hitachi-defect-classifier / README.md

vany02

Add new SentenceTransformer model

f4c1fbd verified 8 days ago

preview code

raw

history blame contribute delete

15.5 kB

metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - dense
  - generated_from_trainer
  - dataset_size:8690
  - loss:MultipleNegativesRankingLoss
widget:
  - source_sentence: 1位側開戸排水ﾊﾟﾝ内 切粉(最大3mm×5ヶ)
    sentences:
      - 切粉・素線など伝導性の高い異物。この場合はサイズおよび個数を記録する。
      - ひっかき傷に類するｷｽﾞがあるもの
      - 塗装の色むら・色違い等。ただし、塗装自体が未了の場合は「503作業漏れ」に分類する。
  - source_sentence: 2位車販準備室ｶﾓｲ横ｽﾎﾟﾝｼﾞ破れ
    sentences:
      - 整線作業で対処可能な干渉・近接・見栄え不良等。
      - 部品同士が干渉しているが、走行時の異音には至っていないもの
      - 破れ・欠け・割れなどの破損があるもの
  - source_sentence: 列車無線装置上部異物
    sentences:
      - 異物(通常ではそこには見られないはずのモノ)があるもの、ビス等の残留も含む。
      - >-
        調整不良(501)や干渉(104)、締結不良(401)の結果、走行時や動作確認で異音(ビビり音、キシミ音、セリ音、ｶﾞﾀﾂｷ音)が確認されたもの。
      - 切粉・素線など伝導性の高い異物。この場合はサイズおよび個数を記録する。
  - source_sentence: 3位飾りﾙｰﾊﾞｰ塗装剥がれ
    sentences:
      - >-
        調整不良(501)や干渉(104)、締結不良(401)の結果、走行時や動作確認で異音(ビビり音、キシミ音、セリ音、ｶﾞﾀﾂｷ音)が確認されたもの。
      - >-
        艤装作業時の調整不足による不良、例えばスポンジ、断熱材位置など。ただし、シール切れなどは「111
        シール不良」に分類する。また可動部の調整不良は「502可動部の調整不良」に分類する。
      - 塗装の色むら・色違い等。ただし、塗装自体が未了の場合は「503作業漏れ」に分類する。
  - source_sentence: 無線機器室扉下部 巾木 取付不良
    sentences:
      - 段付きが発生しているもの。段付きとスキマが同時発生しているもの、ﾊﾟﾈﾙ等貼付物以外の浮きも該当とする。
      - 切粉・素線など伝導性の高い異物。この場合はサイズおよび個数を記録する。
      - >-
        調整不良(501)や干渉(104)、締結不良(401)の結果、走行時や動作確認で異音(ビビり音、キシミ音、セリ音、ｶﾞﾀﾂｷ音)が確認されたもの。
pipeline_tag: sentence-similarity
library_name: sentence-transformers

SentenceTransformer

This is a sentence-transformers model trained on the all-nli-pair dataset. 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
Maximum Sequence Length: 128 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- all-nli-pair

Model Sources

Documentation: Sentence Transformers Documentation
Repository: Sentence Transformers on GitHub
Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 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:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("vany02/hitachi-defect-classifier")
# Run inference
sentences = [
    '無線機器室扉下部 巾木 取付不良',
    '段付きが発生しているもの。段付きとスキマが同時発生しているもの、ﾊﾟﾈﾙ等貼付物以外の浮きも該当とする。',
    '調整不良(501)や干渉(104)、締結不良(401)の結果、走行時や動作確認で異音(ビビり音、キシミ音、セリ音、ｶﾞﾀﾂｷ音)が確認されたもの。',
]
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, 0.6393, 0.2329],
#         [0.6393, 1.0000, 0.2656],
#         [0.2329, 0.2656, 1.0000]])

Training Details

Training Dataset

all-nli-pair

Dataset: all-nli-pair
Size: 8,690 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 5 tokens
mean: 16.27 tokens
max: 50 tokens

min: 13 tokens
mean: 33.58 tokens
max: 94 tokens

	anchor	positive
type	string	string
details	min: 5 tokens mean: 16.27 tokens max: 50 tokens	min: 13 tokens mean: 33.58 tokens max: 94 tokens

