| --- |
| base_model: intfloat/multilingual-e5-small |
| library_name: sentence-transformers |
| metrics: |
| - pearson_cosine |
| - spearman_cosine |
| - pearson_manhattan |
| - spearman_manhattan |
| - pearson_euclidean |
| - spearman_euclidean |
| - pearson_dot |
| - spearman_dot |
| - pearson_max |
| - spearman_max |
| pipeline_tag: sentence-similarity |
| tags: |
| - sentence-transformers |
| - sentence-similarity |
| - feature-extraction |
| - generated_from_trainer |
| - dataset_size:6577 |
| - loss:CosineSimilarityLoss |
| widget: |
| - source_sentence: 'query: алерана бальзам' |
| sentences: |
| - 'passage: Мороженое "Джиандуйя" фундучно-шоколад.; Шоколадный пломбир с фундуком |
| в шоколаде. Нежная сливочная текстура.; Мороженое; Цена: 138.0; Рейтинг: 4.9' |
| - 'passage: Нюда спрей д/местного применения педикулицидный 50мл; Средство с физическим |
| принципом действия для уничтожения головных вшей, личинок и гнид; Лекарственные |
| средства; Цена: 1136.0; Рейтинг: 0.0' |
| - 'passage: АнвиМакс Мед-Лимон пор.д/приг.р-ра д/приема внутрь пак.№12; Препарат |
| для лечения гриппа и ОРВИ. Комбинирует противовирусное и симптоматическое действие.; |
| Лекарственные средства; Цена: 806.0; Рейтинг: 0.0' |
| - source_sentence: 'query: тунец' |
| sentences: |
| - 'passage: Мармелад жевательный "Ассорти"; Жевательный мармелад с насыщенным фруктовым |
| вкусом. ; Мармелад, халва, зефир, восточные сладости; Цена: 106.0; Рейтинг: 4.9' |
| - 'passage: Фаритол сироп 150мл Подорожник/Алтей/Чабрец; Сироп подорожника, алтея |
| и чабреца для детей с 3-х лет и взрослых. ЭКСТРАКТ ЛИСТЬЕВ ПОДОРОЖНИКА обладает |
| успокаивающим действием на горло и голосовые связки. Оказывает отхаркивающее действие |
| и способствует более быстрому выведению мокроты из бронхов. ЭКСТРАКТ ЧАБРЕЦА обладает |
| бактерицидным, противовоспалительным, отхаркивающим свойствами. Оказывает успокаивающее |
| и смягчающее действие на слизистые. Способствует снижению вязкости мокроты, разрыхлению |
| воспалительных налетов, ускоряя выведение из организма продуктов воспаления и |
| слизистых масс. ЭКСТРАКТ КОРНЕЙ АЛТЕЯ мягко обволакивая слизистые оболочки, препятствует |
| их раздражению и обладает смягчающим и увлажняющим свойствами. Активизируя двигательную |
| активность реснитчатого эпителия верхних дыхательных путей, способствует разжижению |
| слизи, стимулирует высвобождение дыхательных каналов от мокроты.; Витамины, БАДы; |
| Цена: 278.0; Рейтинг: 0.0' |
| - 'passage: Батончик протеиновый Snaq Fabriq Арахис и карамель 50 г; Протеиновый |
| батончик с натуральными ингредиентами, без сахара и глютена.; Батончики; Цена: |
| 99.0; Рейтинг: 4.9' |
| - source_sentence: 'query: вареники сулугуни' |
| sentences: |
| - 'passage: Чипсы Naitori из морских водорослей 3 г; Хрустящие чипсы из водорослей |
| нори, обжаренные на оливковом масле с солью. ; Снеки; Цена: 55.0; Рейтинг: 4.9' |
| - 'passage: Вареники с вишневой начинкой, 500 г; Постные вареники с вишней, тонким |
| тестом; Пельмени, вареники и манты; Цена: 336.0; Рейтинг: 4.7' |
| - 'passage: Протеин сывороточный "Ваниль"; Сывороточный протеин с ванильным вкусом; |
| Протеин; Цена: 1464.0; Рейтинг: 4.9' |
| - source_sentence: 'query: каша молочно' |
| sentences: |
| - 'passage: Вишня сушеная, 1 кг; Спелая, сочная вишня, высушена, чтобы сохранить |
| цвет и вкус; Орехи, сухофрукты; Цена: 3000.0; Рейтинг: 4.6' |
| - 'passage: Крем для тела с кислотами Acid Cloud, 250 мл; Крем с энзимами и кислотами |
| для красоты и здоровья кожи. Борется с высыпаниями, шелушениями и постакне, возвращает |
| мягкость коже.; Кремы косметические; Цена: 1792.0; Рейтинг: 5.0' |
| - 'passage: Шоколад ремесленный горький 74%; Ремесленный шоколад из перуанских и |
| колумбийских какао-бобов; Шоколад; Цена: 310.0; Рейтинг: 4.9' |
| - source_sentence: 'query: хачапури по аджарски' |
| sentences: |
| - 'passage: Напиток на чайном грибе с цветами липы и чабрецом, 350 мл; Тонизирующий |
