File size: 84,606 Bytes
1f88efa |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 |
---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:48868
- loss:ContrastiveLoss
base_model: sergeyzh/rubert-tiny-turbo
widget:
- source_sentence: 'помоги подобрать игровой смартфон
с оперативной памятью больше 16 гб и ценой до 10 тысяч рублей'
sentences:
- '{''long_web_name'': ''Процессор AMD Ryzen 9 7900X OEM'', ''price'': 39253.0,
''url'': ''https://megamarket.ru/catalog/details/processor-amd-ryzen-9-7900x-am5-oem-600009583854/'',
''image_link'': ''https://main-cdn.sbermegamarket.ru/mid9/hlr-system/-12/185/447/212/112/35/600009583854b0.jpeg'',
''id'': ''600009583854_170473'', ''description'': ''Процессор AMD Ryzen 9 7900X
– это мощное решение для игровых систем и рабочих станций. В основе модели используются
высококачественные компоненты и передовые технологии, что в связке с большим числом
физических ядер и виртуальных потоков может обеспечить непревзойденно высокую
вычислительную мощность в любых сценариях использования компьютера.Поддерживаемые
AMD Ryzen 9 7900X частоты могут варьироваться от 4.7 до 5.6 ГГц. Благодаря этому,
а также свободному множителю данная модель отличается высоким уровнем быстродействия
и большим потенциалом для его дальнейшего развития.Объем поддерживаемой временной
памяти может достигать 128 ГБ. Также вычислительный модуль поддерживает работу
с интерфейсом PCI-E 5 поколения, что открывает широкие возможности для создания
бескомпромиссной компьютерной системы для работы и развлечений.Помимо высокой
производительности процессор также отличается тепловыделением, которое не превышает
170 Вт. Для охлаждения могут использоваться как воздушные, так и водяные системы.
Установка на материнскую плату производится при помощи сокета AM5.'', ''rating'':
4.84, ''review_count'': 79}'
- '{''long_web_name'': ''Аксессуар для видеокарты NVIDIA RTX LOW PROFILE BRACKET
A2000'', ''price'': 783.0, ''url'': ''https://megamarket.ru/catalog/details/planka-dlya-videokarty-rtx-low-profile-bracket-a2000-12gb-nvidia-100046937787/'',
''image_link'': ''https://main-cdn.sbermegamarket.ru/mid9/hlr-system/109/972/170/425/191/5/100046937787b0.jpg'',
''id'': ''100046937787'', ''description'': '''', ''rating'': 0.0, ''review_count'':
0}'
- '{''long_web_name'': ''Миксер Kitfort KT-1343-1'', ''price'': 13770.0, ''url'':
''https://megamarket.ru/catalog/details/mikser-kitfort-kt-1343-1-100024025979/'',
''image_link'': ''https://main-cdn.sbermegamarket.ru/mid9/hlr-system/1696368414/100024025979b0.jpg'',
''id'': ''100024025979'', ''description'': ''Ультрасовременный и мощный стационарный
планетарный миксер Kitfort КТ-1343-1 поможет вам смешать ингредиенты, взбить яйца
или сливки, приготовить картофельное пюре, соус, крем, мусс, замесить жидкое тесто
для блинов и тугое тесто для пельменей и пирогов.'', ''rating'': 4.87, ''review_count'':
168}'
- source_sentence: Найди смартфон от 50-ти тысяч до 30к рублей
sentences:
- '{''long_web_name'': ''Конверт для компакт-дисков, 8 шт'', ''price'': 207.0, ''url'':
''https://megamarket.ru/catalog/details/konvert-dlya-kompakt-diskov-8-sht-600003175886/'',
''image_link'': ''https://main-cdn.sbermegamarket.ru/mid9/hlr-system/-13/734/904/142/101/213/600003175886b0.jpeg'',
''id'': ''600003175886_1022'', ''description'': '''', ''rating'': 4.72, ''review_count'':
14}'
- '{''long_web_name'': ''Ультрабук Huawei MateBook D 14 Gray (NbD-WDI9)'', ''price'':
44940.0, ''url'': ''https://megamarket.ru/catalog/details/i-nb-huawei-nbd-wdi9-1115g4-8-256gb-sg-100055338519/'',
''image_link'': ''https://main-cdn.sbermegamarket.ru/mid9/hlr-system/870/310/738/102/122/9/100055338519b0.jpg'',
''id'': ''100055338519'', ''description'': ''<p>Ультрабук Huawei MateBook D 14
i3 1115G4/8/256Gb DOS Space Gray (NbD-WDI9) — это мощный портативный компьютер,
который легко помещается в сумку или рюкзак. Его удобно брать с собой в офис,
университет или путешествие.</p>\n<h2>Помогает работать продуктивнее</h2>\n<p>Устройство
оснащено процессором Intel Core i3 1115G4 с двумя ядрами и тактовой частотой 4,1
ГГц. Оперативная память объемом 8 Гб обеспечивает стабильную работу даже при запуске
нескольких приложений одновременно. Другие технические параметры:</p>\n<ul>\n<li>внутренний
накопитель SSD на 256 Гб позволяет хранить большое количество файлов;</li>\n<li>матрица
IPS с разрешением Full HD дает четкое изображение;</li>\n<li>веб-камера 720p HD
передает качественную картинку;</li>\n<li>емкий аккумулятор на 56 Вт·ч обеспечивает
автономную работу в течение 10,5 часов.</li>\n</ul>\n<p>Корпус выполнен из алюминия
— прочного материала, устойчивого к механическим повреждениям. Устройство весит
всего 1,3 кг, а толщина составляет 1,6 см — оно не занимает много места в сумке.
На задней панели расположен сканер отпечатков пальцев — для быстрого входа в систему.</p>'',
''rating'': 4.72, ''review_count'': 50}'
- '{''long_web_name'': ''Смартфон Xiaomi Redmi 13C 4/128GB Glacier White'', ''price'':
13490.0, ''description'': '''', ''rating'': 3.9, ''review_count'': 10}'
- source_sentence: Покажи самсунг до 50к
sentences:
- '{''long_web_name'': ''Powerline-адаптер TP-Link TL-WPA4220KIT(EU)'', ''price'':
6169.0, ''url'': ''https://megamarket.ru/catalog/details/powerline-adapter-tp-link-tl-wpa4220kit-eu--100000031379/'',
''image_link'': ''https://main-cdn.sbermegamarket.ru/mid9/hlr-system/1696368/100000031379b0.jpg'',
''id'': ''100000031379'', ''description'': ''<p>TP-Link TL-WPA4220KIT — Powerline-адаптер,
с помощью которого можно расширить зону охвата интернет-сети в доме или офисе.
