--- base_model: intfloat/multilingual-e5-base datasets: - rztk/rozetka_positive_pairs language: [] library_name: sentence-transformers metrics: - dot_accuracy@1 - dot_accuracy@3 - dot_accuracy@5 - dot_accuracy@10 - dot_precision@1 - dot_precision@3 - dot_precision@5 - dot_precision@10 - dot_recall@1 - dot_recall@3 - dot_recall@5 - dot_recall@10 - dot_ndcg@10 - dot_mrr@10 - dot_map@100 - dot_ndcg@1 - dot_mrr@1 pipeline_tag: sentence-similarity tags: - sentence-transformers - sentence-similarity - feature-extraction - generated_from_trainer - dataset_size:44800 - loss:RZTKMatryoshka2dLoss widget: - source_sentence: папка планшет sentences: - СифониAlcaplastГарантія24 місяці офіційної гарантії від виробникаКількість вантажних місць1Країна-виробник товаруЧехіяПризначенняДля душових піддонівМатеріалПластикВидПляшковийПід'єднані до пральної машиниНемаєКолірБілий + ХромТипСифонТегинедорогий сифонвідкривання/перекриття зливних отворівНеперекривнийРізновид гідрозатвораМокрий (без мембрани)Діаметр під'єднання90 ммДіаметр патрубка в каналізацію40 ммПереливанняБез функції переливуТип гарантійного талонаГарантія по чекуДоставка PremiumДоставкаДоставка в магазини ROZETKA - Сифон для душевого поддона ALCA PLAST A49CR (8594045930627) - Папки-планшетыiTEMФорматA4МатериалКартонСтрана регистрации брендаУкраинаСтрана-производитель товараУкраина - source_sentence: вино игристое sentences: - Женские резиновые сапоги Demar HAWAI LADY 0076V 36 (23.8 см) Черные (5901232011374) - Верстак складной Ryobi RWB01 - Вино ігристе Adamanti біле напівсолодке 0.75 л 12.5% (4860004073259) - source_sentence: елка искуственная sentences: - Підставки та столики для ноутбуківUFTВидСтоликиОхолодженняАктивнеМаксимальна діагональ ноутбука16"КолірСинійМатеріалМеталКількість вантажних місць1 - Декоративная елка, 90см (122-F12) - Конструктор LEGO Minecraft Гарбузова ферма 257 деталей (21248) - source_sentence: переходник sentences: - Штучна ялинка «Ніка» 1.8 м - Набір інструментів NEO торцевих головок 108 шт., 1, 4, 1/2 "CrV (08-666) - Кабели и адаптерыProtechГарантия6 месяцевДлина0.2 мТипАдаптеры (Переходники)Количество грузовых мест1Страна регистрации брендаКитайСтрана-производитель товараКитайЦветСеребристыйТип гарантийного талонаГарантия по чекуДоставка PremiumТип коннектора 1USB Type-CТип коннектора 2USB - source_sentence: поилка для детей sentences: - Шафа розпашній Fenster Оксфорд Лагуна - Аксессуары для наушниковArmorStandartГарантия14 днейТип наушниковВкладышиВидЧехлыЦветDark GreenКоличество грузовых мест1Страна регистрации брендаУкраинаСтрана-производитель товараКитайТип гарантийного талонаГарантия по чекуМатериалСиликонДоставка PremiumСовместимая серияApple AirPodsДоставкаДоставка в магазины ROZETKA - Поїльники та непроливайкиNukСтать дитиниХлопчикСтать дитиниДівчинкаКількість вантажних місць1Країна реєстрації брендаНімеччинаКраїна-виробник товаруНімеччинаОб'єм, мл300МатеріалПластикКолірБлакитнийТипПоїльникТип гарантійного талонаГарантія по чекуДоставка Premium model-index: - name: SentenceTransformer based on intfloat/multilingual-e5-base results: - task: type: information-retrieval name: Information Retrieval dataset: name: rusisms uk title type: rusisms-uk-title metrics: - type: dot_accuracy@1 value: 0.5428571428571428 name: Dot Accuracy@1 - type: dot_accuracy@3 value: 0.6888888888888889 name: Dot Accuracy@3 - type: dot_accuracy@5 value: 0.7492063492063492 name: Dot Accuracy@5 - type: dot_accuracy@10 value: 0.8 name: Dot Accuracy@10 - type: dot_precision@1 value: 0.5428571428571428 name: Dot Precision@1 - type: dot_precision@3 value: 0.5216931216931217 name: Dot Precision@3 - type: dot_precision@5 value: 0.5034920634920634 name: Dot