| | --- |
| | 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.* |
| | --> |