| напиток природного брожения. Приготовлен на чистой культуре чайного гриба с цветами |
| липы, чабрецом и иван-чаем. Вкус: кислинка и терпкость трав.; Квас; Цена: 98.0; |
| Рейтинг: 4.7' |
| - 'passage: Дезодорант-антиперспирант Nivea Men Серебряная защита 50 мл; Антибактериальный |
| дезодорант с ионами серебра для защиты от пота и запаха на 99,9%. Успокаивает |
| кожу и имеет свежий мужской аромат. Не содержит спирта.; Дезодоранты; Цена: 395.0; |
| Рейтинг: 4.9' |
| - 'passage: Икра трески, 240 г; Нежная подсоленная икра тихоокеанской трески. С |
| узнаваемым, чуть сладковатым вкусом и зернистой текстурой. Идеально подходит для |
| сэндвичей, канапе и салатов.; Икра; Цена: 207.0; Рейтинг: 4.8' |
| model-index: |
| - name: SentenceTransformer based on intfloat/multilingual-e5-small |
| results: |
| - task: |
| type: semantic-similarity |
| name: Semantic Similarity |
| dataset: |
| name: dev |
| type: dev |
| metrics: |
| - type: pearson_cosine |
| value: 0.8058103374607081 |
| name: Pearson Cosine |
| - type: spearman_cosine |
| value: 0.8022089220262975 |
| name: Spearman Cosine |
| - type: pearson_manhattan |
| value: 0.7663931903358694 |
| name: Pearson Manhattan |
| - type: spearman_manhattan |
| value: 0.8007955322402943 |
| name: Spearman Manhattan |
| - type: pearson_euclidean |
| value: 0.7686449116883721 |
| name: Pearson Euclidean |
| - type: spearman_euclidean |
| value: 0.8022089220262975 |
| name: Spearman Euclidean |
| - type: pearson_dot |
| value: 0.8058103383272679 |
| name: Pearson Dot |
| - type: spearman_dot |
| value: 0.8022089220262975 |
| name: Spearman Dot |
| - type: pearson_max |
| value: 0.8058103383272679 |
| name: Pearson Max |
| - type: spearman_max |
| value: 0.8022089220262975 |
| name: Spearman Max |
| --- |
| |
| # SentenceTransformer based on intfloat/multilingual-e5-small |
|
|
| This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-small](https://huggingface.co/intfloat/multilingual-e5-small). It maps sentences & paragraphs to a 384-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:** [intfloat/multilingual-e5-small](https://huggingface.co/intfloat/multilingual-e5-small) <!-- at revision fd1525a9fd15316a2d503bf26ab031a61d056e98 --> |
| - **Maximum Sequence Length:** 256 tokens |
| - **Output Dimensionality:** 384 tokens |
| - **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/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': 256, 'do_lower_case': False}) with Transformer model: BertModel |
| (1): Pooling({'word_embedding_dimension': 384, '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): Normalize() |
| ) |
| ``` |
|
|
| ## 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("Data-Lab/multilingual-e5-small-cross-encoder-v0.1") |
| # Run inference |
| sentences = [ |
| 'query: хачапури по аджарски', |
| 'passage: Напиток на чайном грибе с цветами липы и чабрецом, 350 мл; Тонизирующий напиток природного брожения. Приготовлен на чистой культуре чайного гриба с цветами липы, чабрецом и иван-чаем. Вкус: кислинка и терпкость трав.; Квас; Цена: 98.0; Рейтинг: 4.7', |
| 'passage: Икра трески, 240 г; Нежная подсоленная икра тихоокеанской трески. С узнаваемым, чуть сладковатым вкусом и зернистой текстурой. Идеально подходит для сэндвичей, канапе и салатов.; Икра; Цена: 207.0; Рейтинг: 4.8', |
| ] |
| embeddings = model.encode(sentences) |
| print(embeddings.shape) |
| # [3, 384] |
| |
| # Get the similarity scores for the embeddings |
| similarities = model.similarity(embeddings, embeddings) |
| print(similarities.shape) |
| # [3, 3] |
| ``` |
|
|
| <!-- |
| ### 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 |
|
|
| #### Semantic Similarity |
| * Dataset: `dev` |
| * Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator) |
|
|
| | Metric | Value | |
| |:-------------------|:-----------| |
| | pearson_cosine | 0.8058 | |
| | spearman_cosine | 0.8022 | |
