File size: 55,825 Bytes
e1c1065 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 |
---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:6260
- loss:ContrastiveLoss
base_model: intfloat/multilingual-e5-base
widget:
- source_sentence: "Type de project: Le projet porté par la structure candidate doit\
\ associer plusieurs structures professionnelles franciliennes. Ces structures\
\ s’engagent à mutualiser leurs moyens et compétences en vue d’un projet commun.\
\ Le projet doit concerner un nombre significatif d’équipes artistiques ou de\
\ projets artistiques professionnels.\n Il s'agit d'une aide : \n À l’incubation\
\ de projets artistiques et au compagnonnage. Cette aide vise à offrir aux artistes\
\ une aide à la structuration économique, administrative, à l’insertion professionnelle,\
\ à la mise en réseau.\n Et/ou : Au repérage artistique et à la visibilité. Cette\
\ aide vise à valoriser des projets artistiques en cours de création ou déjà finalisés,\
\ en vue de leur production et de leur diffusion, et à encourager la rencontre\
\ et les collaborations entre des artistes et des structures professionnelles. Plus\
\ de détails dans la délibération."
sentences:
- '[structure candidate] (organisation)'
- '[structure accompagnatrice](organisation) --- AGRÉÉ_PAR ---> [État](organisation)'
- '[Lundi 19 Février 2024] (date)'
- source_sentence: 'Procédures et démarches: La demande est à effectuer en ligne sur
la plateforme mesdemarches.iledefrance.frLes dates limites de dépôt sont : avant
le 1er décembre, le 1er février, le 1er juin ou le 16 août 2024 (pour une réponse
fin novembre).
Bénéficiaires: Association - Fondation, Association - Régie par la loi de 1901,
Association - ONG, Collectivité ou institution - Communes de 10 000 à 20 000 hab,
Collectivité ou institution - Communes de 2000 à 10 000 hab, Collectivité ou institution
- Communes de < 2000 hab, Collectivité ou institution - Communes de > 20 000 hab,
Collectivité ou institution - Département, Collectivité ou institution - EPCI,
Collectivité ou institution - EPT / Métropole du Grand Paris, Collectivité ou
institution - Bailleurs sociaux, Collectivité ou institution - Autre (GIP, copropriété,
EPA...), Collectivité ou institution - Office de tourisme intercommunal
Précision sure les bénéficiaires: nan'
sentences:
- '[petites entreprises innovantes franciliennes](bénéficiaire) --- INCLUT --->
[Professionnel - PME < 250](bénéficiaire)'
- '[plateforme mesdemarches.iledefrance.fr](plateforme) --- BÉNÉFICIAIRE ---> [Association
- Fondation](entité)'
- '[mesdemarches.iledefrance.fr](plateforme) --- ACCEPTE_DOSSIERS ---> [Collectivité
ou institution - Communes de 2000 à 10 000 hab](organisation)'
- source_sentence: 'Procédures et démarches: Pour bénéficier de ce programme, il convient
de s’inscrire directement auprès de l’association 100 000 Entrepreneurs.
Bénéficiaires: Particulier - Lycéen, Établissement d''enseignement secondaire
Précision sure les bénéficiaires: Elèves de 4ème, 3ème, Seconde, Première, Terminale'
sentences:
- '[collaborateurs et collaboratrices d’entreprises] (groupe)'
- '[Collectivité ou institution - Autre (GIP, copropriété, EPA...)] (bénéficiaire)'
- '[prévention contre discrimination] (thématique)'
- source_sentence: 'Type de project: L’appel à projets vise l''émergence de lieux
ouverts et collaboratifs favorisant le développement des entreprises par l’innovation,
en leur permettant d''accéder à un ensemble de services, d’espaces et d’équipements
mutualisés, dont : Des unités industrielles partagées ou plateformes de service
permettant à des entreprises d''une même filière de mutualiser leurs investissements.Des
espaces destinés à :- Une mise en commun de compétences techniques permettant
aux entreprises de mutualiser leurs travaux de R&D et/ou les investissements nécessaires
à la conduite de travaux de R&D,- Une mise en place d’outils collaboratifs. Concrètement,
les projets attendus s''apparentent à : Une plateforme technologique, Un site
de R&D collaborative appliquée, Un site d’essais et d’expérimentations, Un banc
d’essai mutualisé, Une unité industrielle pilote, Un incubateur, Un accélérateur...'
