--- tags: - sentence-transformers - sentence-similarity - feature-extraction - generated_from_trainer - dataset_size:1242 - loss:MultipleNegativesRankingLoss base_model: LazarusNLP/congen-indobert-lite-base widget: - source_sentence: Ketiga Bagian Keempat Masuk ke Bagian Kedua kataphras kata sentences: - (4) Ketentuan lebih lanjut mengenai tata cara penetapan daya dukung dan daya tampung lingkungan hidup sebagaimana dimaksud pada ayat (3) diatur dalam peraturan pemerintah. BAB V PENGENDALIAN Bagian Kesatu Umum Pasal 13 (1) Pengendalian pencemaran dan/atau kerusakan lingkungan hidup dilaksanakan dalam rangka pelestarian fungsi lingkungan hidup. - (2) Apabila dalam penyelesaian sengketa di luar pengadilan sebagaimana dimaksud pada ayat (1) tida k tercapai kesepakatan, para pihak yang bersengketa dapat mengajukannya ke pengadilan. Bagian Ketiga Penyelesaian Sengketa di Dalam Pengadilan Pasal 35 (1) Penyelesaian sengketa persampahan di dalam pengadilan dilakukan melalui gugatan perbuatan melawan hukum. - Jumlah pengunjung di Kawasan Wisata Pantai Parangtritis mencapai 9.870 orang/hari 1. Sedangkan, sampah yang dihasilkan oleh para wisatawan rata -rata 1,5 – 2,0 ton per hari pada hari biasa, dan bisa mencapai 20 ton sampah per hari pada saat liburan seperli libur lebaran 2. - source_sentence: Bagaimana pandangan Anda mengenai ketersediaan sarana prasarana sampah? sentences: - Abstra ct Parangtritis Beach is a tourist attraction that is visited by many tourists. The number of tourists visiting during the 2018 holiday reached 9,870 people in one day. - organik. Hal ini berfungsi untuk mengolah sampah, baik itu organik maupun non organik, menjadi bahan yang lebih menguntungkan, seperti membuat pupuk kompos yang berasal dari sampah organik atau mendaur ulang sampah non organik menjadi benda seni. Selain menguntungkan dari segi ekonomi, hal tersebut akan mengurangi volume sampah yang dibuang ke TPA atau akan mengurangi volume sampah itu sendiri. Dengan berkurangnya volume sampah yang dibuang ke TPA maka akan menghemat lahan yang dibutuhkan untuk dijadikan TPA. Sehingga dampak lingkungan yang disebabkan oleh sampah akan ikut berkurang. Masyarakat di kawasan wisata Pantai Parangtritis telah menganggap bahwa - Amanat Undang-Unda ng Dasar tersebut memberikan konsekuensi bahwa pemerintah wajib memberikan pelayanan publik dalam pengelolaan sampah. Hal itu membaw a konsekuensi hukum bahwa pemerintah merupakan pihak yang berwenang dan bertanggung jawab di bidang pengelola an sampah meskipun secara operasional pengelolaannya dapat be rmitra dengan badan usaha. - source_sentence: Bagaimana jika kelalaian mengakibatkan orang mati? sentences: - 36. Izin usaha dan/atau kegiatan adalah izin yang diterbitkan oleh instansi teknis untuk melakukan usaha dan/atau kegiatan. 37. Pemerintah pusat, yang selanjutnya disebut Pemerintah, adalah Presiden Republik Indonesia yang memegang kekuasaan pemerintahan Negara Republik Indonesia sebagaimana dimaksud dalam Undang-Undang Dasar Negara Republik Indonesia Tahun 1945. 38. - Rp2.000.000.000,00 (dua miliar rupiah) dan paling banyak Rp6.000.000.000,00 (enam miliar rupiah). (3) Apabila perbuatan sebagaimana dimaksud pada ayat (1) mengakibatkan orang luka berat atau mati, dipidana dengan pidana penjara paling singkat 3 (tiga) tahun dan paling lama 9 (sembilan) tahun dan denda paling sedikit Rp3.000.000.000,00 (tiga miliar rupiah) dan paling banyak Rp9.000.000.000,00 (sembilan miliar rupiah). - Sebutkan beberapa jenis destinasi wisata di Yogyakarta. - source_sentence: Penjelasan Pasal 43 Ayat 3 Huruf e f sentences: - Jumlah pengunjung di Kawasan Wisata Pantai Parangtritis mencapai 9.870 orang/hari 1. Sedangkan, sampah yang dihasilkan oleh para wisatawan rata -rata 1,5 – 2,0 ton per hari pada hari biasa, dan bisa mencapai 20 ton sampah per hari pada saat liburan seperli libur lebaran 2. - kegiatan. Huruf e - 22 - Huruf e Yang dimaksud dengan “pembayaran jasa lingkungan hidup” adalah pembayaran/imbal yang diberikan oleh pemanfaat jasa lingkungan hidup kepada penyedia jasa lingkungan hidup - Ayat (3) Cukup jelas. Pasal 55 Cukup jelas. Pasal 56 Cukup jelas - source_sentence: Masukkan I KETENTUAN UMUM BAB I? sentences: - 'UNDANG-UNDANG TENTANG PENGELOLAAN SAM PAH. BAB I KETENTUAN UMUM Bagian Kesatu Definisi Pasal 1 Dalam Undang-Undang ini yang dimaksud dengan: 1. Sampah adalah sisa kegiatan sehari-hari manusia dan/atau proses alam yang berbentuk padat. 2.' - Penelitian ini dilakukan dengan mengambil sampel dari satu populasi penduduk dan menggunakan kuisioner sebagai alat pengumpul data. Penelitian difokuskan di lapangan yang dimaksudkan untuk mengetahui - e. penempatan perusahaan di bawah pengampuan paling lama 3 (tiga) tahun. Pasal 120 (1) Dalam melaksanakan ketentuan sebagaimana dimaksud dalam Pasal 119 huruf a, huruf b, huruf c, dan huruf d, jaksa berkoordinasi dengan instansi yang bertanggung jawab di bidang perlindungan dan pengelolaan lingkungan hidup untuk melaksanakan eksekusi. pipeline_tag: sentence-similarity library_name: sentence-transformers metrics: - cosine_accuracy model-index: - name: SentenceTransformer based on LazarusNLP/congen-indobert-lite-base results: - task: type: triplet name: Triplet dataset: name: retrieval validation type: retrieval-validation metrics: - type: cosine_accuracy value: 0.9887640476226807 name: Cosine Accuracy - task: type: triplet name: Triplet dataset: name: test type: test metrics: - type: cosine_accuracy value: 0.9943820238113403 name: Cosine Accuracy --- # SentenceTransformer based on LazarusNLP/congen-indobert-lite-base This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [LazarusNLP/congen-indobert-lite-base](https://huggingface.co/LazarusNLP/congen-indobert-lite-base). 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:** [LazarusNLP/congen-indobert-lite-base](https://huggingface.co/LazarusNLP/congen-indobert-lite-base) - **Maximum Sequence Length:** 32 tokens - **Output Dimensionality:** 768 dimensions - **Similarity Function:** Cosine Similarity ### 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': 32, 'do_lower_case': False}) with Transformer model: AlbertModel (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True}) (2): Dense({'in_features': 768, 'out_features': 768, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'}) ) ``` ## 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("yosriku/exp_data_scale_1files") # Run inference sentences = [ 'Masukkan I KETENTUAN UMUM BAB I?', 'UNDANG-UNDANG TENTANG PENGELOLAAN SAM PAH. BAB I KETENTUAN UMUM Bagian Kesatu Definisi Pasal 1 Dalam Undang-Undang ini yang dimaksud dengan: 1. Sampah adalah sisa kegiatan sehari-hari manusia dan/atau proses alam yang berbentuk padat. 