Upload folder using huggingface_hub

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "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
+}

README.md

@@ -0,0 +1,832 @@
+---
+datasets: []
+language: []
+library_name: sentence-transformers
+metrics:
+- cosine_accuracy@1
+- cosine_accuracy@3
+- cosine_accuracy@5
+- cosine_accuracy@10
+- cosine_precision@1
+- cosine_precision@3
+- cosine_precision@5
+- cosine_precision@10
+- cosine_recall@1
+- cosine_recall@3
+- cosine_recall@5
+- cosine_recall@10
+- cosine_ndcg@10
+- cosine_mrr@10
+- cosine_map@100
+- dot_accuracy@1
+- dot_accuracy@3
+- dot_accuracy@5
+- dot_accuracy@10
+- dot_precision@1
+- dot_precision@3
+- dot_precision@5
+- dot_precision@10
+- dot_recall@1
+- dot_recall@3
+- dot_recall@5
+- dot_recall@10
+- dot_ndcg@10
+- dot_mrr@10
+- dot_map@100
+pipeline_tag: sentence-similarity
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:9371
+- loss:MultipleNegativesRankingLoss
+widget:
+- source_sentence: anKoji su demografski podaci za različite periode?
+  sentences:
+  - 'Koeficijent broja stanovništva 2013/1991 (Autor prema: (FZSGrafikon A.14. Koeficijent
+    broja stanovništva 2013/1953 (Autor prema: (FZSGrafikon A.15. Procenat gradske
+    populacije u ukupnoj populaciji JLS u periodu Grafikon A.16. Procentulani udeo
+    populacije grada i sela za popisne godine 1953, Grafikon A.17. Žrtve rata 1992-1995
+    na nivou JLS (Autor prema: (Tokača, 2012)) 397 Grafikon A.18. Žrtve rata 1992-1995,
+    procentualni gubici u odnosu na populaciju Grafikon A.19. Domaćinstva JLS, gradova
+    i sela SZ regiona RS prema zvaničnim popisima iz 1953, 1971, 1991 i 2013 godine
+    (Autor prema: (SZS-SFRJ, 1975; FZSGrafikon A.20. Rast/pad broja domaćinstava na
+    nivou grada i sela za periode 1953'
+  - ' Naravno, na kraju se postavlja pitanje ko je odgovoran za ovako poražavajuće
+    podatke i stanje bezbednosti saobraćaja u Srbiji? U zaključcima sa gore pomenute
+    konferencije prisutni učesnici su se složili da su ovako loši rezultati posledica
+    nerada i slabe koordinacije i saradnje najvažnijih subjekata bezbednosti saobraćaja
+    Strategija bezbednosti saobraćaja je definisala da su „Najvažniji subjekti bezbednosti
+    saobraćaja u Republici Srbiji: Vlada, ministarstvo nadležno za poslove saobraćaja
+    i Ministarstvo unutrašnjih poslova, kao nosioci izvršne vlasti i kao organi odgovorni
+    za stanje bezbednosti saobraćaja u državi“'
+  - ' - 70 - Slika 3-6 Načini vraćanja podataka u okviru podsistema za prikaz rezuultata
+    Slika 4-4 Pad pritiska na filterskom elementu u zavisnosti od protoka  - 80 -
+    Slika 4-5 Porast pada pritiska na filterskom elementu usled povećanja Slika 4-6
+    Ušteda koja se postiže redovnom zamenom filterskog elementa  - Slika 4-13 Uputstvo
+    za zamenu filterskog elementa u formi proširene Slika 4-19 Uputstvo za servisiranje
+    pneumatskog cilindra u formi proširene Slika 4-21 Notifikacija sa informacijom
+    o oštećenju ležaja trofaznog Slika 4-22 Uputstvo za servisiranje trofaznog asinhronog
+    motora u formi Sve veći broj kriterijuma koja su industrijska postrojenja morala
+    da zadovolje (produktivnost, efikasnost, smanjenje troškova, smanjenje zagađenja,
+    itd'
+- source_sentence: anKo je komponovao Sedmu Simfoniju u C-Duru?
+  sentences:
+  - 'Ne govori više; meni se krv na oči navukla, i ja moram učiniti što sam namislio.“
+    Posle toga poćuti malo, na posle tresući so progovori: „Hajde sa mnom ako hoćeš,
+    ako ne, ja ću ići sam.“ „Do zore ćemo se dovući do kuće moga dušmanina g. Lacike.
