metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:579077
  - loss:MultipleNegativesRankingLoss
  - loss:CosineSimilarityLoss
base_model: Alibaba-NLP/gte-multilingual-base
widget:
  - source_sentence: >-
      공공부문 채용의 경우 안전·건강 등 국민생활과 밀접한 서비스 중심으로 국가공무원을 1만 6000명 증원하고, 공공기관 필수인력 확충을
      추진한다.
    sentences:
      - >-
        공공부문 채용의 경우 안전보건 등 국민생활과 밀접한 서비스를 중심으로 국가공무원을 1만6000명 늘리고 공공기관 필수인력 확충을
        추진하기로 했습니다.
      - 백열등보단 간접 조명을 켜두고 독서를 하는게 좋을 것 같아
      - >-
        이번에 공개한 기관별 정규직 전환 실적은 ‘공공부문 비정규직 고용개선 시스템’(http://public.moel.go.kr)에서
        확인할 수 있다.
  - source_sentence: 런던 여행을 하려는 분들에게 추천하고 싶은 곳 입니다.
    sentences:
      - 만약 내가 파리에 다시 온다면, 나는 여기에 머무를 것입니다.
      - 지금의 위기를 새로운 기회와 발전의 원동력으로 삼겠습니다.
      - 런던을 여행하고 싶은 분들에게 추천해 드리고 싶은 곳이에요.
  - source_sentence: 이 절에서는 지불 과정에서 내부 통제의 중요성을 강조한다.
    sentences:
      - 그들은 스스로 세금을 부과함으로써 고속도로를 건설하고 새로운 버스 노선을 만들 것인가?
      - >-
        이 섹션에서는 전통적인 지불 프로세스, 전통적인 지불 프로세스 수정 및 지불 프로세스를 효과적으로 관리하기 위한 내부 제어의
        중요성에 대해 논의합니다.
      - 이 절은 전통적인 지불 절차에 대한 조정을 다루지 않을 것이다.
  - source_sentence: 스케이트보드를 타고 건물 계단을 내려가는 스케이트보드 타는 사람.
    sentences:
      - 그는 긴장이나 피로의 한계에 도달한 후 해시 물체를 얻기 시작했다.
      - 스케이트보더가 목을 부러뜨린다
      - 스케이트보드 타는 사람이 건물 계단을 타고 내려간다
  - source_sentence: 1896년, 경제 및 행정 조직이 조정되었다.
    sentences:
      - 세 명의 여자가 밖에 있다.
      - 1896년에 아무 관심도 없었다.
      - >-
        말레이 주 Selangor, Perak, Negeri Sembilan 및 Pahang의 연맹은 1896년에 경제 및 행정 조직을
        조정하기 위해 선포되었습니다.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - pearson_cosine
  - spearman_cosine
model-index:
  - name: SentenceTransformer based on Alibaba-NLP/gte-multilingual-base
    results:
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts dev
          type: sts-dev
        metrics:
          - type: pearson_cosine
            value: 0.9347680624097541
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.8993438650317843
            name: Spearman Cosine

SentenceTransformer based on Alibaba-NLP/gte-multilingual-base

This is a sentence-transformers model finetuned from Alibaba-NLP/gte-multilingual-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: Alibaba-NLP/gte-multilingual-base
Maximum Sequence Length: 8192 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': 8192, 'do_lower_case': False}) with Transformer model: NewModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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:

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 = [
    '1896년, 경제 및 행정 조직이 조정되었다.',
    '말레이 주 Selangor, Perak, Negeri Sembilan 및 Pahang의 연맹은 1896년에 경제 및 행정 조직을 조정하기 위해 선포되었습니다.',
    '1896년에 아무 관심도 없었다.',
]
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

Semantic Similarity

Dataset: sts-dev
Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.9348
spearman_cosine	0.8993

Training Details

Training Datasets

Unnamed Dataset

Size: 568,576 training samples
Columns: sentence_0, sentence_1, and sentence_2

Approximate statistics based on the first 1000 samples:

	sentence_0	sentence_1	sentence_2
type	string	string	string
details	min: 5 tokens mean: 20.03 tokens max: 122 tokens	min: 5 tokens mean: 19.48 tokens max: 88 tokens	min: 5 tokens mean: 14.72 tokens max: 47 tokens

Samples:

sentence_0	sentence_1	sentence_2
`사람들이 자동차를 좋아한다.`	`사람들은 클래식 자동차를 존경한다.`	`사람들이 줄을 서서 콘서트를 기다리고 있다.`
`그가 말을 타고 가면서 피의 강물이 흐르고 남자는 안장에 털썩 주저앉았다.`	`그 남자는 말을 타다가 피를 흘리고 있었다.`	`남자는 안장에 똑바로 앉았다.`
`그 자료는 일년 중 일부만을 다루었다.`	`올해 3월 보고된 2001년 자료는 예비 자료로 간주해야 하지만(반년만 다뤄지고 새로운 데이터 시스템에 기대되는 통상적인 종류의 스타트업 문제를 반영했다), 이미 공사가 그 어느 때보다 전국적으로 가능한 법률 서비스 관행에 대한 완전한 그림을 제공할 수 있는 풍부한 정보를 만들어냈다.`	`그 자료는 일년 중 일부만을 다루었을 뿐 전혀 도움이 되지 않았다.`

Loss: MultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim"
}

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: 7 tokens
mean: 20.82 tokens
max: 73 tokens

min: 8 tokens
mean: 19.95 tokens
max: 63 tokens

min: 0.0
mean: 0.44
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 7 tokens mean: 20.82 tokens max: 73 tokens	min: 8 tokens mean: 19.95 tokens max: 63 tokens	min: 0.0 mean: 0.44 max: 1.0

Samples:

sentence_0	sentence_1	label
`제 학교 성적표를 받기로한 메일을 알 수 있을까요?`	`쿠팡은 여태까지 배송 주문 확인 메일을 몇 통 보냈어?`	`0.04`
`지냈던 숙소 중에서 제일 마음에 들었습니다.`	`지금 까지 이용한 에어비앤비 중에서 제일 마음에 들었어요.`	`0.6`
`눈 내릴 때 운전은 안됩니다.`	`눈 내릴 때 운전은 위험해서 안돼.`	`0.74`

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: 32
per_device_eval_batch_size: 32
batch_sampler: no_duplicates
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: 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: 1.0
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: 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: False
hub_always_push: False
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
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
use_liger_kernel: False
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: round_robin

Training Logs

Epoch	Step	Training Loss	sts-dev_spearman_cosine
0.7599	500	0.324	-
1.0015	659	-	0.8993

Framework Versions

Python: 3.11.10
Sentence Transformers: 3.3.0
Transformers: 4.46.2
PyTorch: 2.4.0+cu121
Accelerate: 1.1.1
Datasets: 3.1.0
Tokenizers: 0.20.3

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",
}

MultipleNegativesRankingLoss

@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}
}