Устройство использует для этого электропроводку. Все, что от вас требуется:</p><ul><li>вставить
адаптер, подключенный к интернету, в ближайшую розетку;</li><li>подключить дополнительный
адаптер к компьютеру, телевизору, игровой приставке с помощью кабеля Ethernet
либо по Wi-Fi.</li></ul><p>Устройство обеспечивает передачу данных на расстояние
до 300 метров. Скорость при этом достигает 500 Мбит/с: этого достаточно не только
для проверки электронного почтового ящика или веб-серфинга, но и для просмотра
HD-видео по сети.</p><h2>Расширяйте сеть простым нажатием кнопки</h2><p>На корпусе
адаптера находится кнопка Wi-Fi Clone. Нажмите ее, и устройство автоматически
скопирует имя сети, а также пароль основного роутера. При дальнейшем использовании
адаптера вам не нужно будет вводить эти данные, он установит соединение с сетью
автоматически.</p><h2>Быстрый Wi-Fi</h2><p>Адаптер можно использовать для обеспечения
соединения по Wi-Fi в удаленных от роутера частях дома или офиса. Скорость передачи
данных при этом может достигать 300 Мбит/с.</p>'', ''rating'': 4.68, ''review_count'':
28}'
- '{''long_web_name'': ''Бокс внешний для жесткого диска UGREEN CM400 10903 USB-C
to M.2 NGFF 5G'', ''price'': 1743.0, ''url'': ''https://megamarket.ru/catalog/details/boks-vneshniy-dlya-zhestkogo-diska-ugreen-cm400-10903-usb-c-to-m2-ngff-5g-s-kabelem-seryy-600010937220/'',
''image_link'': ''https://main-cdn.sbermegamarket.ru/mid9/hlr-system/141/145/820/231/381/5/600010937220b0.png'',
''id'': ''600010937220'', ''description'': ''Вход: Micro USB 3.0 (мама). Выход:
M.2 B-Key(SATA 3.0). SATA 3.0, скорость до 6 Гбит/с, совместимость с SATA 2.0/1.0.
Micro USB 3.0, скорость до 5 Гбит/с, совместимость с USB 2.0 и 1.1. Поддержка
4х размеров (2230/2242/2260/2280) M.2 (NGFF)B -KEY твердотельные накопители. До
2 ТБ. Поддерживает протокол передачи данных UASP. Защита от короткого замыкания.
Встроенная схема защиты от электростатического разряда, устойчивая к статическому
напряжению 4 кВ. Поддержка функции обнаружения S.M.A.R.T. Поддержка функции TRIM.
Установка без инструментов. Кабель Micro USB 3.0 - USB A. Длина кабеля: 50 см.
Совместимость с Windows, Mac OS, Linux, Chrome OS, PS4, PS3, Xbox, маршрутизатором,
телефонами OTG. Алюминиевый корпус. Размер:Д119xШ37xВ12 мм'', ''rating'': 4.12,
''review_count'': 17}'
- '{''long_web_name'': ''Смартфон Realme RMX3710 C55 128Gb 6Gb черный моноблок'',
''price'': 14999.0, ''description'': '''', ''rating'': 4.9, ''review_count'':
230, ''extra_info'': ''''}'
- source_sentence: Помоги выбрать утюг для мамы до 15к рублей
sentences:
- '{''long_web_name'': ''Защитное стекло на Samsung A52 с рамкой'', ''price'': 307.0,
''url'': ''https://megamarket.ru/catalog/details/zashitnoe-steklo-na-samsung-a52-s-ramkoy-600014092980/'',
''image_link'': ''https://main-cdn.sbermegamarket.ru/mid9/hlr-system/157/296/486/423/114/1/600014092980b0.jpg'',
''id'': ''600014092980'', ''description'': ''<p>Закаленное стекло на Samsung A52
стекло G-Rhino с черной рамкой - вариант усиленной защиты на весь экран, приближенного
к материалу Gorilla Glass, неотъемлемая деталь для Вашего смартфона. Химически
упрочнённое бронь-стекло G Rhino с полной проклейкой, способно сохранить гаджет
при падении от царапин, сколов, трещин, всевозможных случайных механических повреждений,
а также защитит от износа и загрязнений, отпечатков пальцев и жирных пятен. Подходит
под любые виды чехлов и не трескается при длительном использовании. Толщина атрибута
в несколько раз превосходит традиционную пленку. Благодаря тому, что броне-стекло
равномерно покрывает всю поверхность телефона, оно плотно приклеивается к дисплею
и не влияет на его сенсорную чувствительность. Мы рекомендуем устанавливать вместе
с «бронёй» ударопрочный чехол для продления службы вашей техники. Устанавливается
максимально просто: достаточно расположить ровно бронестекло, провести пальцем
по центру, и оно само приклеится, также установка продемонстрирована в видео карточки
данного товара. В набор входят влажные и сухие салфетки, а также специальные наклейки
для удаления пыли. Благодаря прочной упаковке, ваш заказ будет доставлен в целостности.
Также предлагаем посмотреть классическую и керамическую бронезащиту, которые можно
увидеть в рекомендациях. Если задумываетесь о подарке для близкого Вам человека идеально
будет приобрести у нас в комплекте бампер(накладка) и защитные стёклышки PRO.