+    Ako ga nađemo kod kuće, on mora umreti; ako ne, od njegove kuće neće ostati kamen
+    na kamenu.“ „Ništa, ne govori ništa. Ako si moj drug, a ti mi budi u nevolji;
+    a ako se bojiš kroz madžarsku vojsku prolaziti, a ti ostaj, ja ću i sam otići.“
+    I ne čekavši odgovora pođe. Moje lepe čitateljke znaju zašto su oni došli. Petar
+    videvši Ružu zadrkće se, neka ga jeza obuzme i stajaše okamenjen na svome mestu.
+    Ali Stevan koji bejaše mnogo nemilostiviji nego Petar priđe k Ruži, uhvati je
+    za ruku i goropadno poviče: „Ustani, gospođo, pa nas vodi.“ Ruža bejaše bleda
+    kao smrt, koje od slabosti i teške žalosti koju je pretrpela, koje opet od straha.
+    „Kuda?“ zapita drkćući. „Gospodinu Laciki,“ reče Stevan.'
+  - ' Žana Sibelijusa Sedma Simfonija, C-Dur, opus 105, poslednja je Sibelijusova
+    dovršena simfonija (ne računajući izgubljeni manuskript Sibelijusove Osme, pred
+    kraj majstorova života), nastala je ubrzo posle Šeste, 1924godine i premijerno
+    izvedena u Helsinkiju, pod dirigentskom palicom kompozitora Sa ovom simfonijom,
+    Sibelijus je konačno postigao svoj umetnički cilj, koncentraciju muzičkog materijala
+    Simfonija je koncipirana u jednom velikom stavu, trajanja 22 minuta, čime se dobija
+    karakter simfonijske fantazije'
+  - '1a) and b)) had the similar levels or the similar profiles (ie relative percentage
+    to the total PCB content) of higher chlorinated indicator PCBs Such grouping phenomenon
+    could be explained by homogenous general exposure of the donors The following
+    outlier in the first component (PC1) emerged: in the case of PCA with mass concentrations
+    it was the 28-years old primiparae from the rural area due to significantly enhanced
+    content of highly chlorinated congeners (PCB 118,138,153, and 180), whereas in
+    the case of PCA with mass% normalized concentrations, the outliers were the ones
+    with highly elevated percentage of PCB 52 relative to the total concentration
+    (one primipara (24 years) from rural location as well as two primiparas (20 and
+    22 years) and two secundipars (34 and 36 years) from urban locations)'
+- source_sentence: anKo je bio Fridrih Kalkbrener?
+  sentences:
+  - ' veka glavna liturgija Carigradske crkve Ona je kraća od Vasilijeve, od koje
+    se razlikuje samo po tekstu anaforshih evharistijskih molitava, a koja se služi
+    samo deset puta preko godine Postoje svedočanstva koja potvrđuju ne samo autentičnost
+    Liturgije Svetog Vasilija Velikog nego i činjenicu da je u 4 veku bila u upotrebi
+    na celom Istoku, pa čak i u Carigradu Liturgija pređeosvećenih darova se služi
+    15—18 puta godišnje, samo u toku Velikog posta, koji shodno pravoslavnoj duhovnosti
+    sačinjava period pokajanja, to jest ne liturgijski period'
+  - ' godine uručen njegovoj ćerki Gordani na skromnoj ceremoniji održanoj u ambasadi
+    SAD u Beogradu Odlikovanje nije uručeno sve do tada zato što je američki interes
+    na Balkanu bila neutralna Jugoslavija pod Titovom upravom Pretpostavljalo se da
+    bi jedan ovakav čin gurnuo Jugoslaviju u naručje Sovjetskom Savezu i da bi ona
+    postala članica Varšavskog pakta Vest o dodeli odlikovanja generalu Draži Mihajloviću,
+    tačnije o njegovom uručenju Dražinoj ćerki Gordani izazvala je burne reakcije
+    u Bosni i Hrvatskoj među onim snagama koje nastoje da Jugoslovensku vojsku u otadžbini
+    izjednače sa Ustašama i drugim vojnim formacijama sastavljenim od pripadnika nekadašnjih
+    jugoslovenskih naroda koje su operisale na Balkanu'
+  - 'To nam dokazuje i činjenica da je pisac Katon Stariji svako svoje izlaganje u
+    Senatu završavao rečenicom: "Uostalom, smatram da Kartaginu treba razoriti". Na
+    kraju Trećeg punskog rata, Rimljani su to i učinili, i samim tim postali vodeća
+    sila zapadnog Sredozemlja. Fridrih Kalkbrener Fridrih Vilhelm Mihael Kalkbrener
+    (; na putu iz Kasela ka Berlinu, 7. novembar 1784 — Angjen le Ben, 10. jun 1849)
+    je bio nemački pijanist i kompozitor. Sin je Kristijana Kalkbrenera koji je bio
+    jevrejski muzičar iz Kasela. U periodu 1945-1947. bio je zatvoren, a potom je
+    ponovo radio kao advokat.'