sentences:
- '[mesdemarches.iledefrance.fr](plateforme) --- ACCEPTE_DOSSIERS ---> [Collectivité
ou institution - Communes de > 20 000 hab](organisation)'
- '[mesdemarches.iledefrance.fr](plateforme) --- ACCEPTE_DEMANDE ---> [Professionnel
- Patrimoine](bénéficiaire)'
- '[banc d’essai mutualisé](concept) --- APPARTIENT ---> [projets](__inferred__)'
- source_sentence: 'Procédures et démarches: Dépôt du dossier de candidature sur la
plateforme des aides régionales (mesdemarches.iledefrance.fr).
Bénéficiaires: Collectivité ou institution - Communes de < 2000 hab, Collectivité
ou institution - Communes de 2000 à 10 000 hab, Collectivité ou institution -
Communes de 10 000 à 20 000 hab, Collectivité ou institution - Communes de > 20
000 hab, Collectivité ou institution - EPCI, Collectivité ou institution - EPT
/ Métropole du Grand Paris, Collectivité ou institution - Département, Collectivité
ou institution - Bailleurs sociaux, Collectivité ou institution - Autre (GIP,
copropriété, EPA...)
Précision sure les bénéficiaires: Toutes les structures de droit public ou de
droit privé'
sentences:
- '[Collectivité ou institution - Communes de < 2000 hab] (collectivité)'
- '[petites entreprises innovantes franciliennes](bénéficiaire) --- INCLUT --->
[Professionnel - Créateur d''entreprise](bénéficiaire)'
- '[établissement d''enseignement secondaire](organisation) --- DESTINE_A ---> [élèves
des lycées franciliens](groupe)'
datasets:
- Lettria/GRAG-GO-IDF-Pos-Neg
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- pearson_cosine
- spearman_cosine
- cosine_accuracy
- cosine_accuracy_threshold
- cosine_f1
- cosine_f1_threshold
- cosine_precision
- cosine_recall
- cosine_ap
model-index:
- name: SentenceTransformer based on intfloat/multilingual-e5-base
results:
- task:
type: semantic-similarity
name: Semantic Similarity
dataset:
name: EmbeddingSimEval
type: EmbeddingSimEval
metrics:
- type: pearson_cosine
value: 0.5444068848606196
name: Pearson Cosine
- type: spearman_cosine
value: 0.48932091320327376
name: Spearman Cosine
- task:
type: binary-classification
name: Binary Classification
dataset:
name: BinaryClassifEval
type: BinaryClassifEval
metrics:
- type: cosine_accuracy
value: 0.8604091456077015
name: Cosine Accuracy
- type: cosine_accuracy_threshold
value: 0.8192634582519531
name: Cosine Accuracy Threshold
- type: cosine_f1
value: 0.9166067577282532
name: Cosine F1
- type: cosine_f1_threshold
value: 0.8192634582519531
name: Cosine F1 Threshold
- type: cosine_precision
value: 0.8750857927247769
name: Cosine Precision
- type: cosine_recall
value: 0.9622641509433962
name: Cosine Recall
- type: cosine_ap
value: 0.9556819734522246
name: Cosine Ap
---
# SentenceTransformer based on intfloat/multilingual-e5-base
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-base](https://huggingface.co/intfloat/multilingual-e5-base) on the [grag-go-idf-pos-neg](https://huggingface.co/datasets/Lettria/GRAG-GO-IDF-Pos-Neg) dataset. 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:** [intfloat/multilingual-e5-base](https://huggingface.co/intfloat/multilingual-e5-base) <!-- at revision d13f1b27baf31030b7fd040960d60d909913633f -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 768 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- [grag-go-idf-pos-neg](https://huggingface.co/datasets/Lettria/GRAG-GO-IDF-Pos-Neg)