В нашем магазине самый большой ассортимент аксессуаров для любых смартфонов, мы
оперативно пополняем наш сайт новинками. Если вы не смогли определиться с выбором,
то мы всегда ответим Вам в разделе Вопросы.</p>'', ''rating'': 4.2, ''review_count'':
5}'
- '{''long_web_name'': ''Чехол-накладка для Xiaomi Redmi 12C черный, Microfiber
Case, BoraSCO'', ''price'': 486.0, ''url'': ''https://megamarket.ru/catalog/details/chehol-nakladka-dlya-xiaomi-redmi-12c-chernyy-microfiber-case-borasco-600011628021/'',
''image_link'': ''https://main-cdn.sbermegamarket.ru/mid9/hlr-system/210/478/671/542/416/12/600011628021b0.jpeg'',
''id'': ''600011628021_14552'', ''description'': ''Удобный и эластичный чехол
Microfiber Case – идеальное решение для Вашего смартфона. Внутренняя сторона чехла
из мягкой микрофибры защитит корпус устройства, а внешняя силиконовая поверхность
с покрытием Soft Touch приятна на ощупь. Чехол точно повторяет контуры телефона,
плотно прилегает к кнопкам, сохраняя максимальное удобство в управлении. Имеет
все необходимые отверстия для доступа к функциональным портам, и разъемам смартфона.'',
''rating'': 0.0, ''review_count'': 0}'
- '{''long_web_name'': ''Смартфон Samsung Galaxy S23 256GB Black'', ''price'': 67800.0,
''url'': ''https://megamarket.ru/catalog/details/smartfon-samsung-galaxy-s23-256gb-black-100065875645/'',
''image_link'': ''https://main-cdn.sbermegamarket.ru/mid9/hlr-system/-31/916/659/281/817/100065875645b0.jpg'',
''id'': ''100065875645'', ''description'': ''Смартфон Samsung Galaxy S23 256GB
Black. Восьмиядерный процессор Qualcomm Snapdragon 8 Gen 2 с графическим ускорителем
Adreno 740 и 8 Гб оперативной памяти. Безрамочный экран диагональю 6,1 дюйма,
выполненный по технологии Dynamic AMOLED 2X. Разрешение — 2340x1080 пикселей,
частота обновления — 120 Гц. Плотность пикселей 425 ppi. Стекло Corning Gorilla
Glass Victus 2 — защищает дисплей от ударов и появления царапин. Технология Dolby
Atmos — объемный звук в фильмах, играх и при прослушивании музыки. Влагозащита
по стандарту IP68. Трехмодульная основная камера 50/12/10 Мп с автофокусом, светодиодной
вспышкой и AI распознаванием сцен — снимает фотографии и записывает видео в условиях
разного освещения. Фронтальная камера — 12 Мп. Внутреннее хранилище объемом 256
Гб для установки приложений, хранения медиафайлов и документов. Поддержка двух
nano-SIM и eSIM. Навигационные системы GPS, ГЛОНАСС, Beidou, Galileo и QZSS —
позволяют быстро сориентироваться в незнакомом месте, проложить маршрут до нужной
точки. Встроенные модули Wi-Fi, Bluetooth и NFC — для обмена данными с совместимыми
устройствами. Время автономной работы — до 70 часов. Аккумулятор 3900 мАч с поддержкой
быстрой и беспроводной зарядки. Биометрическая защита с авторизацией через распознавание
лица или отпечаток пальца.'', ''rating'': 5.0, ''review_count'': 24}'
- source_sentence: расскажи о камерах смартфонов
sentences:
- '{''long_web_name'': ''Смартфон Samsung Galaxy S23 FE 256GB Graphite (SM-S711B/DS)'',
''price'': 51540.0, ''description'': ''<p>Смартфон Samsung Galaxy S23 FE 256GB
Graphite (SM-S711B/DS) — это мощный гаджет с большим экраном, который позволяет
смотреть фильмы, играть в игры и общаться с друзьями.</p>\n<h2>Продуманная конструкция</h2>\n<p>Смартфон
оснащен восьмиядерным процессором Exynos 2200, который обеспечивает высокую производительность.
Оперативной памяти 8 Гб — этого достаточно для одновременного запуска нескольких
приложений. Другие параметры:</p>\n<ul>\n<li>IPS-дисплей диагональю 6,4 дюймов
— изображение выглядит четким и ярким;</li>\n<li>три основные камеры с разрешением
50, 12 и 8 Мп — позволяют делать качественные снимки;</li>\n<li>фронтальная камера
на 10 Мп — подходит для селфи;</li>\n<li>емкий аккумулятор на 4500 мА·ч — хватает
на длительное время работы.</li>\n</ul>\n<p>Смартфон защищен от попадания пыли
и влаги. Корпус выполнен из пластика — он устойчив к царапинам и потертостям.
На задней панели расположен сканер отпечатков пальцев.</p>'', ''rating'': 4.8,
''review_count'': 117, ''extra_info'': ''''}'
- '{''long_web_name'': ''Смартфон Honor 200 Lite 8/256GB голубой (5109BFBH)'', ''price'':
21290.0, ''description'': '''', ''rating'': 4.83, ''review_count'': 17}'
- '{''long_web_name'': ''Накладка силикон для Xiaomi Redmi 5 (оригинальный) прозрачный'',
''price'': 599.0, ''url'': ''https://megamarket.ru/catalog/details/nakladka-silikon-dlya-xiaomi-redmi-5-originalnyy-prozrachnyy-100057155753/'',
''image_link'': ''https://main-cdn.sbermegamarket.ru/mid9/hlr-system/-24/417/121/310/276/47/100057155753b0.jpg'',
''id'': ''100057155753_102580'', ''description'': '''', ''rating'': 0.0, ''review_count'':
0}'
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- cosine_accuracy
- cosine_accuracy_threshold
- cosine_f1
- cosine_f1_threshold
- cosine_precision
- cosine_recall
- cosine_ap
model-index:
- name: SentenceTransformer based on sergeyzh/rubert-tiny-turbo
results:
- task:
type: binary-classification
name: Binary Classification
dataset:
name: item classification
type: item-classification
metrics:
- type: cosine_accuracy
value: 0.9842829076620825
name: Cosine Accuracy
- type: cosine_accuracy_threshold
value: 0.7253406047821045
name: Cosine Accuracy Threshold
- type: cosine_f1
value: 0.949367088607595
name: Cosine F1
- type: cosine_f1_threshold
value: 0.7253406047821045
name: Cosine F1 Threshold
- type: cosine_precision
value: 0.9297520661157025
name: Cosine Precision
- type: cosine_recall
value: 0.9698275862068966
name: Cosine Recall
- type: cosine_ap
value: 0.9839091724445497
name: Cosine Ap
---
# SentenceTransformer based on sergeyzh/rubert-tiny-turbo
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sergeyzh/rubert-tiny-turbo](https://huggingface.co/sergeyzh/rubert-tiny-turbo). It maps sentences & paragraphs to a 312-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:** [sergeyzh/rubert-tiny-turbo](https://huggingface.co/sergeyzh/rubert-tiny-turbo) <!-- at revision 93769a3baad2b037e5c2e4312fccf6bcfe082bf1 -->
- **Maximum Sequence Length:** 2048 tokens
- **Output Dimensionality:** 312 dimensions
- **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': 2048, 'do_lower_case': False}) with Transformer model: BertModel
(1): Pooling({'word_embedding_dimension': 312, '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:
```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("denis-gordeev/reranker_dialog_items_biencoder_rubert-tiny-turbo-5")
# Run inference
sentences = [
'расскажи о камерах смартфонов',
"{'long_web_name': 'Смартфон Honor 200 Lite 8/256GB голубой (5109BFBH)', 'price': 21290.0, 'description': '', 'rating': 4.83, 'review_count': 17}",
"{'long_web_name': 'Накладка силикон для Xiaomi Redmi 5 (оригинальный) прозрачный', 'price': 599.0, 'url': 'https://megamarket.ru/catalog/details/nakladka-silikon-dlya-xiaomi-redmi-5-originalnyy-prozrachnyy-100057155753/', 'image_link': 'https://main-cdn.sbermegamarket.ru/mid9/hlr-system/-24/417/121/310/276/47/100057155753b0.jpg', 'id': '100057155753_102580', 'description': '', 'rating': 0.0, 'review_count': 0}",
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 312]
# 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
#### Binary Classification
* Dataset: `item-classification`
* Evaluated with [<code>BinaryClassificationEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.BinaryClassificationEvaluator)
| Metric | Value |
|:--------------------------|:-----------|
| cosine_accuracy | 0.9843 |
| cosine_accuracy_threshold | 0.7253 |
| cosine_f1 | 0.9494 |
| cosine_f1_threshold | 0.7253 |
| cosine_precision | 0.9298 |
| cosine_recall | 0.9698 |
| **cosine_ap** | **0.9839** |
<!--
## 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: 48,868 training samples
* Columns: <code>anchor</code>, <code>text</code>, and <code>label</code>
* Approximate statistics based on the first 1000 samples:
| | anchor | text | label |
|:--------|:-----------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|:------------------------------------------------|
| type | string | string | int |
| details | <ul><li>min: 5 tokens</li><li>mean: 17.78 tokens</li><li>max: 118 tokens</li></ul> | <ul><li>min: 57 tokens</li><li>mean: 318.85 tokens</li><li>max: 1182 tokens</li></ul> | <ul><li>0: ~85.50%</li><li>1: ~14.50%</li></ul> |
* Samples:
| anchor | text | label |
|:----------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------|
| <code>помоги подобрать внешний аккумулятор, чтобы получить сбербонусы<br>покажи товары</code> | <code>{'long_web_name': 'Чехол для Xiaomi Battery Case 10000mAh ver.2 Orange', 'price': 195.0, 'url': 'https://megamarket.ru/catalog/details/xiaomi-battery-case-10000mah-ver2-orange-100043272924/', 'image_link': 'https://main-cdn.sbermegamarket.ru/mid9/hlr-system/202/591/442/682/916/55/100043272924b0.jpg', 'id': '100043272924', 'description': '', 'rating': 0.0, 'review_count': 0}</code> | <code>0</code> |
| <code>Здравствуйте. Мне нужен недорогой смартфон на Android, чтобы можно было легко звонить и писать сообщения внукам. Можете что-то посоветовать?</code> | <code>{'long_web_name': 'Чистящее средство Topperr 3037', 'price': 417.0, 'url': 'https://megamarket.ru/catalog/details/chistyashee-sredstvo-dlya-kofemashin-topperr-3037-100022709014/', 'image_link': 'https://main-cdn.sbermegamarket.ru/mid9/hlr-system/-16/699/502/081/231/16/100022709014b0.jpg', 'id': '100022709014', 'description': '', 'rating': 4.94, 'review_count': 222}</code> | <code>0</code> |