| | pearson_manhattan | 0.7664 | |
| | spearman_manhattan | 0.8008 | |
| | pearson_euclidean | 0.7686 | |
| | spearman_euclidean | 0.8022 | |
| | pearson_dot | 0.8058 | |
| | spearman_dot | 0.8022 | |
| | pearson_max | 0.8058 | |
| | **spearman_max** | **0.8022** | |
| |
| <!-- |
| ## 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: 6,577 training samples |
| * Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>label</code> |
| * Approximate statistics based on the first 1000 samples: |
| | | sentence_0 | sentence_1 | label | |
| |:--------|:---------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:--------------------------------------------------------------| |
| | type | string | string | float | |
| | details | <ul><li>min: 6 tokens</li><li>mean: 8.99 tokens</li><li>max: 18 tokens</li></ul> | <ul><li>min: 34 tokens</li><li>mean: 67.08 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 0.0</li><li>mean: 0.5</li><li>max: 1.0</li></ul> | |
| * Samples: |
| | sentence_0 | sentence_1 | label | |
| |:------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------| |
| | <code>query: ополаскиватель для рта</code> | <code>passage: Блин сырный по-голландски; Голландский сырный блинчик с пикантным чесноком и домашним майонезом; Блины; Цена: 218.0; Рейтинг: 4.8</code> | <code>0.0</code> | |
| | <code>query: таблетки для посудомоечной машины</code> | <code>passage: Десерт многослойный с фруктовым соком; Сочное желе из натуральных соков с фруктозно-глюкозным сиропом. Кисло-сладкий десерт.; Пирожные, муссы, суфле; Цена: 75.0; Рейтинг: 4.8</code> | <code>0.0</code> | |
| | <code>query: пельмени с индейкой мини</code> | <code>passage: Кумин молотый Золото Индии; Сильный сладковато-горький вкус. Идеально с рыбой, молочными продуктами и овощами.; Специи и приправы; Цена: 137.0; Рейтинг: 4.9</code> | <code>0.0</code> | |
| * Loss: [<code>CosineSimilarityLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cosinesimilarityloss) with these parameters: |
| ```json |
| { |
| "loss_fct": "torch.nn.modules.loss.MSELoss" |
| } |
| ``` |
| |
| ### Training Hyperparameters |
| #### Non-Default Hyperparameters |
| |
| - `eval_strategy`: steps |
| - `per_device_train_batch_size`: 32 |
| - `per_device_eval_batch_size`: 32 |
| - `fp16`: True |
| - `multi_dataset_batch_sampler`: round_robin |
| |
| #### All Hyperparameters |
| <details><summary>Click to expand</summary> |
| |
| - `overwrite_output_dir`: False |
| - `do_predict`: False |
| - `eval_strategy`: steps |
| - `prediction_loss_only`: True |
| - `per_device_train_batch_size`: 32 |
| - `per_device_eval_batch_size`: 32 |
| - `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`: 3 |
| - `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`: 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`: 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`: False |
| - `hub_always_push`: False |
| - `gradient_checkpointing`: False |
| - `gradient_checkpointing_kwargs`: None |
| - `include_inputs_for_metrics`: False |
| - `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 |
| - `dispatch_batches`: None |
| - `split_batches`: 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 |
| - `eval_use_gather_object`: False |
| - `batch_sampler`: batch_sampler |
| - `multi_dataset_batch_sampler`: round_robin |
| |
| </details> |
| |
| ### Training Logs |
| | Epoch | Step | dev_spearman_max | |
| |:-----:|:----:|:----------------:| |
| | 1.0 | 103 | 0.8078 | |
| | 2.0 | 206 | 0.8052 | |
| | 3.0 | 309 | 0.8022 | |
| |
| |
| ### Framework Versions |
| - Python: 3.10.12 |
| - Sentence Transformers: 3.2.0 |
| - Transformers: 4.44.0 |
| - PyTorch: 2.3.1+cu121 |
| - Accelerate: 0.31.0 |
| - Datasets: 2.20.0 |
| - Tokenizers: 0.19.1 |
| |
| ## 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", |
| } |
| ``` |
| |
| <!-- |
| ## 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.* |
| --> |
