Add new SentenceTransformer model

5fd29be verified over 1 year ago

25.8 kB

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:86807
  - loss:CosineSimilarityLoss
base_model: sentence-transformers/all-MiniLM-L6-v2
widget:
  - source_sentence: >-
      [CLS] [KNOWLEDGE] NLTK [CTX] Programmierung einer pre-processing CI/CD
      Pipeline zur automatisierten Verarbeitung von Newsartikeln von Tamil zu
      Englisch, in Python unter Verwendung von NLTK und SpaCy
       [SEP]
    sentences:
      - >-
        [CLS] [KNOWLEDGE] SPOC [CTX] Single Point of Contact (SPOC) für die
        Business Units (Schnittstellenfunktion zu anderen Teilprojekten und
        Teams)
         [SEP]
      - >-
        [CLS] [KNOWLEDGE] DIN 50001 [CTX] Mitarbeit zur Einführung eines
        Energiemanagementsystems nach DIN 50001
         [SEP]
      - |-
        [CLS] [KNOWLEDGE] Risikomanagement [CTX] - Risikomanagement
         [SEP]
  - source_sentence: |-
      [CLS] [KNOWLEDGE] 365 Tenant [CTX] Verantwortung Umzug Office 365 Tenant
       [SEP]
    sentences:
      - >-
        [CLS] [KNOWLEDGE] Change- [CTX] Change-, Problem-, Incident- und
        Releasemanagement mit IBM Maximo. [SEP]
      - >-
        [CLS] [SKILL] Performance-Untersuchung Oracle-Datenbanken [CTX]
        Reorganisation von SAP R/3 Systemen bzw. Oracle Datenbanken 10.2 mittels
        BRSPACE. Performance-Untersuchung und Parametrisierung von SAP R/3
        Systemen und Oracle-Datenbanken 10g. Incident-Bearbeitung bzgl. SAP,
        Oracle und Unix über Remedy. Sap-Kernel
         [SEP]
      - >-
        [CLS] [SKILL] Visualisierung DWH Mart Daten [CTX] Modellierung des
        Datenstroms und erstellen von DWH Modellen mit Hilfe von ETL für
        Staging, Storage und Mart. Visualisierung der DWH Mart Daten mit
        Microsoft Power BI.   [SEP]
  - source_sentence: >-
      [CLS] [KNOWLEDGE] Rechenzentrum [CTX] Abbau der Racks im alten
      Rechenzentrum
       [SEP]
    sentences:
      - >-
        [CLS] [KNOWLEDGE] Rechenzentrum [CTX] Abbau der Racks im alten
        Rechenzentrum
         [SEP]
      - >-
        [CLS] [KNOWLEDGE] SAP [CTX] SAP Administration, Planung und
        Bereitstellung, Heterogene und Homogene Systemkopien, Upgrade, Solution
        Manger, LVM Enterprise (post copy automation), Patch OS/SAP/DB, config,
        SAP
         [SEP]
      - >-
        [CLS] [SKILL] Erstellung Nutzerdatenbank [CTX] >- Erstellung einer
        Nutzerdatenbank mit DynamoDB
         [SEP]
  - source_sentence: >-
      [CLS] [KNOWLEDGE] EU-DSGVO [CTX] Datenschutzrecht
      (Datenschutz-Grundverordnung (EU-DSGVO) und Bundesdatenschutzgesetz (BDSG
      neu)
       [SEP]
    sentences:
      - >-
        [CLS] [KNOWLEDGE] ITIL [CTX] Mitarbeit innerhalb der Prozesse der
        Prozesse Incident-Management / Service-Desk, Problem-Management,
        Change-Management, Release-Management, Availability-Management gem. ITIL
         [SEP]
      - >-
        [CLS] [KNOWLEDGE] DSGVO [CTX] - Unterstützung und Beratung bei 
        Architektur Fragen, betreffend lfd. BSI-   Standards DSGVO/ GDPR Themen
        (ISO- Normen & Standards)...
         [SEP]
      - |-
        [CLS] [KNOWLEDGE] RAS-Konfiguration [CTX] RAS-Konfiguration
         [SEP]
  - source_sentence: >-
      [CLS] [KNOWLEDGE] Kunden-Konzernstandards [CTX] Konzeption, Erstellung und
      Umsetzung der IT-Sicherheitsrichtlinien für die Freigabe von geheimen
      Daten gemäß Kunden-Konzernstandards (ISO 27001, BSI-Grundschutz)
       [SEP]
    sentences:
      - '[CLS] [KNOWLEDGE] Kundenberatung [CTX] Kundenberatung [SEP]'
      - >-
        [CLS] [KNOWLEDGE] Service-Katalog [CTX] Beauftragen der Hard- und
        Software, bzw. Leistungserbringung gem. Service-Katalog
         [SEP]
      - >-
        [CLS] [KNOWLEDGE] Datenbanksystemen [CTX] Portierung mittels
        make-tools(make,vmake,makesap,mapro) und Assembler-Routinen, Test und
        Support von DB2, Oracle und MaxDB auf Linux Sles8 und Sles9. Erstellung
        shared-libraries mit Sap Kernel 620 und 640 durch Einspielen von
        Perforce-Sourcen. Test C und C++ Precompiler -Programme. Testen
        Datenbankfuntionalitäten über SAP-CCMS und DB bzw. SAP-Laufzeitparameter
        (Shared Memory etc.). Installieren und testen von diversen SAP
        Komponenten SAP R/3 4.6D, SAP Kernel 620 und 640 unter Linux/zLinux 2.4
        und 2.6 (64 Bit-Adressierung) mit verschiedenen Datenbanksystemen als
        Database-Server (Oracle, DB2 und MaxDB). Testen SAP-Transaktionen mit
        CATT (SAP computer aided test tool) und anpassen von Python und Perl
        Schnittstellen. AIX 5.33, z/OS, SAP R/3 4.6D, WAS 6.20/6.40, DB2 V8.1,
        vi, K-Shell, C-Shell, bash, ICLI, FTP, Smitty, TSO/ISPF, JCL, SAPSERV,
        AIX VG-PP-LP, yank, MaxDB 7.5, Linux/zLinux 2.4/2.6, C, C++, Python,
        Perl Teamarbeit 3 Mitarbeiter. [SEP]
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - pearson_cosine
  - spearman_cosine
model-index:
  - name: SentenceTransformer based on sentence-transformers/all-MiniLM-L6-v2
    results:
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts dev
          type: sts-dev
        metrics:
          - type: pearson_cosine
            value: 0.9898120947090514
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.9570957645982657
            name: Spearman Cosine
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts test
          type: sts-test
        metrics:
          - type: pearson_cosine
            value: 0.9896747270285828
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.9591977829092115
            name: Spearman Cosine

