Update model on 2024-08-16 06:06:57

README.md

@@ -1,5 +1,5 @@
 ---
-base_model: jhgan/ko-sroberta-multitask
+base_model: jh8416/my_ewha_model_2024_1
 datasets: []
 language: []
 library_name: sentence-transformers
@@ -9,45 +9,46 @@ tags:
 - sentence-similarity
 - feature-extraction
 - generated_from_trainer
-- dataset_size:43333
+- dataset_size:97764
 - loss:MultipleNegativesRankingLoss
 widget:
-- source_sentence: 교양과목 중간고사 기간 우리 수업 정상 녹화 수업 온라인 강의 게이미피케이션
+- source_sentence: 미디어 언어 중간시험 중간시험 강평 제부
   sentences:
-  - 기술의 진보 score following live electronics 컴퓨터음악
-  - Analysis Site Survey 교양과목 중간시험 정상 수업 Programming Program Summary Program
-  - low anterior resection유인물 동영상수업PPT 음성해설 검사결과보고서 전사 영상의학검사결과보고서 abdpelvic CT
-- source_sentence: 파이썬 내장 자료구조와 라이브러리 학습 파이썬의 대표적인
+  - 적분의 정의교육관B동 호 교시이 강의에서는 리만적분의 정의와 유용한 여러 가지 적분법
+  - 창립 주년 기념일 성격심리학 입문 제부 성향적 영역 제부 성향적 영역
+  - career paths for the DIS graduates Ewha cyber campus How to
+- source_sentence: hierarchies through relationality in the ethics of care International
+    Journal of
   sentences:
-  - 개념들 평등 자유 국가 정의 계약 등 을 중심으로 진행되기 보다는
-  - 배열의 사칙연산 내장 수학함수의 사용법 조건문 관계연산자 가우스소거법
-  - 디지털 혁명과 함께 일어난 사회의 총체적 변화를 탈산업사회 및 네트워크 사회
-- source_sentence: 특수교육 대상학생을 위한 교수학습 지원 개별화 교육 계획 IEP 교과지도 교수전략
+  - economy culture and law to ethics
+  - Instructor Bae Movie WIT Values ethics and advocacy Lecture group discussion
+  - 깊이 이해할 수 있는 지름길일 것입니다
+- source_sentence: 주차별 강의 내용은 사정에 따라 변동될
   sentences:
-  - 유아교육과정의 종류 장애 유아를 위한 개별화 교육과정의 구성 개별화 교육과정의 구조목표실행
-  - 및 평가 기초 조사강의 관련 요구 사항 등 과제나의 스포츠 연대기
-  - 주차에 실시할 수도 있겠음 동영상수업PPT 음성해설 GENERAL SURGERY subtotal hemithyroidectomy Rt
-- source_sentence: 선형대수학을 조금 더 추상화한 벡터공간과 내적 공간에 대해 배운다
+  - 조순경 여성직종의 외주화와 간접차별 KTX 승무원 간접고용을 통해 본
+  - 욕구를 만족시키기 위해 기본적인 마케팅전략의 개념과 이론을 학습하고 여러 성공적인 마케팅전략의
+  - 속 리더십 성공사례 연구 내용 정신전력교육구술평가 임관종합평가 대비 정신전력 교육 조직속에서
+- source_sentence: 상형미를 기반으로 하는 조형미를 이해하여 궁극적으로는 서화동원을 이해하고 동양예술에서 추구한 획과
   sentences:
-  - 나누어 공부하며 특히 인사관리는 인적자원 확보 개발 유지 보상 등을 포함한다
-  - 강의 OT 지구시스템의 표현 지구의 내적 작용 화산지진 지형의 형성 풍화매스
-  - 군비경쟁 중국의 시진핑 연임에 따른 군사력 강화핵무기 여기 보유 척의 항공모함
-- source_sentence: 제공 예정 총정리 발표수업 및 환자 증례 연구 발표수업 및 환자
+  - 장흔들리는 마음 수업자료스타트업얼라이언스가이드북시리즈초보창업자를위한 HR가이드북 부 장초기 단계 재무관리 핵심 공략 장초기
+  - 중간시험 리만적분 연습문제
+  - 같은 다층적이며 종합적인 접근을 통해 궁극적으로는 생태계가 유지되고 작동하는 원리 그리고
+- source_sentence: 제작 과정 이해 및 실습 석고 몰드 캐스팅 기법을 이용한 개별
   sentences:
-  - 제장 환경정책 목표와 방향 환경철학 정치체제 정부통제 시민참여 경제성장 의지 등
-  - 및 크리틱 과제 연구계획서 차 수정안 연구과제 중심 월 일 출력물
-  - 약물 경제 분석의 경제적 이론 환자 치료의 약물 경제 개념 이해
+  - 선거 Mould 제작 Slip Casting 석고원형 제작 원형완성 및 검사 Project
+  - 역사적 고찰 세기 교수법 초급 피아노 교수법 기초 및 유아과정 중급
+  - 발전과제 학교문화와 풍토 주교재 장 학교문화의 개념 및 특징 조직문화 이론Ouchi의
 ---
 
