File size: 30,605 Bytes
d5bba53 3cae5c3 d5bba53 3cae5c3 d5bba53 3cae5c3 d5bba53 3cae5c3 d5bba53 3cae5c3 d5bba53 3cae5c3 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 | ---
base_model: sentence-transformers/paraphrase-multilingual-mpnet-base-v2
library_name: sentence-transformers
metrics:
- cosine_accuracy@1
- 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@1
- cosine_ndcg@5
- cosine_ndcg@10
- cosine_mrr@1
- cosine_mrr@5
- cosine_mrr@10
- cosine_map@100
model-index:
- name: SentenceTransformer based on sentence-transformers/paraphrase-multilingual-mpnet-base-v2
results:
- dataset:
name: val
type: val
metrics:
- name: Cosine Accuracy@1
type: cosine_accuracy@1
value: 0.7723577235772358
- name: Cosine Accuracy@5
type: cosine_accuracy@5
value: 0.868970189701897
- name: Cosine Accuracy@10
type: cosine_accuracy@10
value: 0.8857723577235772
- name: Cosine Precision@1
type: cosine_precision@1
value: 0.7723577235772358
- name: Cosine Precision@3
type: cosine_precision@3
value: 0.2832881662149955
- name: Cosine Precision@5
type: cosine_precision@5
value: 0.17379403794037943
- name: Cosine Precision@10
type: cosine_precision@10
value: 0.08857723577235771
- name: Cosine Recall@1
type: cosine_recall@1
value: 0.7723577235772358
- name: Cosine Recall@3
type: cosine_recall@3
value: 0.8498644986449865
- name: Cosine Recall@5
type: cosine_recall@5
value: 0.868970189701897
- name: Cosine Recall@10
type: cosine_recall@10
value: 0.8857723577235772
- name: Cosine Ndcg@1
type: cosine_ndcg@1
value: 0.7723577235772358
- name: Cosine Ndcg@5
type: cosine_ndcg@5
value: 0.8262686517761806
- name: Cosine Ndcg@10
type: cosine_ndcg@10
value: 0.8317607353450287
- name: Cosine Mrr@1
type: cosine_mrr@1
value: 0.7723577235772358
- name: Cosine Mrr@5
type: cosine_mrr@5
value: 0.8118450767841
- name: Cosine Mrr@10
type: cosine_mrr@10
value: 0.8141458575300033
- name: Cosine Map@100
type: cosine_map@100
value: 0.8152488326748775
task:
name: Information Retrieval
type: information-retrieval
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- dense
- generated_from_trainer
- dataset_size:41454
- loss:MultipleNegativesRankingLoss
widget:
- sentences:
- Niche Perfumes | عطور النيش | عطور النيش | Beauty > Fragrance > Niche Perfumes
| الجمال والعناية > عطور > عطور النيش
- Men Blouses | بلوز رجالي | بلوز رجالي | Clothes, Shoes & Bags > Men Clothes >
Men Blouses > Men Blouses | ملابس، أحذية وحقائب > ملابس رجالية > بلوز وتيشرت رجالي
> بلوز رجالي
- Men Shoes | حذاء رجالي | حذاء رجالي | Men Fashion > Men Shoes | ملابس رجالية >
حذاء رجالي
- Men Niche Perfumes | عطور رجالية | عطور رجالية | Beauty > Fragrance > Niche Perfumes
> Men Niche Perfumes | الجمال والعناية > عطور > عطور النيش > عطور رجالية
- Arabian, Oud & Makhmaria | عطور عربية ومخمرية | عطور عربية ومخمرية | Beauty >
Fragrance > Arabian, Oud & Makhmaria | الجمال والعناية > عطور > عطور عربية ومخمرية
- Men Fragrance | عطور رجالية | بۆنی پیاوانی | Beauty > Fragrance > Fragrance >
Men Fragrance | الجمال والعناية > عطور > العطور > عطور رجالية
source_sentence: Bleu Eau De Parfum Men's Perfume عطر بلو للرجال
- sentences:
- stand fans | مراوح عمودية | مراوح عمودية | Home Appliances > Heating & Air-Conditioning
> Air recycling devices > stand fans | اجهزة منزلية > التدفئة والتبريد > أجهزة
تدوير الهواء > مراوح عمودية
- table fans | مراوح منضدية | مراوح منضدية | Home Appliances > Heating & Air-Conditioning