+- source_sentence: anKo je primoran na ostavku?
+  sentences:
+  - 'Novi sekretar za sport za dva danaNa pitanje novinara kada će biti imenovan novi
+    gradski sekretar za sport, gradonačelnik Dragan Đilas rekao je da će to biti u
+    toku naredna dva dana. – Upravo se vratio iz inostranstva, a imenovaću ga u naredna
+    dva dana – odgovorio je kratko gradonačelnik, ali nije otkrio o kome je reč. Poznato
+    19 učesnikaPoznato je 19 tenisera koji će iz glavnog žreba početi takmičenje na
+    „Serbia open 2009“. saopštili su organizatori turnira. Pored Novaka Đokovića,
+    Viktora Troickog i Janka Tipsarevića učešće su potvrdili: Radek Štepanek (Češka),
+    Igor Andrejev (Rusija), Ivo Karlović, Ivan Ljubičić(Hrvatska), Viktor Hanesku
+    (Rumunija), Andreas Sepi (Italija), Sem Kveri (SAD), Marselo Granoleros (Španija),
+    Kristof Rohaus, Kristof Vligen (Belgija), Arno Klemon, Nikola Devilder (Francuska),
+    Giljermo Kanjas, Leonardo Mejer (Argentina), Nikolas Masu (Čile), Daniel Markos
+    (Brazil).'
+  - ' Područja socijalnog rada određuju specifičnost primene metoda, tehnika i veština
+    socijalnog rada na određenu kategoriju klijenata Socijalne usluge obuhvataju mrežu
+    institucija, organizacija i službi formiranih radi promocije zdravlja i dobrobiti
+    građana Usluge mogu biti raznolike i uključuju pomaganje ljudima da postanu nezavisni
+    do stepena do kojeg je to moguće, pravnu pomoć, bračno savetovanje, grupe građana
+    za podršku, zastupanje, ostvarivanje finansijske pomoći, nadzor nad decom, povezivanje
+    klijenata sa resursima, savetovanje i drugo'
+  - U tako teškoj situaciji prvi put od početka rata sazvana je Narodna skupština,
+    koja je primorala vladu [[Milo Matanović|Mila Matanovića]] na ostavku Odlučeno
+    je da bi Crna Gora trebalo da se ugleda na primjer Srbije, da borbom kupuje vrijeme
+    za povlačenje Kralj Nikola je jedva uspio da imenuje novu vladu Lazara Mijuškovića
+    U decembru 1915 godine kralj Nikola je pokušao da pregovara sa Austrougarskom
+    oko separatnog mira čime je izgubio kredibilitet pred silama Antante
+- source_sentence: anKo će besplatno boraviti u vrtićima?