-# SentenceTransformer based on jhgan/ko-sroberta-multitask
+# SentenceTransformer based on jh8416/my_ewha_model_2024_1
 
-This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [jhgan/ko-sroberta-multitask](https://huggingface.co/jhgan/ko-sroberta-multitask). 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.
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [jh8416/my_ewha_model_2024_1](https://huggingface.co/jh8416/my_ewha_model_2024_1). 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:** [jhgan/ko-sroberta-multitask](https://huggingface.co/jhgan/ko-sroberta-multitask) <!-- at revision ab957ae6a91e99c4cad36d52063a2a9cf1bf4419 -->
+- **Base model:** [jh8416/my_ewha_model_2024_1](https://huggingface.co/jh8416/my_ewha_model_2024_1) <!-- at revision b97ea2a0717427f085226fd9284f2d5b4a7c1b8c -->
 - **Maximum Sequence Length:** 128 tokens
 - **Output Dimensionality:** 768 tokens
 - **Similarity Function:** Cosine Similarity
@@ -88,9 +89,9 @@ from sentence_transformers import SentenceTransformer
 model = SentenceTransformer("jh8416/my_ewha_model_2024_1")
 # Run inference
 sentences = [
-    '제공 예정 총정리 발표수업 및 환자 증례 연구 발표수업 및 환자',
-    '약물 경제 분석의 경제적 이론 환자 치료의 약물 경제 개념 이해',
-    '제장 환경정책 목표와 방향 환경철학 정치체제 정부통제 시민참여 경제성장 의지 등',
+    '제작 과정 이해 및 실습 석고 몰드 캐스팅 기법을 이용한 개별',
+    '선거 Mould 제작 Slip Casting 석고원형 제작 원형완성 및 검사 Project',
+    '발전과제 학교문화와 풍토 주교재 장 학교문화의 개념 및 특징 조직문화 이론Ouchi의',
 ]
 embeddings = model.encode(sentences)
 print(embeddings.shape)
@@ -145,19 +146,19 @@ You can finetune this model on your own dataset.
 #### Unnamed Dataset
 
