metadata

base_model: WpythonW/paraphrase-multLing-L12-v2_custom
datasets: []
language: []
library_name: sentence-transformers
metrics:
  - cosine_accuracy@1
  - cosine_accuracy@3
  - cosine_precision@1
  - cosine_precision@3
  - cosine_recall@1
  - cosine_recall@3
  - cosine_ndcg@10
  - cosine_mrr@10
  - cosine_map@100
  - dot_accuracy@1
  - dot_accuracy@3
  - dot_precision@1
  - dot_precision@3
  - dot_recall@1
  - dot_recall@3
  - dot_ndcg@10
  - dot_mrr@10
  - dot_map@100
pipeline_tag: sentence-similarity
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:72039
  - loss:TripletLoss
widget:
  - source_sentence: как оформить бир?
    sentences:
      - >-
        Вам необходимо открыть сервис "Удаленная работа", далее выбрать "График
        УР". Заявка находится в статусе "Ожидание подписание". Нажмите на нее.
        Откроется заявка и будет активна кнопка "Подписать".
      - >-
        Сотрудник может продолжить работу во время больничного по беременности и
        родам, при этом ему будет выплачиваться заработная плата. Пособие по
        беременности и родам будет рассчитано с фактической даты ухода в отпуск
        по беременности и родам (соответственно, будет оплачено меньшее кол-во
        дней БИРа).
      - >-
        Пожалуйста, обратитесь к непосредственному руководителю, чтобы он создал
        заявку в Личном кабинете https://company-x5.ru или приложении "Моя
        работа" в разделе "Декрет", "Администрирование отпуска БИР".
  - source_sentence: Как оформить больничный по беременности и родам?
    sentences:
      - >-
        Перерасчет пособий возможно произвести не более чем за 3 года до дня
        подачи заявления работником.
      - >-
        Пожалуйста, обратитесь к непосредственному руководителю, чтобы он создал
        заявку в Личном кабинете https://company-x5.ru или приложении "Моя
        работа" в разделе "Декрет", "Администрирование отпуска БИР".
      - >-
        Сотруднику следует обратиться к непосредственному руководителю, чтобы он
        создал заявку в Личном кабинете https://company-x5.ru или приложении
        "Моя работа" в разделе "Декрет", "Администрирование отпуска БИР".
  - source_sentence: Что сделать, чтобы досрочно выйти из отпуска по беременности и родам
    sentences:
      - Обратитесь к HRBP для создания заявки "Администрирование БиР"
      - >-
        В рамках нового сервисного подхода сотрудники оформляют командировку на
        едином портале trip.
      - >-
        Выплата пособия по беременности и родам (БИР) производится за счет
        средств СФР. Пособие выплачивается единовременно в полном объеме. Если
        Вы решите выйти из отпуска по беременности и родам досрочно, то
        необходимо будет вернуть сумму пособия по беременности и родам за период
        с даты выхода на работу по дату окончания отпуска БИР, так как выплата
        пособия по беременности и родам и заработной платы одновременно не
        предусмотрена законодательством. Излишне выплаченные денежные средства
        подлежат возврату единовременным платежом и в полном объеме. Для
        досрочного выхода из отпуска по БиР создайте, пожалуйста, обратитесь к
        непосредственному руководителю, чтобы он создал заявку по процессу 1101
        – Досрочный выход из отпуска по уходу за ребенком. В заявке необходимо
        указать, чтобы Вам вложили заявление – согласие об удержании излишне
        выплаченных денежных средств, сумму переплаты и реквизиты для возврата
        платежа.
  - source_sentence: как оформить бир?
    sentences:
      - НДФЛ - налог на доходы физических лиц.
      - >-
        Пожалуйста, обратитесь к непосредственному руководителю, чтобы он создал
        заявку в Личном кабинете https://company-x5.ru или приложении "Моя
        работа" в разделе "Декрет", "Администрирование отпуска БИР".
      - >-
        Если ребенок зарегистрирован в ЗАГС 11.10.2023 или после 11.10.2023, и
        получателем пособия является мама ребенка, создавать заявку не нужно,
        необходимые данные работодателю будет направлять Социальный фонд России.
        Если ребенок зарегистрирован в ЗАГС до 11.10.2023 или получателем
        пособия является отец ребенка (независимо от даты регистрации),
        требуется создать заявку для передачи сведений в Социальный фонд России
        в Личном кабинете https://company-x5.ru или приложении "Моя работа" в
        разделе "Декрет", тема "Выплата единовременного пособия по рождению
        ребенка".
  - source_sentence: хочу оформить единовременную выплату
    sentences:
      - >-
        Если ребенок зарегистрирован в ЗАГС 11.10.2023 или после 11.10.2023, и
        получателем пособия является мама ребенка, создавать заявку не нужно,
        необходимые данные работодателю будет направлять Социальный фонд России.
        Если ребенок зарегистрирован в ЗАГС до 11.10.2023 или получателем
        пособия является отец ребенка (независимо от даты регистрации),
        требуется создать заявку для передачи сведений в Социальный фонд России
        в Личном кабинете https://company-x5.ru или приложении "Моя работа" в
        разделе "Декрет", тема "Выплата единовременного пособия по рождению
        ребенка".
      - Создайте заявку по теме "перевод" в списке заявок в ЛК.
      - >-
        Сотруднику следует обратиться к непосредственному руководителю, чтобы он
        создал заявку в Личном кабинете https://company-x5.ru или приложении
        "Моя работа" в разделе "Декрет", "Администрирование отпуска БИР".
model-index:
  - name: SentenceTransformer based on WpythonW/paraphrase-multLing-L12-v2_custom
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: single answer eval
          type: single_answer_eval
        metrics:
          - type: cosine_accuracy@1
            value: 0.7814207650273224
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.9058894960534305
            name: Cosine Accuracy@3
          - type: cosine_precision@1
            value: 0.7814207650273224
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.30297510625379476
            name: Cosine Precision@3
          - type: cosine_recall@1
            value: 0.07216487890440533
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.08419777618320423
            name: Cosine Recall@3
          - type: cosine_ndcg@10
            value: 0.19719127291067684
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.8525204556625317
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.08324300058374653
            name: Cosine Map@100
          - type: dot_accuracy@1
            value: 0.7741347905282332
            name: Dot Accuracy@1
          - type: dot_accuracy@3
            value: 0.9034608378870674
            name: Dot Accuracy@3
          - type: dot_precision@1
            value: 0.7741347905282332
            name: Dot Precision@1
          - type: dot_precision@3
            value: 0.30196316535114354
            name: Dot Precision@3
          - type: dot_recall@1
            value: 0.0714332149669126
            name: Dot Recall@1
          - type: dot_recall@3
            value: 0.08387088860677204
            name: Dot Recall@3
          - type: dot_ndcg@10
            value: 0.19635484910850196
            name: Dot Ndcg@10
          - type: dot_mrr@10
            value: 0.8483307793872454
            name: Dot Mrr@10
          - type: dot_map@100
            value: 0.08271733240623867
            name: Dot Map@100