SentenceTransformer based on sentence-transformers/all-MiniLM-L6-v2

This is a sentence-transformers model finetuned from sentence-transformers/all-MiniLM-L6-v2. It maps sentences & paragraphs to a 384-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: sentence-transformers/all-MiniLM-L6-v2
Maximum Sequence Length: 256 tokens
Output Dimensionality: 384 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': 256, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, '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("deedcon/bi-encoder-v2")
# Run inference
sentences = [
    '[CLS] [KNOWLEDGE] Kunden-Konzernstandards [CTX] Konzeption, Erstellung und Umsetzung der IT-Sicherheitsrichtlinien für die Freigabe von geheimen Daten gemäß Kunden-Konzernstandards (ISO 27001, BSI-Grundschutz)\n [SEP]',
    '[CLS] [KNOWLEDGE] Kundenberatung [CTX] Kundenberatung [SEP]',
    '[CLS] [KNOWLEDGE] Service-Katalog [CTX] Beauftragen der Hard- und Software, bzw. Leistungserbringung gem. Service-Katalog\n [SEP]',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Semantic Similarity

Datasets: sts-dev and sts-test
Evaluated with EmbeddingSimilarityEvaluator

Metric	sts-dev	sts-test
pearson_cosine	0.9898	0.9897
spearman_cosine	0.9571	0.9592

Training Details

Training Dataset

Unnamed Dataset

Size: 86,807 training samples
Columns: text1, text2, and score
Approximate statistics based on the first 1000 samples:
text1 text2 score
type string string float
details
min: 15 tokens
mean: 62.0 tokens
max: 256 tokens

min: 15 tokens
mean: 61.69 tokens
max: 256 tokens

min: -0.08
mean: 0.45
max: 1.0

	text1	text2	score
type	string	string	float
details	min: 15 tokens mean: 62.0 tokens max: 256 tokens	min: 15 tokens mean: 61.69 tokens max: 256 tokens	min: -0.08 mean: 0.45 max: 1.0

Samples:

text1	text2	score
`[CLS] [SKILL] Dokumentieren Netzwerkinfrastruktur [CTX] Dokumentieren und Skizzieren der Netzwerkinfrastruktur. [SEP]`	`[CLS] [SKILL] Abarbeitung Incidents [CTX] Abarbeitung von Changes/ Incidents in Jira [SEP]`	`0.1672067940235138`
`[CLS] [SKILL] Durchführung Abnahmetests [CTX] Erstellung von Testplänen und Durchführung von Abnahmetests im Rahmen des Release Managements. [SEP]`	`[CLS] [KNOWLEDGE] Kostenrechnungswesen [CTX] Ist-Analyse der Produktionsabläufe sowie des vorhandene Kostenrechnungswesen . [SEP]`	`0.2705094516277313`
`[CLS] [KNOWLEDGE] MS SQL Datenbankabfragen [CTX] MS SQL Datenbankabfragen . [SEP]`	`[CLS] [SKILL] Erstellung MS SQL Datenbank [CTX] Erstellung & Modellierung der MS SQL Datenbank über Entity Framework [SEP]`	`0.8471388816833496`