| <code>Samsung Galaxy S24</code> | <code>{'long_web_name': 'Поворотное металлическое крепление на руль мотоцикла велосипеда для экшн камеры GoPro', 'price': 950.0, 'url': 'https://megamarket.ru/catalog/details/kreplenie-nobrand-00000659-600016461568/', 'image_link': 'https://main-cdn.sbermegamarket.ru/mid9/hlr-system/-66/144/792/042/153/1/600016461568b0.png', 'id': '600016461568_81689', 'description': '<p>Это надежный металлический крепеж для рулей и круглых труб небольшого диаметра, до 33мм. Крепление оснащено стандартным U-образным креплением, которое совместимо с экшн камерами GoPro, SjCam, Xiaomi и иных других оснащенных подобным креплением. Есть возможность поворота камеры вокруг своей оси на 360 градусов с фиксацией.</p><p>Благодаря резиновым уплотнителям внутри, крепление надежно держится и не провернется вокруг трубы.</p><p>Крепление затягивается шестигранником, который идет в комплекте. Также в комплекте идет металлический болт для закрепления экшн камеры в U-образном креплении. </p>', 'rating': 0.0, 'review_count': ...</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
#### Unnamed Dataset
* Size: 6,108 evaluation samples
* Columns: <code>anchor</code>, <code>text</code>, and <code>label</code>
* Approximate statistics based on the first 1000 samples:
| | anchor | text | label |
|:--------|:------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|:------------------------------------------------|
| type | string | string | int |
| details | <ul><li>min: 5 tokens</li><li>mean: 20.51 tokens</li><li>max: 1716 tokens</li></ul> | <ul><li>min: 53 tokens</li><li>mean: 326.79 tokens</li><li>max: 1182 tokens</li></ul> | <ul><li>0: ~84.50%</li><li>1: ~15.50%</li></ul> |
* Samples:
| anchor | text | label |
|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------|
| <code>Привет, помоги подобрать ноутбук, на что обратить внимание?<br>Диагональ дисплея хочу 15<br>оеративка от 16гб<br>ссд хотя бы 0.5 тб<br><br>Порекомендуй конкртные товары</code> | <code>{'long_web_name': 'Ноутбук Azerty RB-1550 Silver (120-0513)', 'price': 25470.0, 'description': 'Ноутбук Azerty RB-1550 обладает достаточной производительностью для решения учебных задач, таких как работа с документами, просмотр веб-страниц, использование электронных учебников и презентаций. Конечно, ведь именно для этого он и предназначен, являясь представителем серии моделей для учёбы Story. - Корпус ноутбука выполнен из твердого полимерного пластика, придающего легкости и прочности. Этот материал обладает высокой устойчивостью к механическим воздействиям, царапинам и потёртостям, а также снижает вес устройства, что делает его удобным для переноски. - Экран ноутбука имеет размер 15,6 дюйма выполнен по технологии IPS, которая обеспечивает хорошее качество изображения, с высокой контрастностью и широким углом обзора. Разрешение экрана составляет 1920x1080 пикселей, что обеспечивает высокую детальность. Антибликовое покрытие экрана помогает снизить нагрузку на зрение при работе в ярко ос...</code> | <code>0</code> |
| <code>расскажи как выбрать смартфон игровой<br>расскажи о разнице между андроидом и айос подробнее<br>расскажи подробнее об операционной системе</code> | <code>{'long_web_name': 'Смартфон Honor Honor 90 12/512GB изумрудный зеленый (5109ATRU)', 'price': 33990.0, 'description': '', 'rating': 4.73, 'review_count': 37}</code> | <code>1</code> |
| <code>Найди самсунг белого цвета в республике башкортостан. Меня зовут Алексей, кстати<br>И до 50к с 8 гб оперативы</code> | <code>{'long_web_name': 'Защитное стекло Remax Medicine Glass GL-27 3D для iPhone 15, черная рамка 0,3 мм', 'price': 247.0, 'url': 'https://megamarket.ru/catalog/details/zashitnoe-steklo-remax-medicine-glass-gl-27-3d-dlya-iphone-15-chernaya-ramka-03-mm-600013601251/', 'image_link': 'https://main-cdn.sbermegamarket.ru/mid9/hlr-system/811/370/081/107/016/600013601251b0.jpeg', 'id': '600013601251', 'description': 'Защитное стекло для Apple iPhone 15/ Айфон 15, противоударное стекло от сколов и царапин на экран айфона Защитное стекло повторяет контуры экрана на 100% и закрывает его полностью от края до края, не оставляя зазоров. Благодаря наличию цветной рамки оно полностью копирует дизайн лицевой панели телефона и не портит его внешний вид. Комплектация Защитное стекло для iPhone 15/ Айфон 15 Спиртовая салфетка Салфетка из микрофибры Стикеры для удаления пыли Инструкция по наклеиванию Надежная упаковка', 'rating': 4.9, 'review_count': 229}</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
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: steps
- `num_train_epochs`: 5
- `warmup_ratio`: 0.1
- `fp16`: True
- `load_best_model_at_end`: True
- `batch_sampler`: no_duplicates
#### 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`: 8
- `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`: 5
- `max_steps`: -1
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.1
- `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`: 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`: None
- `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`: proportional
</details>