> Air recycling devices > table fans | اجهزة منزلية > التدفئة والتبريد > أجهزة
تدوير الهواء > مراوح منضدية
- Heating & Air-Conditioning | التدفئة والتبريد | التدفئة والتبريد | Home Appliances
> Heating & Air-Conditioning | اجهزة منزلية > التدفئة والتبريد
- Vertical ACs | أجهزة تبريد عمودية | أجهزة تبريد عمودية | Home Appliances > Heating
& Air-Conditioning > Air Conditioners > Vertical ACs | اجهزة منزلية > التدفئة
والتبريد > أجهزة التبريد > أجهزة تبريد عمودية
- ceiling fan | مروحة سقفية | مروحة سقفية | Home Appliances > Heating & Air-Conditioning
> Air recycling devices > ceiling fan | اجهزة منزلية > التدفئة والتبريد > أجهزة
تدوير الهواء > مروحة سقفية
- wall fans | مراوح جدارية | مراوح جدراية | Home Appliances > Heating & Air-Conditioning
> Air recycling devices > wall fans | اجهزة منزلية > التدفئة والتبريد > أجهزة
تدوير الهواء > مراوح جدارية
source_sentence: مروحة جدارية Wall Fan
- sentences:
- placeholder
source_sentence: مجموعة تخزين وحماية 10 في 1 من DOBE لجهاز نينتندو سويتش DOBE 10-in-1
Storage & Protection Kit for Nintendo Switch
- sentences:
- Energy Drinks | مشروبات الطاقة | مشروبات الطاقة | Food And Groceries > Drinks
> Energy Drinks | مواد غذائية > المشروبات > مشروبات الطاقة
- Coffee Drinks | مشروبات القهوة | مشروبات القهوة | Food And Groceries > Drinks
> Coffee > Coffee Drinks | مواد غذائية > المشروبات > القهوة > مشروبات القهوة
- Juices | عصائر | شەربەت | Food And Groceries > Drinks > Juices | مواد غذائية >
المشروبات > عصائر
- Drinks | المشروبات | المشروبات | Food And Groceries > Drinks | مواد غذائية > المشروبات
- Tea Drinks | مشروبات الشاي | مشروبات الشاي | Food And Groceries > Drinks > Tea
> Tea Drinks | مواد غذائية > المشروبات > الشاي > مشروبات الشاي
- Chocolate Drinks | مشروبات الشوكولاتة | مشروبات الشوكولاتة | Food And Groceries
> Drinks > Chocolate Drinks | مواد غذائية > المشروبات > مشروبات الشوكولاتة
source_sentence: المشروبات - المشروبات
- sentences:
- Kids | أطفال | مندالان
- Kids Clothes | ملابس اطفال | جلی منداڵانی | Clothes, Shoes & Bags > Kids Clothes
| ملابس، أحذية وحقائب > ملابس اطفال
- Nursing Bottles Sanitizers | أجهزة تعقيم وتحضير قناني الرضاعة | أجهزة تعقيم وتحضير
قناني الرضاعة | Kids > Baby Feeding > Nursing & Breastfeeding > Nursing Bottles
Sanitizers | أطفال > الرضاعة والتغذية > الرضاعة والرضاعة الطبيعية > أجهزة تعقيم
وتحضير قناني الرضاعة
- Walking Support | المساعدة على المشي | المساعدة على المشي | Kids > Strollers &
High Chairs > Walking Support | أطفال > العربات وكراسي الطعام > المساعدة على المشي
- Kids Footwear | أحذية الأطفال | أحذية الأطفال | Clothes, Shoes & Bags > Shoes
> Kids Footwear | ملابس، أحذية وحقائب > أحذية > أحذية الأطفال
- Baby Skincare | العناية ببشرة الأطفال | العناية ببشرة الأطفال | Kids > Baby Hygiene
& Care > Baby Skincare | أطفال > العناية والنظافة > العناية ببشرة الأطفال
source_sentence: أطفال | مندالان
---
# SentenceTransformer based on sentence-transformers/paraphrase-multilingual-mpnet-base-v2
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/paraphrase-multilingual-mpnet-base-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-mpnet-base-v2). 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:** [sentence-transformers/paraphrase-multilingual-mpnet-base-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-mpnet-base-v2) <!-- at revision 4328cf26390c98c5e3c738b4460a05b95f4911f5 -->
- **Maximum Sequence Length:** 128 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': 128, 'do_lower_case': False, 'architecture': 'XLMRobertaModel'})