+  sentences:
+  - Roditelji, njih 4127, zbog promene materijalnog statusa plaćaće najvišu cenu,
+    a zbog nepotpune dokumentacije, naknadno će biti urađeno još 376 rešenja Kako
+    je u celodnevni boravak do sada upisano 47800 mališana, 15800 roditelja nije ni
+    podnelo zahteve, jer su pretpostavili da zbog visine mesečnih primanja ne bi ni
+    mogli da ostvare neki od popusta – U vrtićima će besplatno boraviti 248 dece koja
+    žive u socijalno ugroženim porodicama, čije su porodice korisnici materijalnog
+    obezbeđenja porodice ili se nalaze u Sigurnoj kući
+  - ' Na sastanku će danas na dnevnom redu biti rasprava o integrisanoj kontroli granica,
+    slobodi kretanja i pravosuđa, dok će sutra delegacije razgovarati o Zajednici
+    srpskih opština, energetici i Ibarskom mostu Delegaciju Beograda predvodi direktor
+    Kancelarije za Kosovo i Metohiju Marko Đurić, dok je na čelu delegacije Prištine
+    glavni pregovarač Avni Arifi U delegaciji Beograda, pored predstavnika Kancelarije
+    za Kosovo i Metohiju i Kancelarije za koordinacione poslove u pregovaračkom procesu
+    sa privremenim institucijama samouprave u Prištini, biće i predstavnici nadležnih
+    ministarstava i institucija po navedenim temama, javlja RTS'
+  - Pored dobro poznatih isparljivih terpena, polifenolna jedinjenja Doktorska disertacija
+    22 rastvorna u vodi, kao što su derivati benzoeve i cimetne kiseline, mogu poslužiti
+    kao alelopatske supstance. Polifenolna jedinjenja mogu biti i signalni molekuli
+    u interakcijama biljke i bakterija koje fiksiraju azot kod mahunarki (Strack,
+    1997). Značajna uloga flavonoida i fenolnih kiselina je njihovo učešće u odbrambenom
+    mehanizmu biljke. Dokazano je da se u uslovima stresa (prekomerno UV zračenje,
+    oštećenje tkiva, infekcija) u biljkama indukuje sinteza polifenolnih jedinjenja
+    (Britton, 1983; Dixon i Paiva, 1995). Polifenolna jedinjenja se mogu akumulirati
+    pre i posle napada mikroorganizama. Pre infekcije su u formi toksina, dok su postinfekcijska
+    polifenolna jedinjenja u fromi tzv. fitoaleksina.
+model-index:
+- name: SentenceTransformer
+  results:
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: sts dev
+      type: sts-dev
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.7673922321809645
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.8834827144686299
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.9206145966709347
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.9492104139991464
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.7673922321809645
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.29449423815621
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.18412291933418692
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.09492104139991463
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.7673922321809645
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.8834827144686299
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.9206145966709347
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.9492104139991464
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.8601780692125409
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.8313636024903625
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.8333518185193245
+      name: Cosine Map@100
+    - type: dot_accuracy@1
+      value: 0.7673922321809645
+      name: Dot Accuracy@1
+    - type: dot_accuracy@3
+      value: 0.8834827144686299
+      name: Dot Accuracy@3
+    - type: dot_accuracy@5
+      value: 0.9206145966709347
+      name: Dot Accuracy@5
+    - type: dot_accuracy@10
+      value: 0.9492104139991464
+      name: Dot Accuracy@10
+    - type: dot_precision@1
+      value: 0.7673922321809645
+      name: Dot Precision@1
+    - type: dot_precision@3
+      value: 0.29449423815621
+      name: Dot Precision@3
+    - type: dot_precision@5
+      value: 0.18412291933418692
+      name: Dot Precision@5
+    - type: dot_precision@10
+      value: 0.09492104139991463
+      name: Dot Precision@10
+    - type: dot_recall@1
+      value: 0.7673922321809645
+      name: Dot Recall@1
+    - type: dot_recall@3
+      value: 0.8834827144686299
+      name: Dot Recall@3
+    - type: dot_recall@5
+      value: 0.9206145966709347
+      name: Dot Recall@5
+    - type: dot_recall@10
+      value: 0.9492104139991464
+      name: Dot Recall@10
+    - type: dot_ndcg@10
+      value: 0.8601780692125409
+      name: Dot Ndcg@10
+    - type: dot_mrr@10
+      value: 0.8313636024903625
+      name: Dot Mrr@10
+    - type: dot_map@100
+      value: 0.8333518185193245
+      name: Dot Map@100
+    - type: cosine_accuracy@1
+      value: 0.7763551002987623