### Training Logs
<details><summary>Click to expand</summary>
| Epoch | Step | Training Loss | Validation Loss | item-classification_cosine_ap |
|:----------:|:---------:|:-------------:|:---------------:|:-----------------------------:|
| 0 | 0 | - | 0.0241 | 0.3377 |
| 0.0164 | 100 | 0.0182 | - | - |
| 0.0327 | 200 | 0.0137 | - | - |
| 0.0409 | 250 | - | 0.0128 | 0.4945 |
| 0.0491 | 300 | 0.0135 | - | - |
| 0.0655 | 400 | 0.0132 | - | - |
| 0.0818 | 500 | 0.0098 | 0.0092 | 0.7161 |
| 0.0982 | 600 | 0.0084 | - | - |
| 0.1146 | 700 | 0.0084 | - | - |
| 0.1228 | 750 | - | 0.0059 | 0.7971 |
| 0.1310 | 800 | 0.0074 | - | - |
| 0.1473 | 900 | 0.0072 | - | - |
| 0.1637 | 1000 | 0.0059 | 0.0050 | 0.8319 |
| 0.1801 | 1100 | 0.0054 | - | - |
| 0.1964 | 1200 | 0.0052 | - | - |
| 0.2046 | 1250 | - | 0.0046 | 0.8753 |
| 0.2128 | 1300 | 0.0048 | - | - |
| 0.2292 | 1400 | 0.0046 | - | - |
| 0.2455 | 1500 | 0.0049 | 0.0043 | 0.9045 |
| 0.2619 | 1600 | 0.0049 | - | - |
| 0.2783 | 1700 | 0.0046 | - | - |
| 0.2865 | 1750 | - | 0.0039 | 0.9027 |
| 0.2946 | 1800 | 0.0046 | - | - |
| 0.3110 | 1900 | 0.0045 | - | - |
| 0.3274 | 2000 | 0.0046 | 0.0035 | 0.9127 |
| 0.3438 | 2100 | 0.0043 | - | - |
| 0.3601 | 2200 | 0.0049 | - | - |
| 0.3683 | 2250 | - | 0.0033 | 0.9300 |
| 0.3765 | 2300 | 0.0042 | - | - |
| 0.3929 | 2400 | 0.0032 | - | - |
| 0.4092 | 2500 | 0.0038 | 0.0031 | 0.9393 |
| 0.4256 | 2600 | 0.0034 | - | - |
| 0.4420 | 2700 | 0.0042 | - | - |
| 0.4502 | 2750 | - | 0.0030 | 0.9418 |
| 0.4583 | 2800 | 0.004 | - | - |
| 0.4747 | 2900 | 0.0042 | - | - |
| 0.4911 | 3000 | 0.004 | 0.0031 | 0.9551 |
| 0.5074 | 3100 | 0.0038 | - | - |
| 0.5238 | 3200 | 0.0041 | - | - |
| 0.5320 | 3250 | - | 0.0032 | 0.9451 |
| 0.5402 | 3300 | 0.0041 | - | - |
| 0.5566 | 3400 | 0.0037 | - | - |
| 0.5729 | 3500 | 0.0032 | 0.0028 | 0.9585 |
| 0.5893 | 3600 | 0.0032 | - | - |
| 0.6057 | 3700 | 0.003 | - | - |
| 0.6138 | 3750 | - | 0.0029 | 0.9531 |
| 0.6220 | 3800 | 0.0031 | - | - |
| 0.6384 | 3900 | 0.0027 | - | - |
| 0.6548 | 4000 | 0.0024 | 0.0027 | 0.9559 |
| 0.6711 | 4100 | 0.0031 | - | - |
| 0.6875 | 4200 | 0.0025 | - | - |
| 0.6957 | 4250 | - | 0.0027 | 0.9637 |
| 0.7039 | 4300 | 0.0032 | - | - |
| 0.7202 | 4400 | 0.0034 | - | - |
| 0.7366 | 4500 | 0.0026 | 0.0024 | 0.9679 |
| 0.7530 | 4600 | 0.0025 | - | - |
| 0.7694 | 4700 | 0.0034 | - | - |
| 0.7775 | 4750 | - | 0.0024 | 0.9699 |
| 0.7857 | 4800 | 0.0024 | - | - |
| 0.8021 | 4900 | 0.0034 | - | - |
| 0.8185 | 5000 | 0.0028 | 0.0025 | 0.9624 |
| 0.8348 | 5100 | 0.0036 | - | - |
| 0.8512 | 5200 | 0.0025 | - | - |
| 0.8594 | 5250 | - | 0.0024 | 0.9666 |
| 0.8676 | 5300 | 0.0034 | - | - |
| 0.8839 | 5400 | 0.0026 | - | - |
| 0.9003 | 5500 | 0.0032 | 0.0024 | 0.9673 |
| 0.9167 | 5600 | 0.0032 | - | - |
| 0.9330 | 5700 | 0.0043 | - | - |
| 0.9412 | 5750 | - | 0.0026 | 0.9662 |
| 0.9494 | 5800 | 0.0027 | - | - |
| 0.9658 | 5900 | 0.0024 | - | - |
| 0.9822 | 6000 | 0.0037 | 0.0025 | 0.9691 |
| 0.9985 | 6100 | 0.0028 | - | - |
| 1.0149 | 6200 | 0.0031 | - | - |
| 1.0231 | 6250 | - | 0.0023 | 0.9671 |
| 1.0313 | 6300 | 0.0029 | - | - |
| 1.0476 | 6400 | 0.003 | - | - |
| 1.0640 | 6500 | 0.0027 | 0.0021 | 0.9689 |
| 1.0804 | 6600 | 0.0033 | - | - |
| 1.0967 | 6700 | 0.0027 | - | - |
| 1.1049 | 6750 | - | 0.0021 | 0.9735 |
| 1.1131 | 6800 | 0.0029 | - | - |
| 1.1295 | 6900 | 0.0023 | - | - |
| 1.1459 | 7000 | 0.0026 | 0.0020 | 0.9733 |
| 1.1622 | 7100 | 0.0024 | - | - |
| 1.1786 | 7200 | 0.0029 | - | - |
| 1.1868 | 7250 | - | 0.0021 | 0.9711 |
| 1.1950 | 7300 | 0.0023 | - | - |
| 1.2113 | 7400 | 0.0024 | - | - |
| 1.2277 | 7500 | 0.0031 | 0.0021 | 0.9753 |
| 1.2441 | 7600 | 0.0026 | - | - |
| 1.2604 | 7700 | 0.0019 | - | - |
| 1.2686 | 7750 | - | 0.0020 | 0.9713 |
| 1.2768 | 7800 | 0.0029 | - | - |
| 1.2932 | 7900 | 0.0022 | - | - |
| 1.3095 | 8000 | 0.0032 | 0.0020 | 0.9753 |
| 1.3259 | 8100 | 0.0021 | - | - |
| 1.3423 | 8200 | 0.002 | - | - |
| 1.3505 | 8250 | - | 0.0020 | 0.9744 |
| 1.3587 | 8300 | 0.003 | - | - |
| 1.3750 | 8400 | 0.0027 | - | - |
| 1.3914 | 8500 | 0.0019 | 0.0020 | 0.9752 |
| 1.4078 | 8600 | 0.0022 | - | - |
| 1.4241 | 8700 | 0.002 | - | - |
| 1.4323 | 8750 | - | 0.0020 | 0.9742 |
| 1.4405 | 8800 | 0.0021 | - | - |
| 1.4569 | 8900 | 0.0023 | - | - |
| 1.4732 | 9000 | 0.0026 | 0.0019 | 0.9749 |
| 1.4896 | 9100 | 0.0018 | - | - |
| 1.5060 | 9200 | 0.0023 | - | - |
| 1.5142 | 9250 | - | 0.0019 | 0.9753 |
| 1.5223 | 9300 | 0.0026 | - | - |
| 1.5387 | 9400 | 0.0022 | - | - |
| 1.5551 | 9500 | 0.0027 | 0.0020 | 0.9772 |
| 1.5715 | 9600 | 0.002 | - | - |
| 1.5878 | 9700 | 0.0019 | - | - |
| 1.5960 | 9750 | - | 0.0020 | 0.9776 |
| 1.6042 | 9800 | 0.0018 | - | - |
| 1.6206 | 9900 | 0.0019 | - | - |
| 1.6369 | 10000 | 0.0016 | 0.0020 | 0.9775 |
| 1.6533 | 10100 | 0.0017 | - | - |
| 1.6697 | 10200 | 0.0017 | - | - |
| 1.6779 | 10250 | - | 0.0019 | 0.9766 |
