Hugging Face's logo

seongil-dn
/
bge-m3-kor-retrieval-451949-bs64-admin

Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:451949
loss:CachedMultipleNegativesRankingLoss
text-embeddings-inference
Inference Endpoints
Model card Files Community
bge-m3-kor-retrieval-451949-bs64-admin / README.md
seongil-dn's picture
seongil-dn
Add new SentenceTransformer model
1315624 verified
preview code
|
raw
history blame contribute delete
43.6 kB
metadata
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:451949
  - loss:CachedMultipleNegativesRankingLoss
base_model: BAAI/bge-m3
widget:
  - source_sentence: 누가 산업부와 함께 지속가능경영 실태조사를 하고 있어?
    sentences:
      - >-
        산업부와 환경부, 정책공조를 위한 실질적 첫걸음 ! - 양 부처 실무협의회 개최, 구체적 현안 논의 -

        □ 산업통상자원부(장관: 윤상직, 이하 ‘산업부’)와 환경부(장관: 윤성규)는 7월 8일(월),『제1차 산업부-환경부
        실무협의회』를 개최하고 양 부처간 주요 현안에 대해 논의하였음

        ㅇ 양 부처는 지난 5월 21일 양 부처 차관 주재로 정례적 협의 채널인『융합행정협의회』를 설치하고 4대 분야별* 실무협의회를
        구성하기로 합의한 바 있고, 이번 회의는 그 후속조치로서 열린 것임 * 환경규제․지원협력, 자원순환사회 구축, 지속가능한
        에너지수급, 온실가스 감축

        < 제1차 산업부-환경부 실무협의회 개요 >

        ◇ 참석

        - (산업부) 산업정책실장, 산업정책관, 에너지절약추진단장 등

        - (환경부) 환경정책실장, 자원순환국장, 기후대기정책관 등

        ◇ 일시/장소 : 2013. 7. 8.(월) 16:30 / 한국생산성본부

        ◇ 논의대상 : 자원순환사회 구축, 온실가스 감축 분야
      - >-
        환경부, 대구시 등 하수도 운영 우수 지자체 8곳 선정

        최우수 공공하수도관리청 평가 현황

         Ⅰ그룹 1위 : 대구광역시

        ○ 하수처리시설 유입수질이 121%로 높음에도 불구하고, 방류수질을 기준 이내로 양호하게 관리하는 한편, 특·광역시 평균
        하수찌꺼기 감량화율 41.4%에 비해 월등히 높은 66.7%를 기록하였음

         Ⅱ그룹 1위 : 경기 부천시

        ○ 부천시는 기술자격증 보유율 92%, 운영요원 총 교육시간 74.7시간 등으로 현장 기술인력에 대한 관리를 잘 하고 있으며,
        하수찌꺼기를 소각하여 복토재 및 벽돌보조제 등으로 전량 재활용하고 있음

         Ⅲ그룹 1위 : 충북 제천시

        ○ 지자체가 직영하는 곳으로서 하수처리수 재이용율 21%, 중수도 및 빗물이용시설 가동율 52%, 에너지 자립율 32.1%로
        우수하였음

         Ⅳ그룹 1위 : 경북 성주군

        ○ 성주군은 방류수량의 75%를 습지로 유입시켜 주민친화시설로 운영하고, 특히, 소규모 시설 유지·관리가 양호(T-N
        5.8mg/L, T-P 0.6mg/L) 하며, 하수찌꺼기는 전량 퇴비로 재활용한 점이 돋보였음
      - "지속가능경영, 지난 10년을 되돌아보다 - 2013년 지속가능경영 실태조사 결과 발표\x02\n1. 10년차를 맞이한 지속가능경영 실태조사\nㅇ 산업부는 지난 ’03년부터 지속가능경영에 대한 국내 산업계의 인식을 제고하기 위한「지속가능경영실태조사*」를 산업정책연구원과 함께 실시 중\n* 2003년 ‘윤리경영 실태조사’로 시작한 본 조사는 2008년부터 ‘비전’.‘환경경영’의 평가요소가 추가된 ‘지속가능경영실태조사’로 확대․개편\nㅇ 지속가능경영실태조사 결과는 ‘대한민국 사랑받는 기업 정부포상’ 선정에 반영되고, 일부 기업은 핵심성과지표(KPI)로 활용하는 등 산업계 전반의 지속가능경영 문화 확산에 기여함"
  - source_sentence: 4차 가습기살균제 피해는 어느 기관에서 신청받지?
    sentences:
      - >-
        가습기살균제 피해 지원, 지자체와 함께 한다! □ 환경부(장관 윤성규)는 지자체와 함께 가습기살균제 피해접수창구 마련, 피해자
        찾기 홍보를 중점적으로 추진한다. ○ 이와 관련, 환경부는 지난 5월 27일 정부세종청사에서 전국 17개 시․도 지자체 담당자와
        가습기살균제 피해자 대책에 관해 논의했다. □ 환경부는 지자체에서 피해자 신청 접수를 받을 경우, 정부가 규정한 서류가 제대로
        제출됐는지 여부를 꼼꼼히 확인해서 한국환경산업 기술원에 전달해 줄 것을 지자체에 당부했다. ○ 현재 가습기살균제 피해 조사를
        한국환경산업기술원에 신청할 때에는 신청서와 신분증사본, 개인정보 수집·이용 및 제공 동의서, 사망진단서(사망자), 진료기록부를
        필히 제출하고, 기타 폐질환 입증을 위해 영상자료 등도 제출하도록 규정하고 있다. ○ 환경부는 피해의심 당시의
        컴퓨터단층촬영(CT)과 같은 검사결과는 피해의 인과관계를 보다 정확하게 판정할 수 있는 자료이기에 누락되지 않도록 특별히 확인해
        달라고 지자체에 요청했다. ○ 현재 지자체 중에서 자체적으로 피해 접수창구를 운영하는 곳은 광역지자체의 경우 경기, 전북, 전남,
        광주광역시 4곳이며, 기초 지자체는 성남시 1곳이다. 해당 지자체의 연락처는 다음과 같다. □ 또한, 효과적인 가습기살균제 피해자
        찾기를 위해 지자체는 누리집(홈페이지)과 반상회보 등을 통해 ‘가습기살균제 신청접수’를 홍보하고 동영상, 안내 책자 등을 환경부와
        공유‧홍보하기로 했다. □ *** 환경부 환경보건정책과장은 “지자체의 적극적인 참여가 있을 경우 보다 효율적인 피해자 찾기가
        가능할 것으로 기대한다”고 밝혔다.
      - >-
        환경부, 4차 가습기살균제 피해 신청 접수할 계획