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.8941527955612463
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.9253094323516858
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.9526248399487837
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.7763551002987623
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.2980509318537487
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.18506188647033714
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.09526248399487836
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.7763551002987623
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.8941527955612463
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.9253094323516858
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.9526248399487837
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.8684852482950756
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.8410296797620739
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.8431204567938398
+      name: Cosine Map@100
+    - type: dot_accuracy@1
+      value: 0.7763551002987623
+      name: Dot Accuracy@1
+    - type: dot_accuracy@3
+      value: 0.8941527955612463
+      name: Dot Accuracy@3
+    - type: dot_accuracy@5
+      value: 0.9253094323516858
+      name: Dot Accuracy@5
+    - type: dot_accuracy@10
+      value: 0.9526248399487837
+      name: Dot Accuracy@10
+    - type: dot_precision@1
+      value: 0.7763551002987623
+      name: Dot Precision@1
+    - type: dot_precision@3
+      value: 0.2980509318537487
+      name: Dot Precision@3
+    - type: dot_precision@5
+      value: 0.18506188647033714
+      name: Dot Precision@5
+    - type: dot_precision@10
+      value: 0.09526248399487836
+      name: Dot Precision@10
+    - type: dot_recall@1
+      value: 0.7763551002987623
+      name: Dot Recall@1
+    - type: dot_recall@3
+      value: 0.8941527955612463
+      name: Dot Recall@3
+    - type: dot_recall@5
+      value: 0.9253094323516858
+      name: Dot Recall@5
+    - type: dot_recall@10
+      value: 0.9526248399487837
+      name: Dot Recall@10
+    - type: dot_ndcg@10
+      value: 0.8684852482950756
+      name: Dot Ndcg@10
+    - type: dot_mrr@10
+      value: 0.8410296797620739
+      name: Dot Mrr@10
+    - type: dot_map@100
+      value: 0.8431204567938398
+      name: Dot Map@100
+---
+
+# SentenceTransformer
+
+This is a [sentence-transformers](https://www.SBERT.net) model trained. 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:** [Unknown](https://huggingface.co/unknown) -->
+- **Maximum Sequence Length:** 512 tokens
+- **Output Dimensionality:** 768 tokens
+- **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/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: 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:
+
+```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("sentence_transformers_model_id")
+# Run inference
+sentences = [
+    'anKo će besplatno boraviti u vrtićima?',
+    'Roditelji, njih 4127, zbog promene materijalnog statusa plaćaće najvišu cenu, a zbog nepotpune dokumentacije, naknadno će biti urađeno još 376 rešenja Kako je u celodnevni boravak do sada upisano 47800 mališana, 15800 roditelja nije ni podnelo zahteve, jer su pretpostavili da zbog visine mesečnih primanja ne bi ni mogli da ostvare neki od popusta – U vrtićima će besplatno boraviti 248 dece koja žive u socijalno ugroženim porodicama, čije su porodice korisnici materijalnog obezbeđenja porodice ili se nalaze u Sigurnoj kući',
+    'Pored dobro poznatih isparljivih terpena, polifenolna jedinjenja Doktorska disertacija 22 rastvorna u vodi, kao što su derivati benzoeve i cimetne kiseline, mogu poslužiti kao alelopatske supstance. Polifenolna jedinjenja mogu biti i signalni molekuli u interakcijama biljke i bakterija koje fiksiraju azot kod mahunarki (Strack, 1997). Značajna uloga flavonoida i fenolnih kiselina je njihovo učešće u odbrambenom mehanizmu biljke. Dokazano je da se u uslovima stresa (prekomerno UV zračenje, oštećenje tkiva, infekcija) u biljkama indukuje sinteza polifenolnih jedinjenja (Britton, 1983; Dixon i Paiva, 1995). Polifenolna jedinjenja se mogu akumulirati pre i posle napada mikroorganizama. Pre infekcije su u formi toksina, dok su postinfekcijska polifenolna jedinjenja u fromi tzv. fitoaleksina.',
+]
+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]
+```
+
+<!--
+### 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.*
+-->
+
+## Evaluation
+
+### Metrics
+
+#### Information Retrieval
+* Dataset: `sts-dev`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.7674     |
+| cosine_accuracy@3   | 0.8835     |
+| cosine_accuracy@5   | 0.9206     |
+| cosine_accuracy@10  | 0.9492     |
+| cosine_precision@1  | 0.7674     |