| 1.6860 | 10300 | 0.0014 | - | - |
| 1.7024 | 10400 | 0.0019 | - | - |
| 1.7188 | 10500 | 0.0023 | 0.0020 | 0.9769 |
| 1.7351 | 10600 | 0.0023 | - | - |
| 1.7515 | 10700 | 0.0017 | - | - |
| 1.7597 | 10750 | - | 0.0019 | 0.9760 |
| 1.7679 | 10800 | 0.0022 | - | - |
| 1.7843 | 10900 | 0.0017 | - | - |
| 1.8006 | 11000 | 0.0023 | 0.0019 | 0.9820 |
| 1.8170 | 11100 | 0.0018 | - | - |
| 1.8334 | 11200 | 0.0024 | - | - |
| 1.8415 | 11250 | - | 0.0020 | 0.9797 |
| 1.8497 | 11300 | 0.0016 | - | - |
| 1.8661 | 11400 | 0.0023 | - | - |
| 1.8825 | 11500 | 0.002 | 0.0020 | 0.9799 |
| 1.8988 | 11600 | 0.0022 | - | - |
| 1.9152 | 11700 | 0.0018 | - | - |
| 1.9234 | 11750 | - | 0.0021 | 0.9797 |
| 1.9316 | 11800 | 0.0028 | - | - |
| 1.9479 | 11900 | 0.0022 | - | - |
| 1.9643 | 12000 | 0.0015 | 0.0021 | 0.9799 |
| 1.9807 | 12100 | 0.0026 | - | - |
| 1.9971 | 12200 | 0.0019 | - | - |
| 2.0052 | 12250 | - | 0.0020 | 0.9807 |
| 2.0134 | 12300 | 0.0022 | - | - |
| 2.0298 | 12400 | 0.0022 | - | - |
| 2.0462 | 12500 | 0.0023 | 0.0019 | 0.9773 |
| 2.0625 | 12600 | 0.0022 | - | - |
| 2.0789 | 12700 | 0.0024 | - | - |
| 2.0871 | 12750 | - | 0.0019 | 0.9802 |
| 2.0953 | 12800 | 0.0018 | - | - |
| 2.1116 | 12900 | 0.0019 | - | - |
| 2.1280 | 13000 | 0.0019 | 0.0018 | 0.9815 |
| 2.1444 | 13100 | 0.0019 | - | - |
| 2.1607 | 13200 | 0.0019 | - | - |
| 2.1689 | 13250 | - | 0.0018 | 0.9818 |
| 2.1771 | 13300 | 0.0023 | - | - |
| 2.1935 | 13400 | 0.0016 | - | - |
| 2.2099 | 13500 | 0.0014 | 0.0019 | 0.9811 |
| 2.2262 | 13600 | 0.0022 | - | - |
| 2.2426 | 13700 | 0.002 | - | - |
| 2.2508 | 13750 | - | 0.0018 | 0.9817 |
| 2.2590 | 13800 | 0.0015 | - | - |
| 2.2753 | 13900 | 0.0023 | - | - |
| 2.2917 | 14000 | 0.0017 | 0.0019 | 0.9795 |
| 2.3081 | 14100 | 0.0025 | - | - |
| 2.3244 | 14200 | 0.0017 | - | - |
| 2.3326 | 14250 | - | 0.0018 | 0.9818 |
| 2.3408 | 14300 | 0.0016 | - | - |
| 2.3572 | 14400 | 0.0019 | - | - |
| 2.3735 | 14500 | 0.0019 | 0.0018 | 0.9825 |
| 2.3899 | 14600 | 0.0018 | - | - |
| 2.4063 | 14700 | 0.0015 | - | - |
| 2.4145 | 14750 | - | 0.0018 | 0.9829 |
| 2.4227 | 14800 | 0.0017 | - | - |
| 2.4390 | 14900 | 0.0019 | - | - |
| 2.4554 | 15000 | 0.0019 | 0.0018 | 0.9795 |
| 2.4718 | 15100 | 0.0018 | - | - |
| 2.4881 | 15200 | 0.0012 | - | - |
| 2.4963 | 15250 | - | 0.0018 | 0.9795 |
| 2.5045 | 15300 | 0.0017 | - | - |
| 2.5209 | 15400 | 0.0019 | - | - |
| 2.5372 | 15500 | 0.0018 | 0.0019 | 0.9801 |
| 2.5536 | 15600 | 0.0018 | - | - |
| 2.5700 | 15700 | 0.0018 | - | - |
| 2.5782 | 15750 | - | 0.0018 | 0.9805 |
| 2.5863 | 15800 | 0.0014 | - | - |
| 2.6027 | 15900 | 0.0013 | - | - |
| 2.6191 | 16000 | 0.0012 | 0.0017 | 0.9817 |
| 2.6355 | 16100 | 0.0013 | - | - |
| 2.6518 | 16200 | 0.0011 | - | - |
| 2.6600 | 16250 | - | 0.0018 | 0.9812 |
| 2.6682 | 16300 | 0.0012 | - | - |
| 2.6846 | 16400 | 0.0009 | - | - |
| 2.7009 | 16500 | 0.0015 | 0.0018 | 0.9809 |
| 2.7173 | 16600 | 0.0015 | - | - |
| 2.7337 | 16700 | 0.0019 | - | - |
| 2.7419 | 16750 | - | 0.0018 | 0.9811 |
| 2.7500 | 16800 | 0.0014 | - | - |
| 2.7664 | 16900 | 0.0017 | - | - |
| 2.7828 | 17000 | 0.001 | 0.0018 | 0.9817 |
| 2.7991 | 17100 | 0.0016 | - | - |
| 2.8155 | 17200 | 0.0014 | - | - |
| 2.8237 | 17250 | - | 0.0019 | 0.9829 |
| 2.8319 | 17300 | 0.0017 | - | - |
| 2.8483 | 17400 | 0.0012 | - | - |
| 2.8646 | 17500 | 0.0014 | 0.0018 | 0.9820 |
| 2.8810 | 17600 | 0.0014 | - | - |
| 2.8974 | 17700 | 0.0017 | - | - |
| 2.9055 | 17750 | - | 0.0018 | 0.9822 |
| 2.9137 | 17800 | 0.0016 | - | - |
| 2.9301 | 17900 | 0.0017 | - | - |
| 2.9465 | 18000 | 0.0018 | 0.0018 | 0.9818 |
| 2.9628 | 18100 | 0.0011 | - | - |
| 2.9792 | 18200 | 0.0019 | - | - |
| 2.9874 | 18250 | - | 0.0018 | 0.9817 |
| 2.9956 | 18300 | 0.0014 | - | - |
| 3.0119 | 18400 | 0.0017 | - | - |
| 3.0283 | 18500 | 0.0016 | 0.0017 | 0.9827 |
| 3.0447 | 18600 | 0.0015 | - | - |
| 3.0611 | 18700 | 0.0014 | - | - |
| 3.0692 | 18750 | - | 0.0017 | 0.9833 |
| 3.0774 | 18800 | 0.0021 | - | - |
| 3.0938 | 18900 | 0.0013 | - | - |
| 3.1102 | 19000 | 0.0012 | 0.0018 | 0.9844 |
| 3.1265 | 19100 | 0.0017 | - | - |
| 3.1429 | 19200 | 0.0015 | - | - |
| 3.1511 | 19250 | - | 0.0017 | 0.9840 |
| 3.1593 | 19300 | 0.0015 | - | - |
| 3.1756 | 19400 | 0.0017 | - | - |
| 3.1920 | 19500 | 0.0011 | 0.0017 | 0.9831 |
| 3.2084 | 19600 | 0.001 | - | - |
| 3.2248 | 19700 | 0.0014 | - | - |
| 3.2329 | 19750 | - | 0.0017 | 0.9836 |
| 3.2411 | 19800 | 0.0016 | - | - |
| 3.2575 | 19900 | 0.0013 | - | - |
| 3.2739 | 20000 | 0.0017 | 0.0017 | 0.9824 |
| 3.2902 | 20100 | 0.0013 | - | - |
| 3.3066 | 20200 | 0.002 | - | - |
| 3.3148 | 20250 | - | 0.0017 | 0.9813 |
| 3.3230 | 20300 | 0.0015 | - | - |
| 3.3393 | 20400 | 0.0011 | - | - |
| 3.3557 | 20500 | 0.0016 | 0.0017 | 0.9812 |
| 3.3721 | 20600 | 0.0016 | - | - |
| 3.3884 | 20700 | 0.0015 | - | - |
| 3.3966 | 20750 | - | 0.0017 | 0.9825 |