(1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)
```
## 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 = [
'أطفال | مندالان',
'Kids | أطفال | مندالان',
'Kids Footwear | أحذية الأطفال | أحذية الأطفال | Clothes, Shoes & Bags > Shoes > Kids Footwear | ملابس، أحذية وحقائب > أحذية > أحذية الأطفال',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.9686, 0.3404],
# [0.9686, 1.0000, 0.4502],
# [0.3404, 0.4502, 1.0000]])
```
<!--
### 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: `val`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.7724 |
| cosine_accuracy@5 | 0.869 |
| cosine_accuracy@10 | 0.8858 |
| cosine_precision@1 | 0.7724 |
| cosine_precision@3 | 0.2833 |
| cosine_precision@5 | 0.1738 |
| cosine_precision@10 | 0.0886 |
| cosine_recall@1 | 0.7724 |
| cosine_recall@3 | 0.8499 |
| cosine_recall@5 | 0.869 |
| cosine_recall@10 | 0.8858 |
| cosine_ndcg@1 | 0.7724 |
| cosine_ndcg@5 | 0.8263 |
| **cosine_ndcg@10** | **0.8318** |
| cosine_mrr@1 | 0.7724 |
| cosine_mrr@5 | 0.8118 |
| cosine_mrr@10 | 0.8141 |
| cosine_map@100 | 0.8152 |
<!--
## 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: 41,454 training samples
* Columns: <code>sentence_0</code>, <code>sentence_1</code>, <code>sentence_2</code>, <code>sentence_3</code>, <code>sentence_4</code>, <code>sentence_5</code>, and <code>sentence_6</code>
* Approximate statistics based on the first 1000 samples:
| | sentence_0 | sentence_1 | sentence_2 | sentence_3 | sentence_4 | sentence_5 | sentence_6 |
|:--------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:---------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
| type | string | string | string | string | string | string | string |
| details | <ul><li>min: 5 tokens</li><li>mean: 21.23 tokens</li><li>max: 75 tokens</li></ul> | <ul><li>min: 2 tokens</li><li>mean: 56.88 tokens</li><li>max: 99 tokens</li></ul> | <ul><li>min: 2 tokens</li><li>mean: 57.2 tokens</li><li>max: 95 tokens</li></ul> | <ul><li>min: 2 tokens</li><li>mean: 56.71 tokens</li><li>max: 94 tokens</li></ul> | <ul><li>min: 2 tokens</li><li>mean: 55.42 tokens</li><li>max: 111 tokens</li></ul> | <ul><li>min: 2 tokens</li><li>mean: 56.14 tokens</li><li>max: 92 tokens</li></ul> | <ul><li>min: 2 tokens</li><li>mean: 56.79 tokens</li><li>max: 111 tokens</li></ul> |
* Samples:
| sentence_0 | sentence_1 | sentence_2 | sentence_3 | sentence_4 | sentence_5 | sentence_6 |
|:------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>فرش تنظيف اللسان \| فرش تنظيف اللسان</code> | <code>Tongue Cleaning Brushes \| فرش تنظيف اللسان \| فرش تنظيف اللسان \| Health & Personal Care > Oral Hygiene > Teeth Cleaning & Care > Tongue Cleaning Brushes \| الصحة والعناية الشخصية > العناية بالفم > مستلزمات التنظيف والعناية بالأسنان > فرش تنظيف اللسان</code> | <code>Lip Care \| العناية بالشفاه \| العناية بالشفاه \| Beauty > Skincare > Lip Care \| الجمال والعناية > عناية بالبشرة > العناية بالشفاه</code> | <code>Oral Hygiene \| العناية بالفم \| العناية بالفم \| Health & Personal Care > Oral Hygiene \| الصحة والعناية الشخصية > العناية بالفم</code> | <code>Lip Liners \| تحديد الشفاه \| تحديد الشفاه \| Beauty > Makeup > Lips Makeup > Lip Liners \| الجمال والعناية > مكياج > مكياج الشفاه > تحديد الشفاه</code> | <code>General Oral Care Products \| منتجات متنوعة \| منتجات متنوعة \| Health & Personal Care > Oral Hygiene > Teeth Cleaning & Care > General Oral Care Products \| الصحة والعناية الشخصية > العناية بالفم > مستلزمات التنظيف والعناية بالأسنان > منتجات متنوعة</code> | <code>Electric Tooth Brushes \| فرش الأسنان الكهربائية \| فرش الأسنان الكهربائية \| Health & Personal Care > Oral Hygiene > Tooth Brushes > Electric Tooth Brushes \| الصحة والعناية الشخصية > العناية بالفم > فرش الأسنان > فرش الأسنان الكهربائية</code> |
