| --- |
| 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.* |
| --> |