<!-- - **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': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel
(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})
(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("Lettria/idf-chunk_embedder-contrastive-after_epoch_0")
# Run inference
sentences = [
'Procédures et démarches: Dépôt du dossier de candidature sur la plateforme des aides régionales (mesdemarches.iledefrance.fr).\nBénéficiaires: Collectivité ou institution - Communes de < 2000 hab, Collectivité ou institution - Communes de 2000 à 10 000 hab, Collectivité ou institution - Communes de 10 000 à 20 000 hab, Collectivité ou institution - Communes de > 20 000 hab, Collectivité ou institution - EPCI, Collectivité ou institution - EPT / Métropole du Grand Paris, Collectivité ou institution - Département, Collectivité ou institution - Bailleurs sociaux, Collectivité ou institution - Autre (GIP, copropriété, EPA...)\nPrécision sure les bénéficiaires: Toutes les structures de droit public ou de droit privé',
'[Collectivité ou institution - Communes de < 2000 hab] (collectivité)',
"[petites entreprises innovantes franciliennes](bénéficiaire) --- INCLUT ---> [Professionnel - Créateur d'entreprise](bénéficiaire)",
]
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]
```
<!--
### 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: `EmbeddingSimEval`
* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| pearson_cosine | 0.5444 |
| **spearman_cosine** | **0.4893** |
#### Binary Classification
* Dataset: `BinaryClassifEval`
* Evaluated with [<code>BinaryClassificationEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.BinaryClassificationEvaluator)
| Metric | Value |
|:--------------------------|:-----------|
| cosine_accuracy | 0.8604 |
| cosine_accuracy_threshold | 0.8193 |
| cosine_f1 | 0.9166 |
| cosine_f1_threshold | 0.8193 |
| cosine_precision | 0.8751 |
| cosine_recall | 0.9623 |
| **cosine_ap** | **0.9557** |
<!--
## 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
#### grag-go-idf-pos-neg
* Dataset: [grag-go-idf-pos-neg](https://huggingface.co/datasets/Lettria/GRAG-GO-IDF-Pos-Neg) at [ecbf53b](https://huggingface.co/datasets/Lettria/GRAG-GO-IDF-Pos-Neg/tree/ecbf53b42e74acaa0a5a7263640fb2f3dd53cc05)
* Size: 6,260 training samples
* Columns: <code>sentence1</code>, <code>sentence2</code>, and <code>label</code>
* Approximate statistics based on the first 1000 samples:
| | sentence1 | sentence2 | label |
|:--------|:-------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:------------------------------------------------|
| type | string | string | int |
| details | <ul><li>min: 16 tokens</li><li>mean: 192.75 tokens</li><li>max: 414 tokens</li></ul> | <ul><li>min: 8 tokens</li><li>mean: 24.08 tokens</li><li>max: 79 tokens</li></ul> | <ul><li>0: ~15.70%</li><li>1: ~84.30%</li></ul> |