+| cosine_precision@3  | 0.2945     |
+| cosine_precision@5  | 0.1841     |
+| cosine_precision@10 | 0.0949     |
+| cosine_recall@1     | 0.7674     |
+| cosine_recall@3     | 0.8835     |
+| cosine_recall@5     | 0.9206     |
+| cosine_recall@10    | 0.9492     |
+| cosine_ndcg@10      | 0.8602     |
+| cosine_mrr@10       | 0.8314     |
+| **cosine_map@100**  | **0.8334** |
+| dot_accuracy@1      | 0.7674     |
+| dot_accuracy@3      | 0.8835     |
+| dot_accuracy@5      | 0.9206     |
+| dot_accuracy@10     | 0.9492     |
+| dot_precision@1     | 0.7674     |
+| dot_precision@3     | 0.2945     |
+| dot_precision@5     | 0.1841     |
+| dot_precision@10    | 0.0949     |
+| dot_recall@1        | 0.7674     |
+| dot_recall@3        | 0.8835     |
+| dot_recall@5        | 0.9206     |
+| dot_recall@10       | 0.9492     |
+| dot_ndcg@10         | 0.8602     |
+| dot_mrr@10          | 0.8314     |
+| dot_map@100         | 0.8334     |
+
+#### Information Retrieval
+* Dataset: `sts-dev`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.7764     |
+| cosine_accuracy@3   | 0.8942     |
+| cosine_accuracy@5   | 0.9253     |
+| cosine_accuracy@10  | 0.9526     |
+| cosine_precision@1  | 0.7764     |
+| cosine_precision@3  | 0.2981     |
+| cosine_precision@5  | 0.1851     |
+| cosine_precision@10 | 0.0953     |
+| cosine_recall@1     | 0.7764     |
+| cosine_recall@3     | 0.8942     |
+| cosine_recall@5     | 0.9253     |
+| cosine_recall@10    | 0.9526     |
+| cosine_ndcg@10      | 0.8685     |
+| cosine_mrr@10       | 0.841      |
+| **cosine_map@100**  | **0.8431** |
+| dot_accuracy@1      | 0.7764     |
+| dot_accuracy@3      | 0.8942     |
+| dot_accuracy@5      | 0.9253     |
+| dot_accuracy@10     | 0.9526     |
+| dot_precision@1     | 0.7764     |
+| dot_precision@3     | 0.2981     |
+| dot_precision@5     | 0.1851     |
+| dot_precision@10    | 0.0953     |
+| dot_recall@1        | 0.7764     |
+| dot_recall@3        | 0.8942     |
+| dot_recall@5        | 0.9253     |
+| dot_recall@10       | 0.9526     |
+| dot_ndcg@10         | 0.8685     |
+| dot_mrr@10          | 0.841      |
+| dot_map@100         | 0.8431     |
+
+<!--
+## 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: 9,371 training samples
+* Columns: <code>anchor</code> and <code>positive</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | anchor                                                                            | positive                                                                              |
+  |:--------|:----------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                                |
+  | details | <ul><li>min: 7 tokens</li><li>mean: 14.93 tokens</li><li>max: 31 tokens</li></ul> | <ul><li>min: 106 tokens</li><li>mean: 171.74 tokens</li><li>max: 375 tokens</li></ul> |
+* Samples:
+  | anchor                                                      | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    |
+  |:------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>anŠta su nosioci informacija u okruženju?</code>      | <code>To sredstvo mogu biti sami akteri kao nosioci i prenosioci informacija ali može biti i okruženje Okruženje može biti zajedničko, neposredno, kada su akteri u istom prostoru, ali se informacija prenosi i među razdvojenim okruženjima, f zičkom vezom, putem kojim se kreću prenosioci informacija - akteri u kretanju kroz prostor, predmeti koje se prenose ili ono što smatramo čistom informacionom razmenom iako ima određeni f zički okvir: zvuk koji se prenosi kroz materiju, električni signal u telefonskim provodnicima, i nosioci elektromagnetnog zračenja u prostoru ili optičkim provodnicima</code> |
+  | <code>anKako se zasniva istraživački pristup?</code>        | <code>Generalno posmatrano, istraživački pristup zasniva se na analitičkosintetičkom, odnosno deduktivno-induktivnom pristupu, gde se od opšteg teži saznanju o pojedinačnom, a potom se iz pojedinačnog, sintezom i generalizacijom, teži zaključivanju o opštem U prvoj fazi, primenjena 106 istraživanja slediće deduktivni model (top-down) krećući od ispitivanja: 1) osnovnih načela, principa i pristupa planiranja u RS, 2) analize ukupnog planskog procesa i njegovih faza i 3) analize strukture i sadržaja planova u okviru referentnih modela planiranja (Slika 26</code>                                      |
+  | <code>anŠta je uticalo na loše rezultate poslovanja?</code> | <code>319 stabilno poslovanje Drugi stratum čini takođe šest velikih privrednih subjekata koji su u istom vremenskom okviru imali narušenu finansijsku strukturu, što se direktno odrazilo i na loše rezutate poslovanja Na bazi predloženih kompanija formirane su dve polarizovane grupe velikih privrednih subjekata kako bi putem predloženog modela mogla da se pokaže homogenost u kretanju kvantitativnih i kvalitativnih pokazatelja Takođe, polarizovani pristup u istraživanju dao je mogućnost dodatnog testiranja pouzdanosti predloženog modela ocene kreditnog boniteta velikih privrednih subjekata</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"