SentenceTransformer based on WpythonW/paraphrase-multLing-L12-v2_custom

This is a sentence-transformers model finetuned from WpythonW/paraphrase-multLing-L12-v2_custom. 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: WpythonW/paraphrase-multLing-L12-v2_custom
Maximum Sequence Length: 128 tokens
Output Dimensionality: 384 tokens
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': 128, '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})
)

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("WpythonW/paraphrase-multLing-L12-v2_custom")
# Run inference
sentences = [
    'хочу оформить единовременную выплату',
    'Если ребенок зарегистрирован в ЗАГС 11.10.2023 или после 11.10.2023, и получателем пособия является мама ребенка, создавать заявку не нужно, необходимые данные работодателю будет направлять Социальный фонд России. Если ребенок зарегистрирован в ЗАГС до 11.10.2023 или получателем пособия является отец ребенка (независимо от даты регистрации), требуется создать заявку для передачи сведений в Социальный фонд России в Личном кабинете https://company-x5.ru или приложении "Моя работа" в разделе "Декрет", тема "Выплата единовременного пособия по рождению ребенка".',
    'Создайте заявку по теме "перевод" в списке заявок в ЛК.',
]
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]

Evaluation

Metrics

Information Retrieval

Dataset: single_answer_eval
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.7814
cosine_accuracy@3	0.9059
cosine_precision@1	0.7814
cosine_precision@3	0.303
cosine_recall@1	0.0722
cosine_recall@3	0.0842
cosine_ndcg@10	0.1972
cosine_mrr@10	0.8525
cosine_map@100	0.0832
dot_accuracy@1	0.7741
dot_accuracy@3	0.9035
dot_precision@1	0.7741
dot_precision@3	0.302
dot_recall@1	0.0714
dot_recall@3	0.0839
dot_ndcg@10	0.1964
dot_mrr@10	0.8483
dot_map@100	0.0827

Training Details

Training Dataset

Unnamed Dataset

Size: 72,039 training samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 1000 samples:

	anchor	positive	negative
type	string	string	string
details	min: 6 tokens mean: 16.65 tokens max: 30 tokens	min: 17 tokens mean: 60.12 tokens max: 128 tokens	min: 8 tokens mean: 59.72 tokens max: 128 tokens

Samples:

anchor	positive	negative
`Можно ли выгрузить копию доверенности через SED?`	`Копию доверенности можно выгрузить через раздел Отчеты в SED. Также там можно посмотреть номер и срок действия доверенности.`	`По вопросам, связанных с ДМС, Вы всегда можете обратиться на адрес медицинской поддержки Х5 mdnonpdi@testtest.ru.`
`Можно ли выгрузить копию доверенности через SED?`	`Копию доверенности можно выгрузить через раздел Отчеты в SED. Также там можно посмотреть номер и срок действия доверенности.`	`Для проведения отпуска по уходу за ребенком до 1,5 лет и до 3 лет обратитесь, пожалуйста, к директору магазина для создания заявки по теме "Декрет", подтема "Администрирование отпуска БиР". Перечень необходимых документов размещен в «База знаний» https://company-x5.ru/knowledge-base/folder/39/`
`Можно ли выгрузить копию доверенности через SED?`	`Копию доверенности можно выгрузить через раздел Отчеты в SED. Также там можно посмотреть номер и срок действия доверенности.`	`Создайте, пожалуйста, обращение в ИТ поддержку на портале support`

Loss: TripletLoss with these parameters:

{
    "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
    "triplet_margin": 5
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 32
num_train_epochs: 2
load_best_model_at_end: 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: 32
per_device_eval_batch_size: 8
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: 1.0
num_train_epochs: 2
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: 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: 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: proportional

Training Logs

Epoch	Step	Training Loss	single_answer_eval_cosine_map@100
0.4440	500	0.0138	0.0829
0.8881	1000	0.013	0.0839
1.3321	1500	0.0075	0.0844
1.7762	2000	0.0072	0.0832

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.10.14
Sentence Transformers: 3.0.1
Transformers: 4.44.0
PyTorch: 2.4.0
Accelerate: 0.34.2
Datasets: 2.21.0
Tokenizers: 0.19.1

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",
}

TripletLoss

@misc{hermans2017defense,
    title={In Defense of the Triplet Loss for Person Re-Identification}, 
    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
    year={2017},
    eprint={1703.07737},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}