--- tags: - sentence-transformers - sentence-similarity - feature-extraction - generated_from_trainer - dataset_size:3801 - loss:MultipleNegativesRankingLoss base_model: LazarusNLP/congen-indobert-lite-base widget: - source_sentence: s Siapa yang menetapkan keputusan kelayakan lingkungan? sentences: - Apakah bahan saya cukup? - (3) Pakar independen dan sekretariat sebagaimana dimaksud pada ayat (3) ditetapkan oleh Menteri, gubernur, atau bupati/walikota sesuai dengan kewenangannya. Pasal 31 Berdasarkan hasil penilaian Komisi Penilai Amdal, Menteri, gubernur, atau bupati/walikota menetapkan keputusan kelayakan atau ketidaklayakan lingkungan hidup sesuai dengan kewenangannya. - Tujuan yang hendak dicapai dari penerapan konsep pengelolaan sampah ini adalah minimalisasi sampah, peningkatan kualitas kesehatan masyarakat, dan peningkatan kualitas lingkungan hidup. - source_sentence: Pidana tambahan apa yang dapat dikenakan pada badan usaha?kata kata 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. - d. pakar di bidang pengetahuan yang terkait dengan dampak yang timbul dari suatu usaha dan/atau kegiatan yang sedang dikaji; e. wakil dari masyarakat yang berpotensi terkena dampak; dan f. organisasi lingkungan hidup - 'perundang-undangan selaku pelaku fungsional. Pasal - 68 - Pasal 119 Selain pidana sebagaimana dimaksud dalam Undang-Undang ini, terhadap badan usaha dapat dikenakan pidana tambahan atau tindakan tata tertib berupa: a. perampasan keuntungan yang diperoleh dari tindak pidana; b.' - source_sentence: Siapa Menteri Hukum dan HAM? sentences: - MENTERI HUKUM DAN HAK ASASI MANUSIA REPUBLIK INDONESIA, ttd. ANDI MATTALATTA LEMBARAN NEGARA REPUBLIK INDONESIA TAHUN 2008 NOMOR - (3) Dalam hal setiap orang tidak mampu melakukan sendiri pengelolaan limbah B3, pengelolaannya diserahkan kepada pihak lain. (4) Pengelolaan limbah B3 wajib mendapat izin dari Menteri, gubernur, atau bupati/walikota sesuai dengan kewenangannya - 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 - source_sentence: s Apa kewajiban usaha yang belum memiliki UKLUPL? sentences: - (2) Komisi Penilai Amdal wajib memiliki lisensi dari Menteri, gubernur, atau bupati/walikota sesuai dengan kewenangannya. (3) Persyaratan dan tatacara lisensi sebagaimana dimaksud pada ayat (2) diatur dengan Peraturan Menteri. - menyelesaikan audit lingkungan hidup. (2) Pada - 69 - (2) Pada saat berlakunya Undang-Undang ini, dalam waktu paling lama 2 (dua) tahun, setiap usaha dan/atau kegiatan yang telah memiliki izin usaha dan/atau kegiatan tetapi belum memiliki UKL-UPL wajib membuat dokumen pengelolaan lingkungan hidup. - Desa ini mempunyai ketinggian tanah 13 m dari permukaan laut, dengan curah hujan 110 mm/t ahun. Desa Parangtritis berada pada daerah dataran rendah pantai, suhu udara rata -rata adalah 30 0C, dan memiliki pantang pantai sekitar 7 km seperti terlihat pada Gambar 1 - source_sentence: Sebutkan 5 pidana tambahan bagi badan usaha S sentences: - adalah pembayaran/imbal yang diberikan oleh pemanfaat jasa lingkungan hidup kepada penyedia jasa lingkungan hidup. Huruf f Yang dimaksud dengan “asuransi lingkungan hidup” adalah asuransi yang memberikan perlindungan pada saat terjadi pencemaran dan/atau kerusakan lingkungan hidup. - c. perbaikan akibat tindak pidana; d. pewajiban mengerjakan apa yang dilalaikan tanpa hak; dan/atau e. penempatan perusahaan di bawah pengampuan paling lama 3 (tiga) tahun. - Bagaimana suhu udara rata-rata di Desa Parangtritis? 