* Samples:
| sentence1 | sentence2 | label |
|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------|:---------------|
| <code>Procédures et démarches: Les porteurs de projet peuvent déposer leurs dossiers de candidature toute l’année sur la plateforme des aides régionales mesdemarches.iledefrance.fr. Après examen par les services de la Région, les élus du Conseil régional désignent les initiatives lauréates et le montant de la dotation régionale prévisionnelle.<br>Bénéficiaires: Collectivité ou institution - Autre (GIP, copropriété, EPA...), Collectivité ou institution - Bailleurs sociaux, Collectivité ou institution - Communes de 10 000 à 20 000 hab, Collectivité ou institution - Communes de 2000 à 10 000 hab, Collectivité ou institution - Communes de < 2000 hab, Collectivité ou institution - Communes de > 20 000 hab, Collectivité ou institution - Département, Collectivité ou institution - EPCI, Collectivité ou institution - EPT / Métropole du Grand Paris, Collectivité ou institution - Office de tourisme intercommunal, Association - Régie par la loi de 1901, Établissement d'enseignement secondaire, Établissemen...</code> | <code>[dotation régionale prévisionnelle] (__inferred__)</code> | <code>1</code> |
| <code>Type de project: Pour l'investissement, les dépenses éligibles concernent les aménagements et les rénovations de bâtiments, les constructions et les acquisitions de locaux ainsi que les gros travaux immobiliers.Pour l'équipement, les dépenses éligibles portent sur l'acquisition, la mise en conformité et le renouvellement des équipements destinés à un usage pédagogique, administratif ou destiné aux étudiants.</code> | <code>[investissement](typeDeProjet) --- CONCERNE ---> [gros travaux immobiliers](dépenseÉligible)</code> | <code>1</code> |
| <code>. Pour les demandes avec devis, transmettez votre demande de versement avec les factures acquittées (dans un délai maximal d'un an). Les factures indiquent un n° de chèque, un règlement CB, un virement,... Le versement prend la forme d'un paiement unique ou d’un paiement en 2 fois. Les dépenses prises en compte en HT portent sur une période maximale de 12 mois.</code> | <code>[DIM](label) --- ASSURER ---> [financement](concept)</code> | <code>0</code> |
* Loss: [<code>ContrastiveLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#contrastiveloss) with these parameters:
```json
{
"distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE",
"margin": 0.5,
"size_average": true
}
```
### Evaluation Dataset
#### grag-go-idf-pos-neg
* Dataset: [grag-go-idf-pos-neg](https://huggingface.co/datasets/Lettria/GRAG-GO-IDF-Pos-Neg) at [ecbf53b](https://huggingface.co/datasets/Lettria/GRAG-GO-IDF-Pos-Neg/tree/ecbf53b42e74acaa0a5a7263640fb2f3dd53cc05)
* Size: 1,662 evaluation samples
* Columns: <code>sentence1</code>, <code>sentence2</code>, and <code>label</code>
* Approximate statistics based on the first 1000 samples:
| | sentence1 | sentence2 | label |
|:--------|:-------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------|