 
-* Size: 43,333 training samples
+* Size: 97,764 training samples
 * Columns: <code>sentence_0</code> and <code>sentence_1</code>
 * Approximate statistics based on the first 1000 samples:
-  |         | sentence_0                                                                        | sentence_1                                                                       |
-  |:--------|:----------------------------------------------------------------------------------|:---------------------------------------------------------------------------------|
-  | type    | string                                                                            | string                                                                           |
-  | details | <ul><li>min: 3 tokens</li><li>mean: 18.12 tokens</li><li>max: 47 tokens</li></ul> | <ul><li>min: 3 tokens</li><li>mean: 17.7 tokens</li><li>max: 46 tokens</li></ul> |
+  |         | sentence_0                                                                        | sentence_1                                                                        |
+  |:--------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                            |
+  | details | <ul><li>min: 6 tokens</li><li>mean: 17.88 tokens</li><li>max: 30 tokens</li></ul> | <ul><li>min: 3 tokens</li><li>mean: 18.09 tokens</li><li>max: 41 tokens</li></ul> |
 * Samples:
-  | sentence_0                                                 | sentence_1                                                 |
-  |:-----------------------------------------------------------|:-----------------------------------------------------------|
-  | <code>국가 비전 대집단체조와 예술공연 빛나는 조국 인민의 나라 분석 우리 국가제일주의의</code> | <code>토론 이동기 독일 통일된 조국 년 동독의 민주주의혁명과 통일문제의 관계</code>       |
-  | <code>국가 비전 대집단체조와 예술공연 빛나는 조국 인민의 나라 분석 우리 국가제일주의의</code> | <code>대표 콘텐츠 대집단체조와 예술공연 빛나는 조국 관현악 빛나는 조국 가요 조국찬가</code>  |
-  | <code>국가 비전 대집단체조와 예술공연 빛나는 조국 인민의 나라 분석 우리 국가제일주의의</code> | <code>사랑의 노래 람메르무어의 루치아 사랑과 조국 사이에서의 갈등 아이다 독일 오페라의</code> |
+  | sentence_0                                            | sentence_1                                                   |
+  |:------------------------------------------------------|:-------------------------------------------------------------|
+  | <code>자신을 닫아놓으면서도 다른 한 편으론 보석처럼 반짝이는 돌은 매력이 있다</code> | <code>작품의 용도 설정 보석함 필구함 기타 IV</code>                         |
+  | <code>자신을 닫아놓으면서도 다른 한 편으론 보석처럼 반��이는 돌은 매력이 있다</code> | <code>발표 및 제출인쇄물A포맷 도안밑그림 이미지 크기보석함과 기타 함의 크기를 기준으로 함</code> |
+  | <code>자신을 닫아놓으면서도 다른 한 편으론 보석처럼 반짝이는 돌은 매력이 있다</code> | <code>밑그림에 채색 및 기법 표시 보석함 크기외경 xx</code>                     |
 * Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
   ```json
   {
@@ -294,11 +295,18 @@ You can finetune this model on your own dataset.
 ### Training Logs
 | Epoch  | Step | Training Loss |
 |:------:|:----:|:-------------:|
-| 0.1846 | 500  | 0.8337        |
-| 0.3691 | 1000 | 0.3327        |
-| 0.5537 | 1500 | 0.2449        |
-| 0.7383 | 2000 | 0.1925        |
-| 0.9228 | 2500 | 0.1637        |
+| 0.0818 | 500  | 1.0712        |
+| 0.1636 | 1000 | 0.9295        |
+| 0.2455 | 1500 | 0.8423        |
+| 0.3273 | 2000 | 0.8157        |
+| 0.4091 | 2500 | 0.794         |
+| 0.4909 | 3000 | 0.7058        |
+| 0.5727 | 3500 | 0.6726        |
+| 0.6546 | 4000 | 0.6664        |
+| 0.7364 | 4500 | 0.6302        |
+| 0.8182 | 5000 | 0.6029        |
+| 0.9000 | 5500 | 0.5936        |
+| 0.9818 | 6000 | 0.5873        |
 
 
 ### Framework Versions

config.json

@@ -1,5 +1,5 @@
 {
-  "_name_or_path": "my_trained_univ_model",
+  "_name_or_path": "jh8416/my_ewha_model_2024_1",
   "architectures": [
     "RobertaModel"
   ],
@@ -25,5 +25,5 @@
   "transformers_version": "4.43.3",
   "type_vocab_size": 1,
   "use_cache": true,
-  "vocab_size": 40525
+  "vocab_size": 42735
 }

model.safetensors

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:f55b3b1c435fbed1c12768fd4156ece67b204387b22cbdf48a7a22a5c7b7f3dd
-size 468683624
+oid sha256:78ce706e526ed64fc91e01e555ec972794c13c9db66023a1c6d80a0d69d1cabe
+size 475472744