| 3.4048 | 20800 | 0.0012 | - | - |
| 3.4212 | 20900 | 0.0012 | - | - |
| 3.4376 | 21000 | 0.001 | 0.0017 | 0.9812 |
| 3.4539 | 21100 | 0.0019 | - | - |
| 3.4703 | 21200 | 0.0014 | - | - |
| 3.4785 | 21250 | - | 0.0017 | 0.9816 |
| 3.4867 | 21300 | 0.0009 | - | - |
| 3.5030 | 21400 | 0.0012 | - | - |
| 3.5194 | 21500 | 0.0015 | 0.0018 | 0.9823 |
| 3.5358 | 21600 | 0.0014 | - | - |
| 3.5521 | 21700 | 0.0015 | - | - |
| 3.5603 | 21750 | - | 0.0018 | 0.9814 |
| 3.5685 | 21800 | 0.0011 | - | - |
| 3.5849 | 21900 | 0.0012 | - | - |
| 3.6012 | 22000 | 0.001 | 0.0017 | 0.9822 |
| 3.6176 | 22100 | 0.0012 | - | - |
| 3.6340 | 22200 | 0.0009 | - | - |
| 3.6422 | 22250 | - | 0.0017 | 0.9823 |
| 3.6504 | 22300 | 0.0011 | - | - |
| 3.6667 | 22400 | 0.001 | - | - |
| 3.6831 | 22500 | 0.0008 | 0.0016 | 0.9825 |
| 3.6995 | 22600 | 0.0011 | - | - |
| 3.7158 | 22700 | 0.0014 | - | - |
| 3.7240 | 22750 | - | 0.0017 | 0.9826 |
| 3.7322 | 22800 | 0.0015 | - | - |
| 3.7486 | 22900 | 0.001 | - | - |
| 3.7649 | 23000 | 0.001 | 0.0017 | 0.9822 |
| 3.7813 | 23100 | 0.001 | - | - |
| 3.7977 | 23200 | 0.0014 | - | - |
| 3.8059 | 23250 | - | 0.0017 | 0.9836 |
| 3.8140 | 23300 | 0.0009 | - | - |
| 3.8304 | 23400 | 0.0013 | - | - |
| 3.8468 | 23500 | 0.001 | 0.0017 | 0.9845 |
| 3.8632 | 23600 | 0.001 | - | - |
| 3.8795 | 23700 | 0.001 | - | - |
| 3.8877 | 23750 | - | 0.0017 | 0.9848 |
| 3.8959 | 23800 | 0.0014 | - | - |
| 3.9123 | 23900 | 0.0017 | - | - |
| 3.9286 | 24000 | 0.0011 | 0.0017 | 0.9845 |
| 3.9450 | 24100 | 0.0014 | - | - |
| 3.9614 | 24200 | 0.0009 | - | - |
| 3.9696 | 24250 | - | 0.0019 | 0.9851 |
| 3.9777 | 24300 | 0.0015 | - | - |
| 3.9941 | 24400 | 0.0014 | - | - |
| 4.0105 | 24500 | 0.0013 | 0.0017 | 0.9862 |
| 4.0268 | 24600 | 0.0011 | - | - |
| 4.0432 | 24700 | 0.0014 | - | - |
| 4.0514 | 24750 | - | 0.0016 | 0.9848 |
| 4.0596 | 24800 | 0.0012 | - | - |
| 4.0760 | 24900 | 0.0014 | - | - |
| 4.0923 | 25000 | 0.0013 | 0.0017 | 0.9857 |
| 4.1087 | 25100 | 0.0008 | - | - |
| 4.1251 | 25200 | 0.0011 | - | - |
| 4.1332 | 25250 | - | 0.0017 | 0.9858 |
| 4.1414 | 25300 | 0.0013 | - | - |
| 4.1578 | 25400 | 0.0012 | - | - |
| 4.1742 | 25500 | 0.0012 | 0.0017 | 0.9858 |
| 4.1905 | 25600 | 0.0013 | - | - |
| 4.2069 | 25700 | 0.0008 | - | - |
| 4.2151 | 25750 | - | 0.0017 | 0.9855 |
| 4.2233 | 25800 | 0.0009 | - | - |
| 4.2396 | 25900 | 0.0012 | - | - |
| 4.2560 | 26000 | 0.0011 | 0.0016 | 0.9849 |
| 4.2724 | 26100 | 0.0015 | - | - |
| 4.2888 | 26200 | 0.0009 | - | - |
| 4.2969 | 26250 | - | 0.0017 | 0.9844 |
| 4.3051 | 26300 | 0.0013 | - | - |
| 4.3215 | 26400 | 0.0011 | - | - |
| 4.3379 | 26500 | 0.001 | 0.0017 | 0.9844 |
| 4.3542 | 26600 | 0.0014 | - | - |
| 4.3706 | 26700 | 0.0012 | - | - |
| 4.3788 | 26750 | - | 0.0016 | 0.9841 |
| 4.3870 | 26800 | 0.0013 | - | - |
| 4.4033 | 26900 | 0.0011 | - | - |
| 4.4197 | 27000 | 0.001 | 0.0016 | 0.9845 |
| 4.4361 | 27100 | 0.0008 | - | - |
| 4.4524 | 27200 | 0.0016 | - | - |
| **4.4606** | **27250** | **-** | **0.0016** | **0.9839** |
| 4.4688 | 27300 | 0.0011 | - | - |
| 4.4852 | 27400 | 0.0008 | - | - |
| 4.5016 | 27500 | 0.0009 | 0.0016 | 0.9847 |
| 4.5179 | 27600 | 0.0014 | - | - |
| 4.5343 | 27700 | 0.0011 | - | - |
| 4.5425 | 27750 | - | 0.0017 | 0.9849 |
| 4.5507 | 27800 | 0.0011 | - | - |
| 4.5670 | 27900 | 0.0008 | - | - |
| 4.5834 | 28000 | 0.001 | 0.0016 | 0.9846 |
| 4.5998 | 28100 | 0.0008 | - | - |
| 4.6161 | 28200 | 0.0008 | - | - |
| 4.6243 | 28250 | - | 0.0016 | 0.9839 |
| 4.6325 | 28300 | 0.0008 | - | - |
| 4.6489 | 28400 | 0.0007 | - | - |
| 4.6652 | 28500 | 0.0007 | 0.0016 | 0.9843 |
| 4.6816 | 28600 | 0.0008 | - | - |
| 4.6980 | 28700 | 0.0008 | - | - |
| 4.7062 | 28750 | - | 0.0016 | 0.9843 |
| 4.7144 | 28800 | 0.0011 | - | - |
| 4.7307 | 28900 | 0.0014 | - | - |
| 4.7471 | 29000 | 0.0008 | 0.0016 | 0.9841 |
| 4.7635 | 29100 | 0.0009 | - | - |
| 4.7798 | 29200 | 0.0006 | - | - |
| 4.7880 | 29250 | - | 0.0016 | 0.9840 |
| 4.7962 | 29300 | 0.001 | - | - |
| 4.8126 | 29400 | 0.0006 | - | - |
| 4.8289 | 29500 | 0.0013 | 0.0016 | 0.9843 |
| 4.8453 | 29600 | 0.0007 | - | - |
| 4.8617 | 29700 | 0.0008 | - | - |
| 4.8699 | 29750 | - | 0.0016 | 0.9844 |
| 4.8780 | 29800 | 0.001 | - | - |
| 4.8944 | 29900 | 0.0011 | - | - |
| 4.9108 | 30000 | 0.0013 | 0.0016 | 0.9846 |
| 4.9272 | 30100 | 0.001 | - | - |
| 4.9435 | 30200 | 0.0012 | - | - |
| 4.9517 | 30250 | - | 0.0017 | 0.9848 |
| 4.9599 | 30300 | 0.0007 | - | - |
| 4.9763 | 30400 | 0.001 | - | - |
| 4.9926 | 30500 | 0.0011 | 0.0017 | 0.9849 |
| 5.0 | 30545 | - | 0.0016 | 0.9839 |
* The bold row denotes the saved checkpoint.
</details>
### Framework Versions
- Python: 3.10.13
- Sentence Transformers: 3.3.1
- Transformers: 4.47.1
- PyTorch: 2.2.1
- Accelerate: 1.2.1
- Datasets: 3.2.0
- Tokenizers: 0.21.0
## 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.*
--> |