| type | string | string | int |
| details | <ul><li>min: 24 tokens</li><li>mean: 178.38 tokens</li><li>max: 394 tokens</li></ul> | <ul><li>min: 8 tokens</li><li>mean: 25.03 tokens</li><li>max: 136 tokens</li></ul> | <ul><li>0: ~19.60%</li><li>1: ~80.40%</li></ul> |
* Samples:
| sentence1 | sentence2 | label |
|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------|:---------------|
| <code>Type de project: Le Fonds régional pour le tourisme est destiné aux actions ayant l'un de ces objectifs : La création, l’adaptation et le développement de l’offre d’activités et de loisirs ainsi que le renforcement de la sécurisation des sites touristiques et des visiteurs,La digitalisation de l’offre touristique pour accélérer la transformation numérique et favoriser l’innovation,La création d’offres d’hébergements touristiques durables contribuant à l’enrichissement de l’offre touristique régionale,Le soutien aux évènements gastronomiques d’envergure régionale. Afin que les professionnels du tourisme s’adaptent et contribuent à la transition durable de la destination Paris Île-de-France, l’aide régionale est attribuée sur la base de critères d’éco-conditionnalité.</code> | <code>[Fonds régional pour le tourisme](programme) --- DESTINÉ ---> [professionnels du tourisme](groupe)</code> | <code>1</code> |
| <code>Type de project: Les projets éligibles doivent être basés sur un projet de développement pluriannuel élaboré par chaque structure bénéficiaire concernée. Le projet de développement s’inscrit dans les orientations de sa fédération.Les formations doivent être professionnalisantes, diplômantes ou continues, en ce qui concerne l’encadrement éducatif et technique et les dirigeants bénévoles et officiels.Une attention particulière est portée sur les formations sur les thématiques de la prévention contre toutes violences, de discrimination et de radicalisation.</code> | <code>[dépôt des dossiers](événement) --- DÉLAI ---> [Commission](organisation)</code> | <code>0</code> |
| <code>Type de project: Les thématiques abordées, au titre du programme, comprennent la santé numérique et les risques de dépendance, la protection des données personnelles et la prévention des situations de harcèlement et de cyberharcèlement ; les interventions questionnent aussi les aspects numériques de la vie affective et sexuelle et son corollaire de risques tels que le "sexting", le "Revenge porn", le chantage sexuel et l'impact de la pornographie sur les jeunes. A la demande des établissements, des focus thématiques peuvent être réalisés sur d'autres sujets comme la prévention des phénomènes de prostitution des mineurs, les problématiques liées aux jeux d'argent et de hasard en ligne ou encore la lutte contre la désinformation à travers une approche d'éducation aux médias et à l'information. Les établissements bénéficiaires peuvent choisir jusqu'à deux thématiques qu'ils identifient comme prioritaires.</code> | <code>[sexting] (risque)</code> | <code>1</code> |