2.', 'Penelitian ini dilakukan dengan mengambil sampel dari satu populasi penduduk dan menggunakan kuisioner sebagai alat pengumpul data. Penelitian difokuskan di lapangan yang dimaksudkan untuk mengetahui', ] 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] ``` ## Evaluation ### Metrics #### Triplet * Datasets: `retrieval-validation` and `test` * Evaluated with [TripletEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator) | Metric | retrieval-validation | test | |:--------------------|:---------------------|:-----------| | **cosine_accuracy** | **0.9888** | **0.9944** | ## Training Details ### Training Dataset #### Unnamed Dataset * Size: 1,242 training samples * Columns: anchor, positive, and negative * Approximate statistics based on the first 1000 samples: | | anchor | positive | negative | |:--------|:---------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:---------------------------------------------------------------------------------| | type | string | string | string | | details | | | | * Samples: | anchor | positive | negative | |:------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | Pasal 21 Ayat 2 | Ayat (1) Cukup jelas. Ayat (2) Cukup jelas | The number of tourists visiting during the 2018 holiday reached 9,870 people in one day. Every activity of tourists will produce waste in the tourist area, especially organic wast e. Organic waste has good energy potential | | Penjelasan Pasal 43 Ayat 1 Huruf b | moneter. Huruf b Yang dimaksud dengan “produk domestik bruto” adalah nilai semua barang dan jasa yang diproduksi oleh suatu negara pada periode tertentu. | Manufaktur. Pendidikan S2 diselesaikan di Magister Teknik Mesin Teknik Mesin Universitas Gadjah Mada diselesaikan pada Tahun 2011 dengan riset Optimasi Industri. | | Landasan hukum PP 81 Tahun 2012 | 8. Peraturan Pem erintah Nomor 81 Tahun 2012 tentang Pengelolaan Samp ah Rum ah Tangga dan Sampah Sejenis Sampah Rum ah Tangga (Lemb aran Nega ra Republik Indonesia Tahun 2012 Nomor 188, Tamb ahan Lembaran Negara Republik Indon esia Nom or 5347); 9. Peraturan Presiden Nomor 2 Tahun 2015 tentang Rencana Pembangunan Jangk a Menengah Nasional Tahun 2015- 2019 (Lembaran Negara Republik Indonesia Ta hun 2015 Nomor 3); | Sampah orga nik yang akan diproses sebanyak 1.400,36 kg per hari. Kemudian diproses menjadi arang, sehingga didapatkan arang sampah organik sebanyak 205,91 kg per hari. Berdasarkan perhitungan didapatkan potensi energi listrik yang dihasilkan adalah 1.392,38 kWh | * Loss: [MultipleNegativesRankingLoss](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: 356 evaluation samples * Columns: anchor, positive, and negative * Approximate statistics based on the first 356 samples: | | anchor | positive | negative | |:--------|:---------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------| | type | string | string | string | | details | | | | * Samples: | anchor | positive | negative | |:---------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | Bagaimana sistem informasi lingkungan hidup | (1) Pemerintah dan pemerintah daerah mengembangkan sistem informasi lingkungan hidup untuk mendukung pelaksanaan dan pengembangan kebijakan perlindungan dan pengelolaan lingkungan hidup. (2) Sistem informasi lingkungan hidup dilakukan secara terpadu dan terkoordinasi dan wajib dipublikasikan kepada masyarakat. | Bagaimana jika B3 telah kedaluwarsa? | | Masukkan I KETENTUAN UMUM BAB I? | UNDANG-UNDANG TENTANG PENGELOLAAN SAM PAH. BAB I KETENTUAN UMUM Bagian Kesatu Definisi Pasal 1 Dalam Undang-Undang ini yang dimaksud dengan: 1. Sampah adalah sisa kegiatan sehari-hari manusia dan/atau proses alam yang berbentuk padat. 