|
|
--- |
|
|
tags: |
|
|
- sentence-transformers |
|
|
- sentence-similarity |
|
|
- feature-extraction |
|
|
- dense |
|
|
- generated_from_trainer |
|
|
- dataset_size:150 |
|
|
- loss:MultipleNegativesRankingLoss |
|
|
base_model: google/embeddinggemma-300m |
|
|
widget: |
|
|
- source_sentence: Які критерії кваліфікації повідомлення як спаму за статтею 2 Закону |
|
|
Про електронні комунікації? |
|
|
sentences: |
|
|
- Закон України Про захист персональних даних. Стаття 2. Визначення термінів. Обробка |
|
|
персональних даних – будь-яка дія або сукупність дій, таких як збирання, реєстрація, |
|
|
накопичення, зберігання, адаптування, зміна, використання і поширення. |
|
|
- Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Спам |
|
|
– електронні, текстові та/або мультимедійні повідомлення, що без попередньої згоди |
|
|
(замовлення) користувачів неодноразово (більше п'яти повідомлень одному абоненту) |
|
|
надсилаються на їхні адреси. |
|
|
- Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Спам |
|
|
– електронні, текстові та/або мультимедійні повідомлення, що без попередньої згоди |
|
|
(замовлення) користувачів неодноразово (більше двох повідомлень одному абоненту) |
|
|
надсилаються на їхні адреси. |
|
|
- source_sentence: Хто може бути володільцем моїх персональних даних? |
|
|
sentences: |
|
|
- Закон України Про електронні комунікації. Стаття 6. Повноваження центрального |
|
|
органу виконавчої влади. Визначення та оновлення показників для універсальної |
|
|
послуги широкосмугового доступу до мережі Інтернет та параметрів якості таких |
|
|
послуг. |
|
|
- Закон України Про захист персональних даних. Стаття 2. Визначення термінів. Володілець |
|
|
персональних даних – фізична або юридична особа, яка визначає мету обробки персональних |
|
|
даних, встановлює склад цих даних та процедури їх обробки. |
|
|
- Закон України Про захист персональних даних. Стаття 2. Визначення термінів. Володілець |
|
|
персональних даних – фізична або юридична особа, яка визначає мету обробки персональних |
|
|
даних, але не встановлює склад цих даних та процедури їх обробки. |
|
|
- source_sentence: Які вимоги до згоди суб'єкта персональних даних за законом України? |
|
|
sentences: |
|
|
- Згода суб'єкта персональних даних – добровільне волевиявлення фізичної особи щодо |
|
|
надання дозволу на обробку її персональних даних без урахування сформульованої |
|
|
мети їх обробки. |
|
|
- Закон України Про захист персональних даних. Стаття 2. Визначення термінів. Згода |
|
|
суб'єкта персональних даних – добровільне волевиявлення фізичної особи щодо надання |
|
|
дозволу на обробку її персональних даних відповідно до сформульованої мети їх |
|
|
обробки. |
|
|
- Закон України Про електронні довірчі послуги. Стаття 11. Суб'єкти відносин. Суб'єктами |
|
|
відносин у сфері електронних довірчих послуг є користувачі, надавачі послуг, держателі |
|
|
реєстрів, органи оцінки відповідності та засвідчувальний центр. |
|
|
- source_sentence: Які повноваження має центральний орган виконавчої влади згідно |
|
|
зі статтею 6 Закону про електронні комунікації? |
|
|
sentences: |
|
|
- Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Безпека |
|
|
мереж і послуг – здатність електронних комунікаційних мереж і послуг протистояти |
|
|
діям, що становлять загрозу доступності, цілісності чи конфіденційності таких |
|
|
мереж і даних. |
|
|
- Закон України Про електронні комунікації. Стаття 6. Повноваження центрального |
|
|
органу виконавчої влади. Центральний орган зобов'язаний безоплатно надавати документи |
|
|
та інформацію органам влади, регуляторному органу та постачальникам послуг. |
|
|
- Закон України Про електронні комунікації. Стаття 6. Повноваження центрального |
|
|
органу виконавчої влади. Центральний орган має право безоплатно отримувати документи |
|
|
та інформацію від органів влади, регуляторного органу та постачальників послуг. |
|
|
- source_sentence: Що потрібно для будівництва інфраструктури електронних комунікацій? |
|
|
sentences: |
|
|
- Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Розгортання |
|
|
електронних комунікаційних мереж – будівництво інфраструктури, встановлення технічних |
|
|
засобів на земельних ділянках або елементах інфраструктури об'єктів доступу. |
|
|
- Закон України Про захист персональних даних. Стаття 2. Визначення термінів. Знеособлення |
|
|
персональних даних – вилучення відомостей, які дають змогу прямо чи опосередковано |
|
|
ідентифікувати особу. |
|
|
- Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Розгортання |
|
|
електронних комунікаційних мереж – встановлення технічних засобів та будівництво |