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: 0.9972401261329651 name: Cosine Accuracy - task: type: triplet name: Triplet dataset: name: test type: test metrics: - type: cosine_accuracy value: 0.9944853186607361 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_3files") # Run inference sentences = [ 'Sebutkan 5 pidana tambahan bagi badan usaha S', 'c. perbaikan akibat tindak pidana; d. pewajiban mengerjakan apa yang dilalaikan tanpa hak; dan/atau e. penempatan perusahaan di bawah pengampuan paling lama 3 (tiga) tahun.', 'Bagaimana suhu udara rata-rata di Desa Parangtritis?', ] 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** | **0.9972** | **0.9945** | ## Training Details ### Training Dataset #### Unnamed Dataset * Size: 3,801 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 | |:--------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | Apa yang harus dilakukan pada paraphrase? h? h | j. memberikan informasi palsu, menyesatkan, menghilangkan informasi, merusak informasi, atau memberikan keterangan yang tidak benar. (2) Ketentuan - 47 - (2) Ketentuan sebagaimana dimaksud pada ayat (1) huruf h memperhatikan dengan sungguhsungguh kearifan lokal di daerah masingmasing. | fungsi lingkungan hidup. Huruf c Yang dimaksud dengan “sistem lembaga keuangan ramah lingkungan hidup” adalah sistem lembaga keuangan yang menerapkan persyaratan perlindungan dan pengelolaan lingkungan hidup dalam kebijakan pembiayaan dan praktik sistem lembaga keuangan bank dan lembaga keuangan nonbank. | | Penjelasan Pasal 25 Ayat 2 Pasal 26 dan Pasal 27 25 27 28 29 30 31 32 33 34 35 | Kompensasi merupakan bentuk pertanggungjawaban peme rintah terhadap pengelolaan sampah di tempat pemrosesan ak hir yang berdampak negatif terhadap orang. Ayat (2) Cukup jelas. Ayat (3) Cukup jelas. Ayat (4) Cukup jelas. Pasal 26 Cukup jelas. Pasal 27 Cukup jelas. | 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. | | se Bagaimana status peraturan? | (2) Peraturan daerah yang diamanatkan Undang-Undang ini diselesaikan paling lama 3 (tiga) tahun terhitu ng sejak Undang-Undang ini diundangkan. Pasal 48 Pada saat berlakunya Undang-Undang ini semua peratu ran perundang-undangan yang berkaitan dengan pengelolaa n sampah yang telah ada tetap berlaku sepanjang tidak bertentangan dengan ketentuan dalam Undang-Undang i ni. | Sebutkan beberapa jenis destinasi wisata di Yogyakarta. | * 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: 1,087 evaluation 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 | |:---------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | Penjelasan Pasal 15 Ayat 3 dan Pasal 16 17 18 dan | peningkatan jumlah penduduk miskin atau terancamnya keberlanjutan penghidupan sekelompok masyarakat; dan/atau g. peningkatan risiko terhadap kesehatan dan keselamatan manusia. Ayat (3) Cukup jelas. Pasal 16 Cukup jelas. Pasal 17 Cukup jelas | 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. | | Dari mana sumber pendanaan Tim Pelaksana? | Agar... Peraturan Presiden mi mulai berlaku pada tanggal diund angkan. Pasal 12 Pasal 11 (1) Pendanaan yang diperluk an untuk pelaksan aan tugas Tim Pelaksana dan Sekr etariat Tim Koordin asi Nasion al dibebankan kepada Anggaran Pendapatan dan Belanja Negara. | udara rata-rata adalah 300C. Desa ini berjarak 4 km dari pusat Kecamatan Kretek dan 13 km dari ibukota kabupaten Bantul. | | Sebutkan kriteria dampak penting lanjutankan | b. luas wilayah penyebaran dampak; c. intensitas dan lamanya dampak berlangsung; d. banyaknya komponen lingkungan hidup lain yang akan terkena dampak; e. sifat kumulatif dampak; f. berbalik atau tidak berbaliknya dampak; | Di mana saya bisa menjual barang hasil daur ulang? | * 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_3files - `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_3files - `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 | |:-------:|:------:|:---------------:|:------------------------------------:|:--------------------:| | 0.3333 | 5 | 4.0280 | 0.9899 | - | | 0.6667 | 10 | 3.5771 | 0.9917 | - | | 1.0 | 15 | 3.3357 | 0.9945 | - | | 1.3333 | 20 | 3.1779 | 0.9963 | - | | 1.6667 | 25 | 3.0681 | 0.9972 | - | | 2.0 | 30 | 2.9869 | 0.9972 | - | | 2.3333 | 35 | 2.9313 | 0.9972 | - | | 2.6667 | 40 | 2.8983 | 0.9972 | - | | **3.0** | **45** | **2.8862** | **0.9972** | **-** | | -1 | -1 | - | - | 0.9945 | * 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} } ```