Precision@5 - type: dot_precision@10 value: 0.47682539682539676 name: Dot Precision@10 - type: dot_recall@1 value: 0.009248137199056617 name: Dot Recall@1 - type: dot_recall@3 value: 0.023803562659985587 name: Dot Recall@3 - type: dot_recall@5 value: 0.03509680885707945 name: Dot Recall@5 - type: dot_recall@10 value: 0.05987127144737185 name: Dot Recall@10 - type: dot_ndcg@10 value: 0.4936504584984999 name: Dot Ndcg@10 - type: dot_mrr@10 value: 0.6286608717561099 name: Dot Mrr@10 - type: dot_map@100 value: 0.14035920755466383 name: Dot Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: 'rusisms uk title matryoshka dim 768 ' type: rusisms-uk-title--matryoshka_dim-768-- metrics: - type: dot_accuracy@1 value: 0.1619047619047619 name: Dot Accuracy@1 - type: dot_precision@1 value: 0.1619047619047619 name: Dot Precision@1 - type: dot_recall@1 value: 0.0020219082190057404 name: Dot Recall@1 - type: dot_ndcg@1 value: 0.1619047619047619 name: Dot Ndcg@1 - type: dot_mrr@1 value: 0.1619047619047619 name: Dot Mrr@1 - type: dot_map@100 value: 0.02128340409566104 name: Dot Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: 'rusisms uk title matryoshka dim 512 ' type: rusisms-uk-title--matryoshka_dim-512-- metrics: - type: dot_accuracy@1 value: 0.14603174603174604 name: Dot Accuracy@1 - type: dot_precision@1 value: 0.14603174603174604 name: Dot Precision@1 - type: dot_recall@1 value: 0.0016964404522008209 name: Dot Recall@1 - type: dot_ndcg@1 value: 0.14603174603174604 name: Dot Ndcg@1 - type: dot_mrr@1 value: 0.14603174603174604 name: Dot Mrr@1 - type: dot_map@100 value: 0.015212846443877073 name: Dot Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: 'rusisms uk title matryoshka dim 256 ' type: rusisms-uk-title--matryoshka_dim-256-- metrics: - type: dot_accuracy@1 value: 0.10158730158730159 name: Dot Accuracy@1 - type: dot_precision@1 value: 0.10158730158730159 name: Dot Precision@1 - type: dot_recall@1 value: 0.0012653450153450154 name: Dot Recall@1 - type: dot_ndcg@1 value: 0.10158730158730159 name: Dot Ndcg@1 - type: dot_mrr@1 value: 0.10158730158730159 name: Dot Mrr@1 - type: dot_map@100 value: 0.011952854173853285 name: Dot Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: 'rusisms uk title matryoshka dim 128 ' type: rusisms-uk-title--matryoshka_dim-128-- metrics: - type: dot_accuracy@1 value: 0.05396825396825397 name: Dot Accuracy@1 - type: dot_precision@1 value: 0.05396825396825397 name: Dot Precision@1 - type: dot_recall@1 value: 0.0007494719994719994 name: Dot Recall@1 - type: dot_ndcg@1 value: 0.05396825396825397 name: Dot Ndcg@1 - type: dot_mrr@1 value: 0.05396825396825397 name: Dot Mrr@1 - type: dot_map@100 value: 0.0053781586003166125 name: Dot Map@100 --- # 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 [rztk/rozetka_positive_pairs](https://huggingface.co/datasets/rztk/rozetka_positive_pairs) 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) - **Maximum Sequence Length:** 512 tokens - **Output Dimensionality:** 768 tokens - **Similarity Function:** Cosine Similarity - **Training Dataset:** - [rztk/rozetka_positive_pairs](https://huggingface.co/datasets/rztk/rozetka_positive_pairs) ### 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("sentence_transformers_model_id") # Run inference sentences = [ 'поилка для детей', "Поїльники та непроливайкиNukСтать дитиниХлопчикСтать дитиниДівчинкаКількість вантажних місць1Країна реєстрації брендаНімеччинаКраїна-виробник товаруНімеччинаОб'єм, мл300МатеріалПластикКолірБлакитнийТипПоїльникТип гарантійного талонаГарантія по чекуДоставка Premium", 'Шафа розпашній Fenster Оксфорд Лагуна', ] 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 #### Information Retrieval * Dataset: `rusisms-uk-title` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:-----------------|:-----------| | dot_accuracy@1 | 0.5429 | | dot_accuracy@3 | 0.6889 | | dot_accuracy@5 | 0.7492 | | dot_accuracy@10 | 0.8 | | dot_precision@1 | 0.5429 | | dot_precision@3 | 0.5217 | | dot_precision@5 | 0.5035 | | dot_precision@10 | 0.4768 | | dot_recall@1 | 0.0092 | | dot_recall@3 | 0.0238 | | dot_recall@5 | 0.0351 | | dot_recall@10 | 0.0599 | | dot_ndcg@10 | 0.4937 | | dot_mrr@10 | 0.6287 | | **dot_map@100** | **0.1404** | #### Information Retrieval * Dataset: `rusisms-uk-title--matryoshka_dim-768--` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:----------------|:-----------| | dot_accuracy@1 | 0.1619 | | dot_precision@1 | 0.1619 | | dot_recall@1 | 0.002 | | dot_ndcg@1 | 0.1619 | | dot_mrr@1 | 0.1619 | | **dot_map@100** | **0.0213** | #### Information Retrieval * Dataset: `rusisms-uk-title--matryoshka_dim-512--` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:----------------|:-----------| | dot_accuracy@1 | 0.146 | | dot_precision@1 | 0.146 | | dot_recall@1 | 0.0017 | | dot_ndcg@1 | 0.146 | | dot_mrr@1 | 0.146 | | **dot_map@100** | **0.0152** | #### Information Retrieval * Dataset: `rusisms-uk-title--matryoshka_dim-256--` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:----------------|:----------| | dot_accuracy@1 | 0.1016 | | dot_precision@1 | 0.1016 | | dot_recall@1 | 0.0013 | | dot_ndcg@1 | 0.1016 | | dot_mrr@1 | 0.1016 | | **dot_map@100** | **0.012** | #### Information Retrieval * Dataset: `rusisms-uk-title--matryoshka_dim-128--` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:----------------|:-----------| | dot_accuracy@1 | 0.054 | | dot_precision@1 | 0.054 | | dot_recall@1 | 0.0007 | | dot_ndcg@1 | 0.054 | | dot_mrr@1 | 0.054 | | **dot_map@100** | **0.0054** | ## Training Details ### Training Dataset #### rztk/rozetka_positive_pairs * Dataset: [rztk/rozetka_positive_pairs](https://huggingface.co/datasets/rztk/rozetka_positive_pairs) * Size: 44,800 training samples * Columns: query and text * Approximate statistics based on the first 1000 samples: | | query | text | |:--------|:---------------------------------------------------------------------------------|:------------------------------------------------------------------------------------| | type | string | string | | details | | | * Samples: | query | text | |:-----------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | p smart z | TPU чехол Ultrathin Series 0,33 mm для Huawei P Smart Z Безбарвний (прозорий) | | p smart z | Чохли для мобільних телефонівМатеріалСиліконКолірTransparentСумісна модельP Smart Z | | p smart z | TPU чехол Ultrathin Series 0,33mm для Huawei P Smart Z Бесцветный (прозрачный) | * Loss: sentence_transformers_training.model.matryoshka2d_loss.RZTKMatryoshka2dLoss with these parameters: ```json { "loss": "RZTKMultipleNegativesRankingLoss", "n_layers_per_step": 1, "last_layer_weight": 1.0, "prior_layers_weight": 1.0, "kl_div_weight": 1.0, "kl_temperature": 0.3, "matryoshka_dims": [ 768, 512, 256, 128 ], "matryoshka_weights": [ 1, 1, 1, 1 ], "n_dims_per_step": 1 } ``` ### Evaluation Dataset #### rztk/rozetka_positive_pairs * Dataset: [rztk/rozetka_positive_pairs](https://huggingface.co/datasets/rztk/rozetka_positive_pairs) * Size: 4,480 evaluation samples * Columns: query and text * Approximate statistics based on the first 1000 samples: | | query | text | |:--------|:---------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------| | type | string | string | | details | | | * Samples: | query | text | |:------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | кошелек