* Loss: [<code>ContrastiveLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#contrastiveloss) with these parameters:
```json
{
"distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE",
"margin": 0.5,
"size_average": true
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: epoch
- `per_device_train_batch_size`: 4
- `per_device_eval_batch_size`: 4
- `gradient_accumulation_steps`: 8
- `num_train_epochs`: 10
- `warmup_steps`: 626
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: epoch
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 4
- `per_device_eval_batch_size`: 4
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 8
- `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`: 10
- `max_steps`: -1
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.0
- `warmup_steps`: 626
- `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
- `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
- `prompts`: None
- `batch_sampler`: batch_sampler
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
<details><summary>Click to expand</summary>
| Epoch | Step | Training Loss | Validation Loss | EmbeddingSimEval_spearman_cosine | BinaryClassifEval_cosine_ap |
|:------:|:----:|:-------------:|:---------------:|:--------------------------------:|:---------------------------:|
| 0.0051 | 1 | 0.0194 | - | - | - |
| 0.0102 | 2 | 0.0198 | - | - | - |
| 0.0153 | 3 | 0.0146 | - | - | - |
| 0.0204 | 4 | 0.017 | - | - | - |
| 0.0256 | 5 | 0.0193 | - | - | - |
| 0.0307 | 6 | 0.0164 | - | - | - |
| 0.0358 | 7 | 0.0188 | - | - | - |
| 0.0409 | 8 | 0.0185 | - | - | - |
| 0.0460 | 9 | 0.0168 | - | - | - |
| 0.0511 | 10 | 0.0148 | - | - | - |
| 0.0562 | 11 | 0.0149 | - | - | - |
| 0.0613 | 12 | 0.018 | - | - | - |
| 0.0665 | 13 | 0.0149 | - | - | - |
| 0.0716 | 14 | 0.0189 | - | - | - |
| 0.0767 | 15 | 0.0206 | - | - | - |
| 0.0818 | 16 | 0.0138 | - | - | - |
| 0.0869 | 17 | 0.0193 | - | - | - |
| 0.0920 | 18 | 0.0169 | - | - | - |
| 0.0971 | 19 | 0.014 | - | - | - |
| 0.1022 | 20 | 0.0151 | - | - | - |
| 0.1073 | 21 | 0.0157 | - | - | - |
| 0.1125 | 22 | 0.0127 | - | - | - |
| 0.1176 | 23 | 0.0159 | - | - | - |
| 0.1227 | 24 | 0.0184 | - | - | - |
| 0.1278 | 25 | 0.0188 | - | - | - |
| 0.1329 | 26 | 0.0191 | - | - | - |
| 0.1380 | 27 | 0.012 | - | - | - |
| 0.1431 | 28 | 0.0142 | - | - | - |
| 0.1482 | 29 | 0.0131 | - | - | - |
| 0.1534 | 30 | 0.0153 | - | - | - |
| 0.1585 | 31 | 0.0123 | - | - | - |
| 0.1636 | 32 | 0.0127 | - | - | - |
| 0.1687 | 33 | 0.0186 | - | - | - |
| 0.1738 | 34 | 0.0112 | - | - | - |
| 0.1789 | 35 | 0.0149 | - | - | - |
| 0.1840 | 36 | 0.0174 | - | - | - |
| 0.1891 | 37 | 0.0115 | - | - | - |
| 0.1942 | 38 | 0.0106 | - | - | - |
| 0.1994 | 39 | 0.0138 | - | - | - |
| 0.2045 | 40 | 0.0161 | - | - | - |
| 0.2096 | 41 | 0.0134 | - | - | - |
| 0.2147 | 42 | 0.0138 | - | - | - |
| 0.2198 | 43 | 0.0083 | - | - | - |
| 0.2249 | 44 | 0.0094 | - | - | - |
| 0.2300 | 45 | 0.0097 | - | - | - |
| 0.2351 | 46 | 0.012 | - | - | - |
| 0.2403 | 47 | 0.0131 | - | - | - |
| 0.2454 | 48 | 0.0146 | - | - | - |
| 0.2505 | 49 | 0.0162 | - | - | - |
| 0.2556 | 50 | 0.0113 | - | - | - |