| <code>بنطلون منسوج بأرجل واسعة وكسرات أمامية Pleated Wide Leg Woven Trousers</code> | <code>Pants \| بناطيل \| Women Fashion > Pants \| ملابس نسائية > بناطيل</code> | <code>Women Jeans \| جينز نسائي \| Women Fashion > Women Jeans \| ملابس نسائية > جينز نسائي</code> | <code>Pants & Skirts \| تنورة وبنطلون نسائي \| تنورة وبنطلون نسائي \| Clothes, Shoes & Bags > Women Clothing > Pants & Skirts \| ملابس، أحذية وحقائب > ملابس نسائية > تنورة وبنطلون نسائي</code> | <code>Panties \| لباس داخلي \| لباس داخلي \| Clothes, Shoes & Bags > Women Clothing > Women Underwear > Panties \| ملابس، أحذية وحقائب > ملابس نسائية > ملابس داخلية نسائية > لباس داخلي</code> | <code>Casual Pants & Sweatpants \| بنطلون قماش \| بنطلون قماش \| Women Fashion > Pants > Casual Pants & Sweatpants \| ملابس نسائية > بناطيل > بنطلون قماش</code> | <code>Night Gown \| دشداشة \| دشداشة \| Women Fashion > Women Home Wear > Night Gown \| ملابس نسائية > ملابس بيت نسائية > دشداشة</code> |
| <code>صابون جليسرين الاصلي سيت Original Glycerin Soap Set</code> | <code>Facial Cleansers \| غسولات وصابون الوجه \| غسولات وصابون الوجه \| Beauty > Skincare > Facial Skincare > Facial Cleansers \| الجمال والعناية > عناية بالبشرة > العناية ببشرة الوجه > غسولات وصابون الوجه</code> | <code>Shower Gel \| غسولات الجسم \| غسولات الجسم \| Beauty > Bathing > Bathing & Showering > Shower Gel \| الجمال والعناية > الحمام والإستحمام > الإستحمام > غسولات الجسم</code> | <code>Soap \| صابون \| صابون \| Beauty > Bathing > Bathing & Showering > Soap \| الجمال والعناية > الحمام والإستحمام > الإستحمام > صابون</code> | <code>Skincare Tools \| أدوات العناية ببشرة الوجه \| أدوات العناية ببشرة الوجه \| Beauty > Skincare > Facial Skincare > Skincare Tools \| الجمال والعناية > عناية بالبشرة > العناية ببشرة الوجه > أدوات العناية ببشرة الوجه</code> | <code>Lip Balm \| مرطب \| مرطب \| Beauty > Skincare > Lip Care > Lip Balm \| الجمال والعناية > عناية بالبشرة > العناية بالشفاه > مرطب</code> | <code>Eye Care \| العناية بالعين \| العناية بالعين \| Beauty > Skincare > Eye Care \| الجمال والعناية > عناية بالبشرة > العناية بالعين</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,
"directions": [
"query_to_doc"
],
"partition_mode": "joint",
"hardness_mode": null,
"hardness_strength": 0.0
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `per_device_train_batch_size`: 32
- `num_train_epochs`: 5
- `per_device_eval_batch_size`: 32
- `multi_dataset_batch_sampler`: round_robin
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `per_device_train_batch_size`: 32
- `num_train_epochs`: 5
- `max_steps`: -1
- `learning_rate`: 5e-05
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: None
- `warmup_steps`: 0
- `optim`: adamw_torch_fused
- `optim_args`: None
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `optim_target_modules`: None
- `gradient_accumulation_steps`: 1
- `average_tokens_across_devices`: True
- `max_grad_norm`: 1
- `label_smoothing_factor`: 0.0
- `bf16`: False
- `fp16`: False
- `bf16_full_eval`: False
- `fp16_full_eval`: False
- `tf32`: None
