metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:10501
  - loss:CosineSimilarityLoss
base_model: klue/roberta-base
widget:
  - source_sentence: 선생님, 거실이랑 안방 중에 어디에 조명이 들어왔으면 하는거에요?
    sentences:
      - 네가 조명 켜고 싶은 곳이 안방이니 거실이니?
      - 네이버 메일이랑 엔드라이브를 연동하는건 금지야
      - 짐을 들고 오르내리는 것은 물론 맨몸으로도 좀 빡셉니다.
  - source_sentence: 한적한 것이 도시 생활과는 전혀 달랐습니다.
    sentences:
      - "또\_지역 신용보증기금의 심사를 거쳐 업체당 최대 5000만원까지 보증 지원한다."
      - 열차와 고속·시외버스, 항공기, 연안여객선은 최대한 증편하기로 했다.
      - 요리에 필요한 양념이 없던것이 아쉬웠습니다
  - source_sentence: 북한에서 관리중인 도메인으로 메일을 보내면 안됩니다.
    sentences:
      - 포항 지역 지진은 얼마나 커?
      - 북한 도메인으로 메일을 보내지마세요.
      - 만약 당신이 팔레르모에 온다면, 이 집을 정말 추천해요!
  - source_sentence: 다음 방문 때는 귀마개를 챙겨갈 예정입니다.
    sentences:
      - 다음에 또 하와이를 오면 재방문 할 예정입니다.
      - 여태 만났던 비앤비숙소 호스트중에 손꼽히는 분이었습니다.
      - 2019년 12월부터 1월 사이에 특별통지였는데, 신청일 현재 고용보험에 가입하면 지원을 받을 수 있나요?
  - source_sentence: 집 바로 옆에 슈퍼가 있고 무엇보다 집이 조용해요.
    sentences:
      - 우리 집 바로 옆에 슈퍼마켓이 있는데, 무엇보다도 조용해요.
      - 광복절이니 어디 마실 가지 말고 집에서 쉬렴.
      - 백일 기념일이 어느 날짜죠?
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - pearson_cosine
  - spearman_cosine
model-index:
  - name: SentenceTransformer based on klue/roberta-base
    results:
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: Unknown
          type: unknown
        metrics:
          - type: pearson_cosine
            value: 0.9936243373055442
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.9738248100401111
            name: Spearman Cosine

SentenceTransformer based on klue/roberta-base

This is a sentence-transformers model finetuned from klue/roberta-base. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

Model Type: Sentence Transformer
Base model: klue/roberta-base
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity

Model Sources

Documentation: Sentence Transformers Documentation
Repository: Sentence Transformers on GitHub
Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: RobertaModel 
  (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})
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    '집 바로 옆에 슈퍼가 있고 무엇보다 집이 조용해요.',
    '우리 집 바로 옆에 슈퍼마켓이 있는데, 무엇보다도 조용해요.',
    '광복절이니 어디 마실 가지 말고 집에서 쉬렴.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Semantic Similarity

Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.9936
spearman_cosine	0.9738

Training Details

Training Dataset

Unnamed Dataset

Size: 10,501 training samples
Columns: sentence_0, sentence_1, and label
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1 label
type string string float
details
min: 6 tokens
mean: 20.14 tokens
max: 60 tokens

min: 6 tokens
mean: 19.3 tokens
max: 64 tokens

min: 0.0
mean: 0.43
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 6 tokens mean: 20.14 tokens max: 60 tokens	min: 6 tokens mean: 19.3 tokens max: 64 tokens	min: 0.0 mean: 0.43 max: 1.0

Samples:

sentence_0	sentence_1	label
`헌법 전문에 ‘5·18민주화운동’을 새기는 것은 5·18을 누구도 훼손하거나 부정할 수 없는 대한민국의 위대한 역사로 자리매김하는 일입니다.`	`2018년, 저는 ‘5·18민주이념의 계승’을 담은 개헌안을 발의한 바 있습니다.`	`0.33999999999999997`
`이와함께 코로나19로 촬영·제작이 중단된 한국영화 20여편에 제작지원금을 지원하고, 영화업계 관계자 4000여명의 직업훈련수당도 지급한다.`	`또한, 그것은 코로나19와 함께 촬영과 제작이 중단된 20개 이상의 한국 영화에 대한 지원을 제공할 것이며, 4,000명의 영화산업 관계자들에게 직업 훈련 수당도 지급할 것입니다.`	`0.8400000000000001`
`약속장소는 잊지 말고 분명하게 공지하세요.`	`저녁 일정이 안 잡힌 날짜 이번 주에 있으면 며칠인지 알려주세요.`	`0.06`

Loss: CosineSimilarityLoss with these parameters:

{
    "loss_fct": "torch.nn.modules.loss.MSELoss"
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
num_train_epochs: 4
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
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: 4
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.0
warmup_steps: 0
log_level: passive
log_level_replica: warning
log_on_each_node: True
logging_nan_inf_filter: True
save_safetensors: True
save_on_each_node: False
save_only_model: False
restore_callback_states_from_checkpoint: False
no_cuda: False
use_cpu: False
use_mps_device: False
seed: 42
data_seed: None
jit_mode_eval: False
use_ipex: False
bf16: False
fp16: False
fp16_opt_level: O1
half_precision_backend: auto
bf16_full_eval: False
fp16_full_eval: False
tf32: None
local_rank: 0
ddp_backend: None
tpu_num_cores: None
tpu_metrics_debug: False
debug: []
dataloader_drop_last: False
dataloader_num_workers: 0
dataloader_prefetch_factor: None
past_index: -1
disable_tqdm: False
remove_unused_columns: True
label_names: None
load_best_model_at_end: False
ignore_data_skip: False
fsdp: []
fsdp_min_num_params: 0
fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
fsdp_transformer_layer_cls_to_wrap: None
accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch
optim_args: None
adafactor: False
group_by_length: False
length_column_name: length
ddp_find_unused_parameters: None
ddp_bucket_cap_mb: None
ddp_broadcast_buffers: False
dataloader_pin_memory: True
dataloader_persistent_workers: False
skip_memory_metrics: True
use_legacy_prediction_loop: False
push_to_hub: False
resume_from_checkpoint: None
hub_model_id: None
hub_strategy: every_save
hub_private_repo: 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: batch_sampler
multi_dataset_batch_sampler: round_robin

Training Logs

Epoch	Step	Training Loss	spearman_cosine
0.7610	500	0.0275	-
1.0	657	-	0.9371
1.5221	1000	0.0082	0.9495
2.0	1314	-	0.9587
2.2831	1500	0.0051	-
3.0	1971	-	0.9691
3.0441	2000	0.0035	0.9696
3.8052	2500	0.0026	-
4.0	2628	-	0.9738

Framework Versions

Python: 3.12.3
Sentence Transformers: 3.3.1
Transformers: 4.47.1
PyTorch: 2.5.1+cu124
Accelerate: 1.2.1
Datasets: 3.2.0
Tokenizers: 0.21.0

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}