Upload folder using huggingface_hub

03f3bd7 verified 10 months ago

15.5 kB

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - dense
  - generated_from_trainer
  - dataset_size:10501
  - loss:CosineSimilarityLoss
base_model: klue/roberta-base
widget:
  - source_sentence: >-
      노르웨이는 2025년, 덴마크와 네덜란드 2030년, 영국 2035년, 프랑스 2040년 등 이미 해외 각국에서는 내연차
      판매·등록금지를 선언한 바 있다.
    sentences:
      - >-
        지난 2011년에 도입된 ‘공공부문 온실가스 목표관리제’는 올해까지 기준배출량(2007~2009년 평균 배출량) 대비 30%
        감축목표를 설정한 바 있다.
      - 잘 때 선풍기 시간 조절 어떻게 해?
      - 시중의 마스크 부족 원인이 복지부와 식약처의 마스크 주문 취소 때문이다?
  - source_sentence: 약속 취소하면 시간이 붕 뜨니까 꼭 취소하지 말았으면 좋겠어.
    sentences:
      - 밤에는 등산을 금합니다.
      - 현지인이 된 기분으로 생활할 수 있어요.
      - 부모님이랑 약속을 했으면 깨지 않도록 해라.
  - source_sentence: 아침과 저녁 중에 언제 할 것이 없다고 하셨었죠?
    sentences:
      - 욕실은 수압과 온수가 좋습니다.
      - 아침에 한가하니, 저녁에 한가하니?
      - 어떤가요? 돌아오는 휴일에 주말 날씨는.
  - source_sentence: 그래도 가격대비 만족스런 숙소였습니다 !
    sentences:
      - 하지만 그 가격에 만족스러운 숙소였어요!
      - 호스트로부터의 피드백에 연락을 취하게 되어 정말 좋았습니다.
      - 또한, 수소 충전소 간 거리 규제가 완화될 것입니다.
  - source_sentence: 우선 호스트가 아주 세심하고 친절합니다.
    sentences:
      - 우선, 사회자는 매우 세심하고 친절합니다.
      - 저온 말고 미온으로 씻으세요. 열대야일 때.
      - 다른 분들께도 강력하게 추천을 드려요!
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - pearson_cosine
  - spearman_cosine
model-index:
  - name: SentenceTransformer based on klue/roberta-base
    results:
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: Unknown
          type: unknown
        metrics:
          - type: pearson_cosine
            value: 0.3477070303828638
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.35560473197486514
            name: Spearman Cosine
          - type: pearson_cosine
            value: 0.9624685588404969
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.9215864985800423
            name: Spearman Cosine

SentenceTransformer based on klue/roberta-base

This is a sentence-transformers model finetuned from klue/roberta-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: klue/roberta-base
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity

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': 512, 'do_lower_case': False, 'architecture': 'RobertaModel'})
  (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("sentence_transformers_model_id")
# Run inference
sentences = [
    '우선 호스트가 아주 세심하고 친절합니다.',
    '우선, 사회자는 매우 세심하고 친절합니다.',
    '저온 말고 미온으로 씻으세요. 열대야일 때.',
]
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, 0.9201, 0.0349],
#         [0.9201, 1.0000, 0.0070],
#         [0.0349, 0.0070, 1.0000]])

Evaluation

Metrics

Semantic Similarity

Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.3477
spearman_cosine	0.3556

Semantic Similarity

Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.9625
spearman_cosine	0.9216

Training Details

Training Dataset

Unnamed Dataset

Size: 10,501 training samples
Columns: sentence_0, sentence_1, and label
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1 label
type string string float
details
min: 5 tokens
mean: 20.11 tokens
max: 59 tokens

min: 5 tokens
mean: 19.47 tokens
max: 70 tokens

min: 0.0
mean: 0.44
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 5 tokens mean: 20.11 tokens max: 59 tokens	min: 5 tokens mean: 19.47 tokens max: 70 tokens	min: 0.0 mean: 0.44 max: 1.0

Samples:

sentence_0	sentence_1	label
`그리고 무엇보다 엘리베이터가 있더군요!`	`그리고 무엇보다도, 엘리베이터가 있었어요!`	`0.9400000000000001`
`현재 세계적으로 발병 중인 만큼 방역뿐 아니라 경제 등 다양한 국제 협력에서도 변화가 있을 것으로 본다.`	`음악회는 ‘기억’과 ‘평화’를 주제로, 다양한 분야의 음악을 이야기가 있는 공연으로 구성해 참석자들에게 감동을 전할 것으로 보인다.`	`0.0`
`입국금지 조치를 취한 151개 국가·지역 중 우리나라와 사증면제협정을 체결했거나 우리 정부가 무사증입국을 허용한 90개 국가·지역에 대한 사증면제 조치를 잠정적으로 정지한다.`	`또한 13일 0시부터(현지 출발시각 기준) 단기사증 효력정지 및 사증면제협정·무사증입국 잠정 정지 조치가 시행됨에 따라 단기체류 목적의 외국인 입국이 감소할 것으로 예상된다.`	`0.2`

Loss: CosineSimilarityLoss with these parameters:

{
    "loss_fct": "torch.nn.modules.loss.MSELoss"
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
num_train_epochs: 4
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
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: 5e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1
num_train_epochs: 4
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.0
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: False
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: False
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: 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_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: round_robin
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	spearman_cosine
-1	-1	-	0.3556
0.7610	500	0.0281	-
1.0	657	-	0.9110
1.5221	1000	0.0081	0.9175
2.0	1314	-	0.9185
2.2831	1500	0.0052	-
3.0	1971	-	0.9213
3.0441	2000	0.0034	0.9212
3.8052	2500	0.0026	-
4.0	2628	-	0.9216

Framework Versions

Python: 3.9.6
Sentence Transformers: 5.0.0
Transformers: 4.53.2
PyTorch: 2.7.1
Accelerate: 1.9.0
Datasets: 4.0.0
Tokenizers: 0.21.2

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",
}