Loss: CosineSimilarityLoss with these parameters:

{
    "loss_fct": "torch.nn.modules.loss.MSELoss"
}

Evaluation Dataset

Unnamed Dataset

Size: 17,361 evaluation samples
Columns: text1, text2, and score
Approximate statistics based on the first 1000 samples:
text1 text2 score
type string string float
details
min: 14 tokens
mean: 60.26 tokens
max: 256 tokens

min: 15 tokens
mean: 61.41 tokens
max: 256 tokens

min: -0.09
mean: 0.46
max: 1.0

	text1	text2	score
type	string	string	float
details	min: 14 tokens mean: 60.26 tokens max: 256 tokens	min: 15 tokens mean: 61.41 tokens max: 256 tokens	min: -0.09 mean: 0.46 max: 1.0

Samples:

text1	text2	score
`[CLS] [SKILL] Installation 7 [CTX] Installation, Konfiguration und Verwaltung von: Windows XP, 7, 8, 8.1, 10 [SEP]`	`[CLS] [SKILL] Installation 10 [CTX] Installation, Konfiguration und Verwaltung von: Windows XP, 7, 8, 8.1, 10 [SEP]`	`0.9105218082666396`
[CLS] [KNOWLEDGE] Oracle-Systemadministration [CTX] Installation, Administration (Backup/Recovery etc.) und Tuning von DB2 nach SAP R/3 Gesichtspunkten bzw. DB2-Applikationsprogrammierung (Auswertung und Verarbeitung von DB2-Report-Utility und DB2-Katalog nach wiederherzustellenden SAP-Tablespaces mit recoverfähiger RBA zur Automatisierung des Conditional Restart Verfahrens) u. Oracle-Systemadministration in einer SAP R/3-Basis-Umgebung unter OS/390-TSO-ISPF-LIBRARIAN, DB2 Version 5 und DB2 UDB Version 6, CLIST, RACF, JCL, COBOL, AIX, ORACLE Version 7 u.8, Open-Edition, SAP R/3-BC 4.5B., Omegamon [SEP]	`[CLS] [KNOWLEDGE] RxJS [CTX] Konsumieren der Rest APIs mit HttpClient und RxJS [SEP]`	`-0.06634289771318436`
`[CLS] [SKILL] Erstellung Prozessen [CTX] Erstellung von Dokumentationen und Arbeitsanweisungen und Prozessen Kommunikation auf allen Ebenen mit vielen Abteilungen international. [SEP]`	`[CLS] [KNOWLEDGE] DB2 8.1 [CTX] Systemadministration, Betrieb, Monitoring und Fehlerbehebung von über 100 SAP-Systemen unterschiedlicher Releasestände (4.6 C,6.20,6.40, EP, XI) und deren Datenbanken (Oracle 9.2, Informix 9.4, 9.3, DB2 8.1, SAP DB 7.5) auf pSeries Rechnern unter AIX 5.3 und z/OS. Durchführung und Überwachung des Transport-Managements (SAP-intern und auf OP-Ebene(AIX)) und [SEP]`	`-0.009634226560592651`

Loss: CosineSimilarityLoss with these parameters:

{
    "loss_fct": "torch.nn.modules.loss.MSELoss"
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
learning_rate: 2e-05
num_train_epochs: 1
warmup_ratio: 0.1
fp16: True

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 16
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: 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: 1
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: True
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}
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: proportional

Training Logs

Epoch	Step	Training Loss	Validation Loss	sts-dev_spearman_cosine	sts-test_spearman_cosine
-1	-1	-	-	0.8023	-
0.0921	500	0.0172	0.0056	0.9152	-
0.1843	1000	0.0064	0.0043	0.9330	-
0.2764	1500	0.005	0.0037	0.9399	-
0.3686	2000	0.0047	0.0035	0.9456	-
0.4607	2500	0.0042	0.0032	0.9475	-
0.5529	3000	0.0039	0.0029	0.9514	-
0.6450	3500	0.0036	0.0027	0.9525	-
0.7372	4000	0.0034	0.0027	0.9547	-
0.8293	4500	0.0033	0.0026	0.9564	-
0.9215	5000	0.0033	0.0025	0.9571	-
-1	-1	-	-	-	0.9592

Framework Versions

Python: 3.12.4
Sentence Transformers: 4.1.0
Transformers: 4.49.0
PyTorch: 2.4.0+rocm6.3.4.git7cecbf6d
Accelerate: 1.6.0
Datasets: 3.5.0
Tokenizers: 0.21.1

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",
}