Samples:

anchor	positive
`ATC監視部点検蓋内下部ｽﾎﾟﾝｼﾞはみ出し`	`艤装作業時の調整不足による不良、例えばスポンジ、断熱材位置など。ただし、シール切れなどは「111 シール不良」に分類する。また可動部の調整不良は「502可動部の調整不良」に分類する。`
`2位空き缶ｺﾞﾐ箱扉内ﾋﾞｽ締結点のｺﾞﾑ板切欠していない`	`作業漏れ、取付もれがあった場合。ただし間違った作業を行っている場合は「X02作業間違い」に分類する。`
`汚物配電盤扉ｽﾄｯﾊﾟｰ裏ｺﾞﾑ上切粉（2㎜×1ヶ）`	`切粉・素線など伝導性の高い異物。この場合はサイズおよび個数を記録する。`

Loss: MultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim",
    "gather_across_devices": false
}

Evaluation Dataset

all-nli-pair

Dataset: all-nli-pair
Size: 966 evaluation samples
Columns: anchor and positive
Approximate statistics based on the first 966 samples:
anchor positive
type string string
details
min: 5 tokens
mean: 15.85 tokens
max: 43 tokens

min: 13 tokens
mean: 34.0 tokens
max: 94 tokens

	anchor	positive
type	string	string
details	min: 5 tokens mean: 15.85 tokens max: 43 tokens	min: 13 tokens mean: 34.0 tokens max: 94 tokens

Samples:

anchor	positive
`運転席用CAﾀﾞｸﾄ取付部歪み`	`通りが湾曲していたり、ゆがみが発生しているもの`
`4位戸閉機ｷｾ走行時異音`	`調整不良(501)や干渉(104)、締結不良(401)の結果、走行時や動作確認で異音(ビビり音、キシミ音、セリ音、ｶﾞﾀﾂｷ音)が確認されたもの。`
`ｻｰﾋﾞｽ機器情報伝送扉下部凹み`	`打痕・凹凸が許容できないサイズのもの。ただし、メーカ要因の場合は「701メーカ/部品不良」に分類する。`

Loss: MultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim",
    "gather_across_devices": false
}

Training Hyperparameters

All Hyperparameters

Click to expand

do_predict: False
eval_strategy: no
prediction_loss_only: True
per_device_train_batch_size: 8
per_device_eval_batch_size: 8
gradient_accumulation_steps: 1
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 5e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 3.0
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: None
warmup_ratio: None
warmup_steps: 0
log_level: passive
log_level_replica: warning
log_on_each_node: True
logging_nan_inf_filter: True
enable_jit_checkpoint: False
save_on_each_node: False
save_only_model: False
restore_callback_states_from_checkpoint: False
use_cpu: False
seed: 42
data_seed: None
bf16: False
fp16: False
bf16_full_eval: False
fp16_full_eval: False
tf32: None
local_rank: -1
ddp_backend: None
debug: []
dataloader_drop_last: False
dataloader_num_workers: 0
dataloader_prefetch_factor: None
disable_tqdm: False
remove_unused_columns: True
label_names: None
load_best_model_at_end: False
ignore_data_skip: False
fsdp: []
fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': 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
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch_fused
optim_args: None
group_by_length: False
length_column_name: length
project: huggingface
trackio_space_id: trackio
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
push_to_hub: False
resume_from_checkpoint: None
hub_model_id: None
hub_strategy: every_save
hub_private_repo: None
hub_always_push: False
hub_revision: None
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_for_metrics: []
eval_do_concat_batches: True
auto_find_batch_size: False
full_determinism: False
ddp_timeout: 1800
torch_compile: False
torch_compile_backend: None
torch_compile_mode: None
include_num_input_tokens_seen: no
neftune_noise_alpha: None
optim_target_modules: None
batch_eval_metrics: False
eval_on_start: False
use_liger_kernel: False
liger_kernel_config: None
eval_use_gather_object: False
average_tokens_across_devices: True
use_cache: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss
0.4600	500	0.7279
0.9200	1000	0.6938
1.3799	1500	0.6359
1.8399	2000	0.5952
2.2999	2500	0.5535
2.7599	3000	0.5392

Framework Versions

Python: 3.12.12
Sentence Transformers: 5.2.2
Transformers: 5.0.0
PyTorch: 2.9.0+cu126
Accelerate: 1.12.0
Datasets: 4.0.0
Tokenizers: 0.22.2

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MultipleNegativesRankingLoss

@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}
}