+  }
+  ```
+
+### Evaluation Dataset
+
+#### Unnamed Dataset
+
+
+* Size: 2,343 evaluation samples
+* Columns: <code>anchor</code> and <code>positive</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | anchor                                                                            | positive                                                                              |
+  |:--------|:----------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                                |
+  | details | <ul><li>min: 8 tokens</li><li>mean: 14.77 tokens</li><li>max: 44 tokens</li></ul> | <ul><li>min: 113 tokens</li><li>mean: 177.33 tokens</li><li>max: 481 tokens</li></ul> |
+* Samples:
+  | anchor                                                                       | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                       |
+  |:-----------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>anKo je iskoristio prokopavanje male prevlake kao povod za rat?</code> | <code> godine prokopavati malu prevlaku kojom je Cavtat spojen sa kopnom imajući u vidu da ga pretvore u tvrđavu kojom bi branili posjede u Konavlima Ovo je zasmetalo Radoslavu Pavloviću, pa je to i iskoristio kao povod za rat sa Dubrovačkom republikom, tvrdeći da on nije prodao Konavle već ih samo založio U ovom ratu Dubrovnik se obratio za pomoć od despota Đurađa Brankovića, kralja Stefana Tvrtka Drugog Kotromanića, sultana Murata Drugog, kralja Žigmunda Kao najbliži saveznici bili su im Sandalj Hranić i kralj Tvrtko</code>                                                                                                                                                                                            |
+  | <code>anKo je vodio Briž u XV veku?</code>                                   | <code>Mnogo leševa ležalo je na šinama kad su spasitelji stigli. Sila eksplozija devastirala je vozove i odbacila delove leševa u vazduh. Ubrzo je za seriju koordiniranih napada od strane španskih vlasti optužena baskijska separatistička grupa ETA. Ta grupa odbacila je odgovornost, i sumnja je pala na islamske ekstremiste kad je policija pronašla jedan kombi sa detonatorima i stihovima iz Kurana u njemu. Kasnije, jedno pismo, navodno Al-Kaidino, došlo je arapskom listu Al-Kuds u Londonu preuzimajući odgovornost za masakr. Od XV veka u Brižu vladaju burgundske vojvode, koji su grad doveli do visokog nivoa u kulturi, arhitekturi i privredi. Briž je krajem Srednjeg veka bio najbogatiji grad severa Evrope.</code> |
+  | <code>anKo je učestvovao u hapšenju Slobodana Miloševića?</code>             | <code> godine, JSO je učestvovala u hapšenju Slobodana Miloševića a tom prilikom je ćerka Slobodana Miloševića pucala, a metak je okrznuo Milorada Ulemeka Legiju Od 2001 godine jedinica je imala i istureno odeljenje u Vranju u hali fabrike Zavarivač Pobuna Jedinice za specijalne operacije MUP-a Srbije trajala je od 9 do 17 novembra 2001 godine kada je JSO otkazala poslušnost, blokirala bazu u Kuli i ispostavila zahteve za smenu ministra unutrašnjih poslova, načelnika Resora državne bezbednosti i njenog zamenika, a potom su uz upotrebu borbenih vozila i naoružanja blokirali auto-put kod Vrbasa a narednih dana i kod Beograda</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"
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 16
+- `per_device_eval_batch_size`: 16
+- `learning_rate`: 2e-05
+- `weight_decay`: 0.01
+- `num_train_epochs`: 5
+- `lr_scheduler_type`: constant_with_warmup
+- `warmup_ratio`: 0.2
+- `fp16`: True
+- `load_best_model_at_end`: True
+- `batch_sampler`: no_duplicates
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `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`: 0.01
+- `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`: constant_with_warmup
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.2
+- `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`: True
+- `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`: False
+- `hub_always_push`: False
+- `gradient_checkpointing`: False
+- `gradient_checkpointing_kwargs`: None
+- `include_inputs_for_metrics`: False
+- `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
+- `eval_use_gather_object`: False
+- `batch_sampler`: no_duplicates
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+| Epoch      | Step    | Training Loss | loss       | sts-dev_cosine_map@100 |