2. | Penelitian ini dilakukan dengan mengambil sampel dari satu populasi penduduk dan menggunakan kuisioner sebagai alat pengumpul data. Penelitian difokuskan di lapangan yang dimaksudkan untuk mengetahui | | Sebutkan contoh | kondisi lingkungan dengan berbagai cara. Dampak positif kepariwisataan yaitu konservasi kawasan lindung, konservasi situs arkeologi dan sejarah, perbaikan kualitas lingkugan, peningkatan lingkungan, perbaikan infrastruktur, dan | terletak pada area yang posisi geografisnya berada diantara 7058`33`` LS sampai dengan 802`26`` LS dan diantara 110025`15`` BT sampai dengan 110028`15`` BT. Luas keseluruhan wilayah Kecamatan Kretek adalah 2.677 Ha (5,28 % dari luas | * Loss: [MultipleNegativesRankingLoss](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`: 128 - `per_device_eval_batch_size`: 128 - `learning_rate`: 2e-05 - `warmup_ratio`: 0.1 - `fp16`: True - `load_best_model_at_end`: True - `push_to_hub`: True - `hub_model_id`: yosriku/exp_data_scale_1files - `hub_private_repo`: True #### All Hyperparameters
Click to expand - `overwrite_output_dir`: False - `do_predict`: False - `eval_strategy`: steps - `prediction_loss_only`: True - `per_device_train_batch_size`: 128 - `per_device_eval_batch_size`: 128 - `per_gpu_train_batch_size`: None - `per_gpu_eval_batch_size`: None - `gradient_accumulation_steps`: 1 - `eval_accumulation_steps`: None - `torch_empty_cache_steps`: None - `learning_rate`: 2e-05 - `weight_decay`: 0.0 - `adam_beta1`: 0.9 - `adam_beta2`: 0.999 - `adam_epsilon`: 1e-08 - `max_grad_norm`: 1.0 - `num_train_epochs`: 3 - `max_steps`: -1 - `lr_scheduler_type`: linear - `lr_scheduler_kwargs`: {} - `warmup_ratio`: 0.1 - `warmup_steps`: 0 - `log_level`: passive - `log_level_replica`: warning - `log_on_each_node`: True - `logging_nan_inf_filter`: True - `save_safetensors`: True - `save_on_each_node`: False - `save_only_model`: False - `restore_callback_states_from_checkpoint`: False - `no_cuda`: False - `use_cpu`: False - `use_mps_device`: False - `seed`: 42 - `data_seed`: None - `jit_mode_eval`: False - `use_ipex`: False - `bf16`: False - `fp16`: 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`: True - `resume_from_checkpoint`: None - `hub_model_id`: yosriku/exp_data_scale_1files - `hub_strategy`: every_save - `hub_private_repo`: True - `hub_always_push`: False - `hub_revision`: None - `gradient_checkpointing`: False - `gradient_checkpointing_kwargs`: None - `include_inputs_for_metrics`: False - `include_for_metrics`: [] - `eval_do_concat_batches`: True - `fp16_backend`: auto - `push_to_hub_model_id`: None - `push_to_hub_organization`: None - `mp_parameters`: - `auto_find_batch_size`: False - `full_determinism`: False - `torchdynamo`: None - `ray_scope`: last - `ddp_timeout`: 1800 - `torch_compile`: False - `torch_compile_backend`: None - `torch_compile_mode`: None - `include_tokens_per_second`: False - `include_num_input_tokens_seen`: False - `neftune_noise_alpha`: None - `optim_target_modules`: None - `batch_eval_metrics`: False - `eval_on_start`: False - `use_liger_kernel`: False - `liger_kernel_config`: None - `eval_use_gather_object`: False - `average_tokens_across_devices`: False - `prompts`: None - `batch_sampler`: batch_sampler - `multi_dataset_batch_sampler`: proportional
### Training Logs | Epoch | Step | Validation Loss | retrieval-validation_cosine_accuracy | test_cosine_accuracy | |:-------:|:------:|:---------------:|:------------------------------------:|:--------------------:| | 1.0 | 5 | 3.6622 | 0.9888 | - | | 2.0 | 10 | 3.4266 | 0.9888 | - | | **3.0** | **15** | **3.3585** | **0.9888** | **-** | | -1 | -1 | - | - | 0.9944 | * The bold row denotes the saved checkpoint. ### Framework Versions - Python: 3.11.13 - Sentence Transformers: 4.1.0 - Transformers: 4.53.3 - PyTorch: 2.6.0+cu124 - Accelerate: 1.9.0 - Datasets: 4.1.1 - Tokenizers: 0.21.2 ## 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{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} } ```