|
|
інфраструктури на водних об'єктах або елементах інфраструктури об'єктів доступу. |
|
|
pipeline_tag: sentence-similarity |
|
|
library_name: sentence-transformers |
|
|
--- |
|
|
|
|
|
# SentenceTransformer based on google/embeddinggemma-300m |
|
|
|
|
|
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [google/embeddinggemma-300m](https://huggingface.co/google/embeddinggemma-300m). 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:** [google/embeddinggemma-300m](https://huggingface.co/google/embeddinggemma-300m) <!-- at revision 57c266a740f537b4dc058e1b0cda161fd15afa75 --> |
|
|
- **Maximum Sequence Length:** 2048 tokens |
|
|
- **Output Dimensionality:** 768 dimensions |
|
|
- **Similarity Function:** Cosine Similarity |
|
|
<!-- - **Training Dataset:** Unknown --> |
|
|
<!-- - **Language:** Unknown --> |
|
|
<!-- - **License:** Unknown --> |
|
|
|
|
|
### Model Sources |
|
|
|
|
|
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net) |
|
|
- **Repository:** [Sentence Transformers on GitHub](https://github.com/huggingface/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': 2048, 'do_lower_case': False, 'architecture': 'Gemma3TextModel'}) |
|
|
(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): Dense({'in_features': 768, 'out_features': 3072, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'}) |
|
|
(3): Dense({'in_features': 3072, 'out_features': 768, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'}) |
|
|
(4): 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("hocool/my-embedding-gemma-test") |
|
|
# Run inference |
|
|
queries = [ |
|
|
"\u0429\u043e \u043f\u043e\u0442\u0440\u0456\u0431\u043d\u043e \u0434\u043b\u044f \u0431\u0443\u0434\u0456\u0432\u043d\u0438\u0446\u0442\u0432\u0430 \u0456\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0438 \u0435\u043b\u0435\u043a\u0442\u0440\u043e\u043d\u043d\u0438\u0445 \u043a\u043e\u043c\u0443\u043d\u0456\u043a\u0430\u0446\u0456\u0439?", |
|
|
] |
|
|
documents = [ |
|
|
"Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Розгортання електронних комунікаційних мереж – будівництво інфраструктури, встановлення технічних засобів на земельних ділянках або елементах інфраструктури об'єктів доступу.", |
|
|
"Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Розгортання електронних комунікаційних мереж – встановлення технічних засобів та будівництво інфраструктури на водних об'єктах або елементах інфраструктури об'єктів доступу.", |
|
|
'Закон України Про захист персональних даних. Стаття 2. Визначення термінів. Знеособлення персональних даних – вилучення відомостей, які дають змогу прямо чи опосередковано ідентифікувати особу.', |
|
|
] |
|
|
query_embeddings = model.encode_query(queries) |
|
|
document_embeddings = model.encode_document(documents) |
|
|
print(query_embeddings.shape, document_embeddings.shape) |
|
|
# [1, 768] [3, 768] |
|
|
|
|
|
# Get the similarity scores for the embeddings |
|
|
similarities = model.similarity(query_embeddings, document_embeddings) |
|
|
print(similarities) |
|
|
# tensor([[0.7750, 0.0678, 0.4799]]) |
|
|
``` |
|
|
|
|
|
<!-- |
|
|
### Direct Usage (Transformers) |
|
|
|
|
|
<details><summary>Click to see the direct usage in Transformers</summary> |
|
|
|
|
|
</details> |
|
|
--> |
|
|
|
|
|
<!-- |
|
|
### Downstream Usage (Sentence Transformers) |
|
|
|
|
|
You can finetune this model on your own dataset. |
|
|
|
|
|
<details><summary>Click to expand</summary> |
|
|
|
|
|
</details> |
|
|
--> |
|
|
|
|
|
<!-- |
|
|
### Out-of-Scope Use |
|
|
|
|
|
*List how the model may foreseeably be misused and address what users ought not to do with the model.* |
|
|
--> |
|
|
|
|
|
<!-- |
|
|
## Bias, Risks and Limitations |
|
|
|
|
|
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* |
|
|
--> |
|
|
|
|
|
<!-- |
|
|
### Recommendations |
|
|
|
|
|
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* |
|
|
--> |
|
|
|
|
|
## Training Details |
|
|
|
|
|
### Training Dataset |
|
|
|
|
|
#### Unnamed Dataset |
|
|
|
|
|
* Size: 150 training samples |
|
|
* Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code> |
|
|
* Approximate statistics based on the first 150 samples: |
|
|
| | anchor | positive | negative | |
|
|
|:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------| |
|
|
| type | string | string | string | |
|
|
| details | <ul><li>min: 10 tokens</li><li>mean: 23.13 tokens</li><li>max: 53 tokens</li></ul> | <ul><li>min: 48 tokens</li><li>mean: 67.67 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 30 tokens</li><li>mean: 66.7 tokens</li><li>max: 99 tokens</li></ul> | |
|
|
* Samples: |
|
|