| 0.2607 | 51 | 0.0111 | - | - | - |
| 0.2658 | 52 | 0.0099 | - | - | - |
| 0.2709 | 53 | 0.0128 | - | - | - |
| 0.2760 | 54 | 0.0072 | - | - | - |
| 0.2812 | 55 | 0.0118 | - | - | - |
| 0.2863 | 56 | 0.0069 | - | - | - |
| 0.2914 | 57 | 0.0143 | - | - | - |
| 0.2965 | 58 | 0.0129 | - | - | - |
| 0.3016 | 59 | 0.0103 | - | - | - |
| 0.3067 | 60 | 0.0187 | - | - | - |
| 0.3118 | 61 | 0.0128 | - | - | - |
| 0.3169 | 62 | 0.0138 | - | - | - |
| 0.3220 | 63 | 0.021 | - | - | - |
| 0.3272 | 64 | 0.0142 | - | - | - |
| 0.3323 | 65 | 0.0144 | - | - | - |
| 0.3374 | 66 | 0.0164 | - | - | - |
| 0.3425 | 67 | 0.0115 | - | - | - |
| 0.3476 | 68 | 0.0122 | - | - | - |
| 0.3527 | 69 | 0.0125 | - | - | - |
| 0.3578 | 70 | 0.0119 | - | - | - |
| 0.3629 | 71 | 0.0098 | - | - | - |
| 0.3681 | 72 | 0.0112 | - | - | - |
| 0.3732 | 73 | 0.011 | - | - | - |
| 0.3783 | 74 | 0.0142 | - | - | - |
| 0.3834 | 75 | 0.0106 | - | - | - |
| 0.3885 | 76 | 0.0186 | - | - | - |
| 0.3936 | 77 | 0.011 | - | - | - |
| 0.3987 | 78 | 0.0125 | - | - | - |
| 0.4038 | 79 | 0.0115 | - | - | - |
| 0.4089 | 80 | 0.0155 | - | - | - |
| 0.4141 | 81 | 0.0093 | - | - | - |
| 0.4192 | 82 | 0.017 | - | - | - |
| 0.4243 | 83 | 0.0106 | - | - | - |
| 0.4294 | 84 | 0.0115 | - | - | - |
| 0.4345 | 85 | 0.0105 | - | - | - |
| 0.4396 | 86 | 0.0105 | - | - | - |
| 0.4447 | 87 | 0.0117 | - | - | - |
| 0.4498 | 88 | 0.0104 | - | - | - |
| 0.4550 | 89 | 0.0093 | - | - | - |
| 0.4601 | 90 | 0.0125 | - | - | - |
| 0.4652 | 91 | 0.012 | - | - | - |
| 0.4703 | 92 | 0.0077 | - | - | - |
| 0.4754 | 93 | 0.0095 | - | - | - |
| 0.4805 | 94 | 0.0087 | - | - | - |
| 0.4856 | 95 | 0.0072 | - | - | - |
| 0.4907 | 96 | 0.0142 | - | - | - |
| 0.4958 | 97 | 0.0053 | - | - | - |
| 0.5010 | 98 | 0.0072 | - | - | - |
| 0.5061 | 99 | 0.0096 | - | - | - |
| 0.5112 | 100 | 0.0082 | - | - | - |
| 0.5163 | 101 | 0.0053 | - | - | - |
| 0.5214 | 102 | 0.0072 | - | - | - |
| 0.5265 | 103 | 0.007 | - | - | - |
| 0.5316 | 104 | 0.0088 | - | - | - |
| 0.5367 | 105 | 0.0084 | - | - | - |
| 0.5419 | 106 | 0.0057 | - | - | - |
| 0.5470 | 107 | 0.0092 | - | - | - |
| 0.5521 | 108 | 0.0074 | - | - | - |
| 0.5572 | 109 | 0.0043 | - | - | - |
| 0.5623 | 110 | 0.0092 | - | - | - |
| 0.5674 | 111 | 0.0114 | - | - | - |
| 0.5725 | 112 | 0.0094 | - | - | - |
| 0.5776 | 113 | 0.0073 | - | - | - |
| 0.5827 | 114 | 0.0103 | - | - | - |
| 0.5879 | 115 | 0.0091 | - | - | - |
| 0.5930 | 116 | 0.0064 | - | - | - |
| 0.5981 | 117 | 0.011 | - | - | - |
| 0.6032 | 118 | 0.0085 | - | - | - |
| 0.6083 | 119 | 0.0061 | - | - | - |
| 0.6134 | 120 | 0.0036 | - | - | - |
| 0.6185 | 121 | 0.0087 | - | - | - |
| 0.6236 | 122 | 0.0072 | - | - | - |
| 0.6288 | 123 | 0.0028 | - | - | - |
| 0.6339 | 124 | 0.0116 | - | - | - |
| 0.6390 | 125 | 0.0156 | - | - | - |
| 0.6441 | 126 | 0.0048 | - | - | - |
| 0.6492 | 127 | 0.0049 | - | - | - |
| 0.6543 | 128 | 0.0048 | - | - | - |
| 0.6594 | 129 | 0.0021 | - | - | - |
| 0.6645 | 130 | 0.0085 | - | - | - |
| 0.6696 | 131 | 0.0058 | - | - | - |
| 0.6748 | 132 | 0.0067 | - | - | - |