- `gradient_checkpointing`: False
- `gradient_checkpointing_kwargs`: None
- `torch_compile`: False
- `torch_compile_backend`: None
- `torch_compile_mode`: None
- `use_liger_kernel`: False
- `liger_kernel_config`: None
- `use_cache`: False
- `neftune_noise_alpha`: None
- `torch_empty_cache_steps`: None
- `auto_find_batch_size`: False
- `log_on_each_node`: True
- `logging_nan_inf_filter`: True
- `include_num_input_tokens_seen`: no
- `log_level`: passive
- `log_level_replica`: warning
- `disable_tqdm`: False
- `project`: huggingface
- `trackio_space_id`: trackio
- `eval_strategy`: no
- `per_device_eval_batch_size`: 32
- `prediction_loss_only`: True
- `eval_on_start`: False
- `eval_do_concat_batches`: True
- `eval_use_gather_object`: False
- `eval_accumulation_steps`: None
- `include_for_metrics`: []
- `batch_eval_metrics`: False
- `save_only_model`: False
- `save_on_each_node`: False
- `enable_jit_checkpoint`: False
- `push_to_hub`: False
- `hub_private_repo`: None
- `hub_model_id`: None
- `hub_strategy`: every_save
- `hub_always_push`: False
- `hub_revision`: None
- `load_best_model_at_end`: False
- `ignore_data_skip`: False
- `restore_callback_states_from_checkpoint`: False
- `full_determinism`: False
- `seed`: 42
- `data_seed`: None
- `use_cpu`: False
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
- `parallelism_config`: None
- `dataloader_drop_last`: False
- `dataloader_num_workers`: 0
- `dataloader_pin_memory`: True
- `dataloader_persistent_workers`: False
- `dataloader_prefetch_factor`: None
- `remove_unused_columns`: True
- `label_names`: None
- `train_sampling_strategy`: random
- `length_column_name`: length
- `ddp_find_unused_parameters`: None
- `ddp_bucket_cap_mb`: None
- `ddp_broadcast_buffers`: False
- `ddp_backend`: None
- `ddp_timeout`: 1800
- `fsdp`: []
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
- `deepspeed`: None
- `debug`: []
- `skip_memory_metrics`: True
- `do_predict`: False
- `resume_from_checkpoint`: None
- `warmup_ratio`: None
- `local_rank`: -1
- `prompts`: None
- `batch_sampler`: batch_sampler
- `multi_dataset_batch_sampler`: round_robin
- `router_mapping`: {}
- `learning_rate_mapping`: {}
</details>
### Training Logs
| Epoch | Step | Training Loss | val_cosine_ndcg@10 |
|:------:|:----:|:-------------:|:------------------:|
| 0.3858 | 500 | 1.7692 | - |
| 0.7716 | 1000 | 1.1953 | - |
| 1.0 | 1296 | - | 0.7897 |
| 1.1574 | 1500 | 0.9931 | - |
| 1.5432 | 2000 | 0.8773 | - |
| 1.9290 | 2500 | 0.8350 | - |
| 2.0 | 2592 | - | 0.8176 |
| 2.3148 | 3000 | 0.6935 | - |
| 2.7006 | 3500 | 0.6690 | - |
| 3.0 | 3888 | - | 0.8264 |
| 3.0864 | 4000 | 0.6284 | - |
| 3.4722 | 4500 | 0.5482 | - |
| 3.8580 | 5000 | 0.5434 | - |
| 4.0 | 5184 | - | 0.8315 |
| 4.2438 | 5500 | 0.5002 | - |
| 4.6296 | 6000 | 0.4821 | - |
| 5.0 | 6480 | - | 0.8318 |
### Framework Versions
- Python: 3.14.3
- Sentence Transformers: 5.3.0
- Transformers: 5.5.0
- PyTorch: 2.11.0+cu130
- Accelerate: 1.13.0
- Datasets: 4.8.4
- Tokenizers: 0.22.2
## 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{oord2019representationlearningcontrastivepredictive,
title={Representation Learning with Contrastive Predictive Coding},
author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
year={2019},
eprint={1807.03748},
archivePrefix={arXiv},
primaryClass={cs.LG},
url={https://arxiv.org/abs/1807.03748},
}
```
<!--
## 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.*
--> |