| anchor | positive | negative | |
|
|
|:------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| |
|
|
| <code>Які послуги вважаються електронними комунікаційними згідно із законом?</code> | <code>Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Електронна комунікаційна послуга – послуга, що полягає в прийманні та/або передачі інформації через електронні комунікаційні мережі, крім послуг з редакційним контролем змісту інформації.</code> | <code>Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Електронна комунікаційна послуга – послуга, що полягає в прийманні та/або передачі інформації через електронні комунікаційні мережі, включаючи послуги з редакційним контролем змісту інформації.</code> | |
|
|
| <code>Чи потрібен ліцензія для надання електронних комунікаційних послуг?</code> | <code>Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Електронна комунікаційна послуга – послуга, що полягає в прийманні та/або передачі інформації через електронні комунікаційні мережі, крім послуг з редакційним контролем змісту інформації.</code> | <code>Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Електронна комунікаційна послуга – послуга, що полягає в прийманні та/або передачі інформації через електронні комунікаційні мережі, включаючи послуги з редакційним контролем змісту інформації.</code> | |
|
|
| <code>Що таке електронна комунікаційна послуга простими словами?</code> | <code>Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Електронна комунікаційна послуга – послуга, що полягає в прийманні та/або передачі інформації через електронні комунікаційні мережі, крім послуг з редакційним контролем змісту інформації.</code> | <code>Закон України Про електронні комунікації. Стаття 2. Визначення термінів. Електронна комунікаційна послуга – послуга, що полягає в прийманні та/або передачі інформації через електронні комунікаційні мережі, включаючи послуги з редакційним контролем змісту інформації.</code> | |
|
|
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters: |
|
|
```json |
|
|
{ |
|
|
"scale": 20.0, |
|
|
"similarity_fct": "cos_sim", |
|
|
"gather_across_devices": false |
|
|
} |
|
|
``` |
|
|
|
|
|
### Training Hyperparameters |
|
|
#### Non-Default Hyperparameters |
|
|
|
|
|
- `per_device_train_batch_size`: 1 |
|
|
- `learning_rate`: 2e-05 |
|
|
- `num_train_epochs`: 5 |
|
|
- `warmup_ratio`: 0.1 |
|
|
- `prompts`: task: sentence similarity | query: |
|
|
|
|
|
#### All Hyperparameters |
|
|
<details><summary>Click to expand</summary> |
|
|
|
|
|
- `overwrite_output_dir`: False |
|
|
- `do_predict`: False |
|
|
- `eval_strategy`: no |
|
|
- `prediction_loss_only`: True |
|
|
- `per_device_train_batch_size`: 1 |
|
|
- `per_device_eval_batch_size`: 8 |
|
|
- `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`: 5 |
|
|
- `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`: 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} |
|
|
- `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} |
|
|
- `parallelism_config`: None |
|
|
- `deepspeed`: None |
|
|
- `label_smoothing_factor`: 0.0 |
|
|
- `optim`: adamw_torch_fused |
|
|
- `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 |
|
|
- `hub_revision`: None |
|
|
- `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 |
|
|
- `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 |
|
|
- `liger_kernel_config`: None |
|
|
- `eval_use_gather_object`: False |
|
|
- `average_tokens_across_devices`: False |
|
|
- `prompts`: task: sentence similarity | query: |
|
|
- `batch_sampler`: batch_sampler |
|
|
- `multi_dataset_batch_sampler`: proportional |
|
|
- `router_mapping`: {} |
|
|
- `learning_rate_mapping`: {} |
|
|
|
|
|
</details> |
|
|
|
|
|
### Training Logs |
|
|
| Epoch | Step | Training Loss | |
|
|
|:-----:|:----:|:-------------:| |
|
|
| 1.0 | 150 | 0.3453 | |
|
|
| 2.0 | 300 | 0.0284 | |
|
|
| 3.0 | 450 | 0.0129 | |
|
|
| 4.0 | 600 | 0.0 | |
|
|
| 5.0 | 750 | 0.0 | |
|
|
|
|
|
|
|
|
### Framework Versions |
|
|
- Python: 3.12.12 |
|
|
- Sentence Transformers: 5.2.0 |
|
|
- Transformers: 4.57.0.dev0 |
|
|
- PyTorch: 2.9.0+cu126 |
|
|
- Accelerate: 1.12.0 |
|
|
- Datasets: 4.0.0 |
|
|
- Tokenizers: 0.22.1 |
|
|
|
|
|
## 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} |
|
|
} |
|
|
``` |
|
|
|
|
|
<!-- |
|
|
## Glossary |
|
|
|
|
|
*Clearly define terms in order to be accessible across audiences.* |
|
|
--> |
|
|
|
|
|
<!-- |
|
|
## Model Card Authors |
|
|
|
|
|
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* |
|
|
--> |
|
|
|
|
|
<!-- |
|
|
## Model Card Contact |
|
|
|
|
|
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* |
|
|
--> |