| 0.6799 | 133 | 0.0162 | - | - | - |
| 0.6850 | 134 | 0.0056 | - | - | - |
| 0.6901 | 135 | 0.0035 | - | - | - |
| 0.6952 | 136 | 0.0069 | - | - | - |
| 0.7003 | 137 | 0.0018 | - | - | - |
| 0.7054 | 138 | 0.0026 | - | - | - |
| 0.7105 | 139 | 0.0111 | - | - | - |
| 0.7157 | 140 | 0.0041 | - | - | - |
| 0.7208 | 141 | 0.0098 | - | - | - |
| 0.7259 | 142 | 0.0045 | - | - | - |
| 0.7310 | 143 | 0.0059 | - | - | - |
| 0.7361 | 144 | 0.0068 | - | - | - |
| 0.7412 | 145 | 0.0065 | - | - | - |
| 0.7463 | 146 | 0.0085 | - | - | - |
| 0.7514 | 147 | 0.0077 | - | - | - |
| 0.7565 | 148 | 0.0047 | - | - | - |
| 0.7617 | 149 | 0.005 | - | - | - |
| 0.7668 | 150 | 0.0031 | - | - | - |
| 0.7719 | 151 | 0.0042 | - | - | - |
| 0.7770 | 152 | 0.0054 | - | - | - |
| 0.7821 | 153 | 0.0021 | - | - | - |
| 0.7872 | 154 | 0.004 | - | - | - |
| 0.7923 | 155 | 0.0027 | - | - | - |
| 0.7974 | 156 | 0.0033 | - | - | - |
| 0.8026 | 157 | 0.0044 | - | - | - |
| 0.8077 | 158 | 0.0063 | - | - | - |
| 0.8128 | 159 | 0.0078 | - | - | - |
| 0.8179 | 160 | 0.0046 | - | - | - |
| 0.8230 | 161 | 0.0076 | - | - | - |
| 0.8281 | 162 | 0.0136 | - | - | - |
| 0.8332 | 163 | 0.0048 | - | - | - |
| 0.8383 | 164 | 0.0049 | - | - | - |
| 0.8435 | 165 | 0.0048 | - | - | - |
| 0.8486 | 166 | 0.0064 | - | - | - |
| 0.8537 | 167 | 0.0038 | - | - | - |
| 0.8588 | 168 | 0.0087 | - | - | - |
| 0.8639 | 169 | 0.0067 | - | - | - |
| 0.8690 | 170 | 0.0011 | - | - | - |
| 0.8741 | 171 | 0.0067 | - | - | - |
| 0.8792 | 172 | 0.0054 | - | - | - |
| 0.8843 | 173 | 0.0069 | - | - | - |
| 0.8895 | 174 | 0.0084 | - | - | - |
| 0.8946 | 175 | 0.0038 | - | - | - |
| 0.8997 | 176 | 0.0029 | - | - | - |
| 0.9048 | 177 | 0.002 | - | - | - |
| 0.9099 | 178 | 0.0073 | - | - | - |
| 0.9150 | 179 | 0.0069 | - | - | - |
| 0.9201 | 180 | 0.0042 | - | - | - |
| 0.9252 | 181 | 0.0037 | - | - | - |
| 0.9304 | 182 | 0.0034 | - | - | - |
| 0.9355 | 183 | 0.0038 | - | - | - |
| 0.9406 | 184 | 0.0038 | - | - | - |
| 0.9457 | 185 | 0.007 | - | - | - |
| 0.9508 | 186 | 0.0019 | - | - | - |
| 0.9559 | 187 | 0.0073 | - | - | - |
| 0.9610 | 188 | 0.0054 | - | - | - |
| 0.9661 | 189 | 0.0082 | - | - | - |
| 0.9712 | 190 | 0.0058 | - | - | - |
| 0.9764 | 191 | 0.0028 | - | - | - |
| 0.9815 | 192 | 0.0036 | - | - | - |
| 0.9866 | 193 | 0.0046 | - | - | - |
| 0.9917 | 194 | 0.0066 | - | - | - |
| 0.9968 | 195 | 0.0056 | 0.0152 | 0.4893 | 0.9557 |
</details>
### Framework Versions
- Python: 3.11.9
- Sentence Transformers: 3.3.1
- Transformers: 4.45.2
- PyTorch: 2.4.1+cu121
- Accelerate: 1.2.1
- Datasets: 3.2.0
- Tokenizers: 0.20.3
## 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",
}
```
#### ContrastiveLoss
```bibtex
@inproceedings{hadsell2006dimensionality,
author={Hadsell, R. and Chopra, S. and LeCun, Y.},
booktitle={2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06)},
title={Dimensionality Reduction by Learning an Invariant Mapping},
year={2006},
volume={2},
number={},
pages={1735-1742},
doi={10.1109/CVPR.2006.100}
}
```
<!--
## 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.*
--> |