-  "Radioaktivitätsmessung": 31371,
-  "Radverkehr - Abstellplatz": 31221,
-  "Radverkehr - Ladestation": 31104,
-  "Radverkehr - Messung": 31148,
-  "Radverkehr - Radweg und Radroute": 31142,
-  "Radverkehr - Verkehrsteilnehmer": 31223,
-  "Radverkehr - Verleih": 31172,
-  "Raumgliederung - Adresse": 31303,
-  "Raumgliederung - Block": 31201,
-  "Raumgliederung - Hausnummer": 31203,
-  "Raumgliederung - Ortsteil": 31314,
-  "Raumgliederung - Postleitzahlengebiet": 31211,
-  "Raumgliederung - Stadtgebiet": 31169,
-  "Raumgliederung - Straße": 31301,
-  "Raumordnung, Raumplanung und Raumentwicklung": 31312,
-  "Religionszugehörigkeit": 31224,
-  "Rettungsdienst - Defibrillator": 31176,
-  "Rettungsdienst - Rettungsdiensteinsatz": 31345,
-  "Rettungshilfe - Anlaufstelle": 31329,
-  "Rettungshilfe - Notfallnummer": 31240,
-  "Rettungshilfe - Notinsel": 31144,
-  "Rettungshilfe - Waldrettungspunkt": 31199,
-  "Schiff und Fährverkehr - Anlegestelle": 31233,
-  "Schiff und Fährverkehr - Fracht": 31147,
-  "Schiff und Fährverkehr - Passagier": 31344,
-  "Schule - Internetanbindung": 31207,
-  "Schule - Schulangebot": 31193,
-  "Schule - Schuleingangsuntersuchung": 31222,
-  "Schule - Schulentwicklungsplan": 31339,
-  "Schule - Schülerzahl": 31266,
-  "Schule - Standort": 31260,
-  "Schule - Wunschschule": 31145,
-  "Sehenswürdigkeit": 31295,
-  "Sicherheit": 31275,
-  "Sitzgelegenheit": 31305,
-  "Solar": 31109,
-  "Sondernutzung": 31195,
-  "Sonstiges": 31276,
-  "Soziale Hilfe": 31369,
-  "Sozialraum": 31157,
-  "Spielplatz und Spielstätte ": 31349,
-  "Staatsangehörigkeit": 31256,
-  "Stadtführung": 31185,
-  "Stadtmarketing": 31177,
-  "Stadtplan": 31212,
-  "Standort mit Geschichte": 31184,
-  "Stellenausschreibung": 31365,
-  "Stellenplan": 31159,
-  "Steuern und Abgaben": 31210,
-  "Straßenreinigung": 31306,
-  "Stromversorgung": 31284,
-  "Städtisches Personal": 31130,
-  "Telefonverzeichnis": 31216,
-  "Termin": 31263,
-  "Theater - Besucherzahl": 31191,
-  "Theater - Programm": 31259,
-  "Tiefbau": 31120,
-  "Tourismus": 31255,
-  "Umweltzone": 31347,
-  "Unfall": 31353,
-  "Unterkunft - Campingplatz": 31341,
-  "Unterkunft - Herberge": 31247,
-  "Unterkunft - Hotel": 31237,
-  "Unterkunft - Privatunterkunft": 31311,
-  "Urban Gardening": 31125,
-  "Veranstaltung - Angebot": 31119,
-  "Veranstaltung - Besucherzahl": 31348,
-  "Verband": 31267,
-  "Verein": 31117,
-  "Verkehr": 31215,
-  "Volkshochschule - Teilnehmerzahl": 31351,
-  "Volkshochschule - Veranstaltung": 31116,
-  "Vorname": 31328,
-  "WLAN und Mobilfunk": 31127,
-  "Wahl - Beiratswahl": 31296,
-  "Wahl - Bundestagswahl": 31220,
-  "Wahl - Europawahl": 31372,
-  "Wahl - Kandidatenliste": 31356,
-  "Wahl - Kommunalwahl": 31243,
-  "Wahl - Landtagswahl": 31279,
-  "Wahl - Straßenverzeichnis": 31318,
-  "Wahl - Verbundwahl": 31154,
-  "Wahl - Wahlkreis und Wahlbezirk": 31171,
-  "Wahl - Wahllokal": 31271,
-  "Wartezeit": 31156,
-  "Wasserversorgung": 31327,
-  "Webseite": 31238,
-  "Wetter": 31113,
-  "Windenergie": 31253,
-  "Wirtschaft": 31291,
-  "Wirtschaftsförderung": 31180,
-  "Wirtschaftsstandort": 31186,
-  "Wohnungsbestand": 31106,
-  "Wärmeversorgung": 31151,
-  "Zivil und Katastrophenschutz - Kampfmittelfund": 31272,
-  "Zivil und Katastrophenschutz - Sirene": 31261,
-  "corona": 31165,
-  "ÖPNV - Aufzug und Rolltreppe": 31326,
-  "ÖPNV - Fahrgastzahl": 31249,
-  "ÖPNV - Liniennetz": 31163,
-  "ÖPNV - Sollfahrdaten": 31315,
-  "ÖPNV - Vertriebsstelle": 31235,
-  "Öffentliche Toilette": 31189,
-  "Öffentlichkeitsarbeit": 31362
-}