+|:----------:|:-------:|:-------------:|:----------:|:----------------------:|
+| 0          | 0       | -             | -          | 0.7395                 |
+| 0.1706     | 100     | 0.7713        | 0.1087     | 0.7842                 |
+| 0.3413     | 200     | 0.118         | 0.0595     | 0.8358                 |
+| 0.5119     | 300     | 0.0654        | 0.0532     | 0.8388                 |
+| 0.6826     | 400     | 0.0682        | 0.0505     | 0.8461                 |
+| 0.8532     | 500     | 0.0634        | 0.0524     | 0.8432                 |
+| **1.0239** | **600** | **0.0748**    | **0.0413** | **0.8431**             |
+| 1.1945     | 700     | 0.0573        | 0.0416     | 0.8389                 |
+| 1.3652     | 800     | 0.044         | 0.0454     | 0.8379                 |
+| 1.5358     | 900     | 0.0194        | 0.0427     | 0.8489                 |
+| 1.7065     | 1000    | 0.0176        | 0.0447     | 0.8431                 |
+| 1.8771     | 1100    | 0.0125        | 0.0438     | 0.8432                 |
+| 2.0478     | 1200    | 0.0113        | 0.0423     | 0.8413                 |
+| 2.2184     | 1300    | 0.0083        | 0.0418     | 0.8351                 |
+| 2.3891     | 1400    | 0.0095        | 0.0417     | 0.8373                 |
+| 2.5597     | 1500    | 0.0047        | 0.0415     | 0.8424                 |
+| 2.7304     | 1600    | 0.0053        | 0.0431     | 0.8434                 |
+| 2.9010     | 1700    | 0.0046        | 0.0458     | 0.8407                 |
+| 3.0717     | 1800    | 0.0031        | 0.0447     | 0.8326                 |
+| 3.2423     | 1900    | 0.0035        | 0.0439     | 0.8334                 |
+| 3.4130     | 2000    | 0.0024        | 0.0461     | 0.8296                 |
+| 3.5836     | 2100    | 0.0024        | 0.0435     | 0.8346                 |
+| 3.7543     | 2200    | 0.0018        | 0.0440     | 0.8340                 |
+| 3.9249     | 2300    | 0.0013        | 0.0448     | 0.8312                 |
+| 4.0956     | 2400    | 0.0012        | 0.0447     | 0.8350                 |
+| 4.2662     | 2500    | 0.0013        | 0.0424     | 0.8297                 |
+| 4.4369     | 2600    | 0.0009        | 0.0420     | 0.8317                 |
+| 4.6075     | 2700    | 0.0008        | 0.0427     | 0.8375                 |
+| 4.7782     | 2800    | 0.0008        | 0.0434     | 0.8379                 |
+| 4.9488     | 2900    | 0.0007        | 0.0451     | 0.8334                 |
+| 5.0        | 2930    | -             | -          | 0.8431                 |
+
+* The bold row denotes the saved checkpoint.
+
+### Framework Versions
+- Python: 3.10.8
+- Sentence Transformers: 3.0.1
+- Transformers: 4.44.2
+- PyTorch: 2.4.0+cu121
+- Accelerate: 0.30.0
+- Datasets: 2.21.0
+- Tokenizers: 0.19.1
+
+## 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.*
+-->

config.json

@@ -0,0 +1,28 @@
+{
+  "_name_or_path": "output/make_multilingual_en_sr_2024_09_27_10_55_23/final_model",
+  "architectures": [
+    "XLMRobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "xlm-roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "output_past": true,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.44.2",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 250002
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.0.1",
+    "transformers": "4.44.2",
+    "pytorch": "2.4.0+cu121"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:2aff3fe3b4389d077a942d51d1f38f94a263376c0cfa95a67a649a2052ebbf76
+size 1112197096

modules.json

@@ -0,0 +1,20 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  },
+  {
+    "idx": 2,
+    "name": "2",
+    "path": "2_Normalize",
+    "type": "sentence_transformers.models.Normalize"
+  }
+]

sentence_bert_config.json

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

sentencepiece.bpe.model

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cfc8146abe2a0488e9e2a0c56de7952f7c11ab059eca145a0a727afce0db2865
+size 5069051

special_tokens_map.json

@@ -0,0 +1,51 @@
+{
+  "bos_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "<mask>",
+    "lstrip": true,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "<pad>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "<unk>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:883b037111086fd4dfebbbc9b7cee11e1517b5e0c0514879478661440f137085
+size 17082987

tokenizer_config.json

@@ -0,0 +1,61 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "250001": {
+      "content": "<mask>",
+      "lstrip": true,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "max_length": 512,
+  "model_max_length": 512,
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "</s>",
+  "stride": 0,
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}