женский | Портмоне BAELLERRY Forever N2345 Черный (020354) | | кошелек женский | ГаманціBaellerryДля когоДля жінокВидПортмонеМатеріалШтучна шкіраКраїна-виробник товаруКитай | | кошелек женский | Портмоне BAELLERRY Forever N2345 Черный (020354) | * Loss: sentence_transformers_training.model.matryoshka2d_loss.RZTKMatryoshka2dLoss with these parameters: ```json { "loss": "RZTKMultipleNegativesRankingLoss", "n_layers_per_step": 1, "last_layer_weight": 1.0, "prior_layers_weight": 1.0, "kl_div_weight": 1.0, "kl_temperature": 0.3, "matryoshka_dims": [ 768, 512, 256, 128 ], "matryoshka_weights": [ 1, 1, 1, 1 ], "n_dims_per_step": 1 } ``` ### Training Hyperparameters #### Non-Default Hyperparameters - `eval_strategy`: steps - `per_device_train_batch_size`: 112 - `per_device_eval_batch_size`: 112 - `torch_empty_cache_steps`: 30 - `learning_rate`: 2e-05 - `num_train_epochs`: 1.0 - `warmup_ratio`: 0.1 - `bf16`: True - `bf16_full_eval`: True - `tf32`: True - `dataloader_num_workers`: 2 - `load_best_model_at_end`: True - `optim`: adafactor - `push_to_hub`: True #### All Hyperparameters
Click to expand - `overwrite_output_dir`: False - `do_predict`: False - `eval_strategy`: steps - `prediction_loss_only`: True - `per_device_train_batch_size`: 112 - `per_device_eval_batch_size`: 112 - `per_gpu_train_batch_size`: None - `per_gpu_eval_batch_size`: None - `gradient_accumulation_steps`: 1 - `eval_accumulation_steps`: None - `torch_empty_cache_steps`: 30 - `learning_rate`: 2e-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`: 1.0 - `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`: True - `fp16`: False - `fp16_opt_level`: O1 - `half_precision_backend`: auto - `bf16_full_eval`: True - `fp16_full_eval`: False - `tf32`: True - `local_rank`: 0 - `ddp_backend`: None - `tpu_num_cores`: None - `tpu_metrics_debug`: False - `debug`: [] - `dataloader_drop_last`: True - `dataloader_num_workers`: 2 - `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`: adafactor - `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`: True - `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 - `batch_sampler`: batch_sampler - `multi_dataset_batch_sampler`: proportional - `ddp_static_graph`: False - `ddp_comm_hook`: bf16 - `gradient_as_bucket_view`: False
### Training Logs | Epoch | Step | Training Loss | loss | rusisms-uk-title--matryoshka_dim-128--_dot_map@100 | rusisms-uk-title--matryoshka_dim-256--_dot_map@100 | rusisms-uk-title--matryoshka_dim-512--_dot_map@100 | rusisms-uk-title--matryoshka_dim-768--_dot_map@100 | rusisms-uk-title_dot_map@100 | |:-------:|:------:|:-------------:|:----------:|:--------------------------------------------------:|:--------------------------------------------------:|:--------------------------------------------------:|:--------------------------------------------------:|:----------------------------:| | 0.1 | 10 | 6.6103 | - | - | - | - | - | - | | 0.2 | 20 | 5.524 | - | - | - | - | - | - | | 0.3 | 30 | 4.759 | 3.6444 | - | - | - | - | - | | 0.4 | 40 | 4.5195 | - | - | - | - | - | - | | 0.5 | 50 | 3.6598 | - | - | - | - | - | - | | 0.6 | 60 | 3.7912 | 2.8962 | - | - | - | - | - | | 0.7 | 70 | 3.9935 | - | - | - | - | - | - | | 0.8 | 80 | 3.3929 | - | - | - | - | - | - | | **0.9** | **90** | **3.6101** | **2.6889** | **-** | **-** | **-** | **-** | **-** | | 1.0 | 100 | 3.8753 | - | 0.0054 | 0.0120 | 0.0152 | 0.0213 | 0.1404 | * The bold row denotes the saved checkpoint. ### Framework Versions - Python: 3.12.6 - Sentence Transformers: 3.0.1 - Transformers: 4.45.1 - PyTorch: 2.4.1 - Accelerate: 0.34.2 - Datasets: 3.0.0 - Tokenizers: 0.20.0 ## 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", } ```