config.json

@@ -1,25 +0,0 @@
-{
-  "_name_or_path": "/Users/rahkakaveebaskaran/.cache/huggingface/hub/models--and-effect--musterdatenkatalog_clf/snapshots/a19c9e8bb2f826a510b99c76ef88f0844e30e98d/",
-  "architectures": [
-    "BertModel"
-  ],
-  "attention_probs_dropout_prob": 0.1,
-  "classifier_dropout": null,
-  "hidden_act": "gelu",
-  "hidden_dropout_prob": 0.1,
-  "hidden_size": 768,
-  "initializer_range": 0.02,
-  "intermediate_size": 3072,
-  "layer_norm_eps": 1e-12,
-  "max_position_embeddings": 512,
-  "model_type": "bert",
-  "num_attention_heads": 12,
-  "num_hidden_layers": 12,
-  "pad_token_id": 0,
-  "position_embedding_type": "absolute",
-  "torch_dtype": "float32",
-  "transformers_version": "4.25.1",
-  "type_vocab_size": 2,
-  "use_cache": true,
-  "vocab_size": 30000
-}

config_sentence_transformers.json

@@ -1,7 +0,0 @@
-{
-  "__version__": {
-    "sentence_transformers": "2.2.2",
-    "transformers": "4.25.1",
-    "pytorch": "1.13.1"
-  }
-}

modules.json

@@ -1,14 +0,0 @@
-[
-  {
-    "idx": 0,
-    "name": "0",
-    "path": "",
-    "type": "sentence_transformers.models.Transformer"
-  },
-  {
-    "idx": 1,
-    "name": "1",
-    "path": "1_Pooling",
-    "type": "sentence_transformers.models.Pooling"
-  }
-]

pytorch_model.bin

@@ -1,3 +0,0 @@
-version https://git-lfs.github.com/spec/v1
-oid sha256:a770dca55b32474ad3d9a25a060ff82d1cc784593dd0592a017f299626890fa6
-size 436393773

sentence_bert_config.json

@@ -1,4 +0,0 @@
-{
-  "max_seq_length": 512,
-  "do_lower_case": false
-}

special_tokens_map.json

@@ -1,7 +0,0 @@
-{
-  "cls_token": "[CLS]",
-  "mask_token": "[MASK]",
-  "pad_token": "[PAD]",
-  "sep_token": "[SEP]",
-  "unk_token": "[UNK]"
-}

tokenizer_config.json

@@ -1,14 +0,0 @@
-{
-  "cls_token": "[CLS]",
-  "do_lower_case": false,
-  "mask_token": "[MASK]",
-  "model_max_length": 1000000000000000019884624838656,
-  "name_or_path": "/Users/rahkakaveebaskaran/.cache/huggingface/hub/models--and-effect--musterdatenkatalog_clf/snapshots/a19c9e8bb2f826a510b99c76ef88f0844e30e98d/",
-  "pad_token": "[PAD]",
-  "sep_token": "[SEP]",
-  "special_tokens_map_file": null,
-  "strip_accents": null,
-  "tokenize_chinese_chars": true,
-  "tokenizer_class": "BertTokenizer",
-  "unk_token": "[UNK]"
-}