        □ 환경부(장관 윤성규)는 가습기살균제에 대한 피해조사 신청에 대한 추가접수를 재개하고, 현재 진행 중인 3차 신청자 조사 및
        판정도 조속히 마무리할 계획이라고 밝혔다. □ 4차 피해조사 신청 접수

        ㅇ 현재 환경부는 4차 피해조사 신청접수 예정이며, 5월중으로 관련 고시*를 개정할 계획이다. * 가습기살균제에 사용된 화학물질로
        인한 폐질환의 인정 및 지원기준 등에 관한 고시

        ㅇ 추가 신청을 원하는 분들은 신청서와 함께 개인정보 수집·이용 및 제공동의서, 신분증 사본, 진료기록부, X-Ray, CT 등
        의료기관의 진단자료를 준비하여 한국환경산업기술원에 신청하면 된다(02-3800-575)

        ※ 인터넷 홈페이지 : http://www.keiti.re.kr/wat/page12.html

        □ 가습기살균제 피해 3차 조사를 앞당겨 마무리

        ㅇ 지난 연말 마감된 3차 접수에서는 총 752명 신청을 하여 현재 서울아산병원을 중심으로 조사와 판정이 진행되고 있다.

        ㅇ 환경부는 조사기관과 협력하여 진료기록부, X-Ray, CT 등의 증빙서류를 제출한 신청자들은 금년말까지 조사를 끝마치고,
        증빙서류 제출이 미비한 신청자들은 ‘17년말까지 조사를 완료할 계획이다. ※ 3차 피해 조사 신청자 752명 중 458명이
        증빙서류 없이 신청서만 제출

        □ 가습기살균제 건강영향 조사·연구 확대

        ㅇ 환경부는 서울아산병원을 환경보건센터로 지정(‘15.4월), 기 조사·판정된 피해자들에 대한 건강모니터링 등을 통하여 폐 이외의
        건강피해 가능성을 조사·연구하고 있으며, 해당 분야에 대한 진단·판정기준이 마련될 경우 지원 대상을 확대할 계획이다.

        ㅇ 올해부터는 건강보험공단 등이 보유하고 있는 피해자 건강정보 자료를 확보하여 피해가능성을 보다 심층적으로 연구하고, 가습기
        살균제 유해성분에 의한 폐손상과 관련된 질환 발생 메카니즘 규명과 건강영향평가 연구(R&D)도 함께 추진하고 있다.
      - >-
        세계 13개 국가 고위공무원 한국 전자정부 배우러 방한 - 행자부, 전자정부 수출확대를 위한 개도국 공무원 초청연수 실시 -

        □ 이번 연수는 7일 오전 정부서울청사에서 *** 전자정부 국장 주재 입교식을 시작으로 한국정보화진흥원 주관하에 지능형교통시스템,
        관세통관시스템 우수사례 공유, 수출기업 비즈니스 미팅, 정부통합전산센터 방문 등으로 진행된다. - 아울러 연수자들은 전자정부
        교육프로그램과 함께 부산에서 열리는 정부3.0 체험마당 및 글로벌포럼에 참여해 한국이 디지털 기반 행정혁신으로 추진해 온 사례를
        직접 체험하게 된다. □ 이날 입교식에서 이인재 행정자치부 전자정부 국장은 “전자정부의 성공 경험을 세계와 공유할 것이며,
        전자정부의 혜택을 다른 국가 국민들도 누릴 수 있도록 전자정부 선도국으로서의 국제적 책무 (Nobless Oblige)도
        적극적으로 수행할 것”이라고 말했다. □ 행정자치부는 이번 초청연수 과정에 참석한 국가로부터 전자정부 협력 수요를 받아 국가별
        교류협력 방안을 수립하는 등 향후에도 지속적인 전자정부 협력을 추진할 계획이다.
  - source_sentence: 몇 개의 업체가 수요기업협의체에 참여하니?
    sentences:
      - >-
        산업부 – 중견기업간『성과공유제 자율추진 협약식』개최<br>성과공유제 도입기업 현황<br>2013년7월5일기준<br>성과공유제
        도입기업(85社)<br>◦ 공공기관(31社) <table><tbody><tr><td>공기업(19)</td><td>한국수자원공사,
        한국남동발전, 한국전력공사, 인천국제공항공사, 한국남부발전, 한국중부발전, 한국서부발전, 한국동서발전, 한국토지주택공사,
        한국가스공사, 한국공항공사, 한국마사회, 한국철도공사, 한국지역난방공사, 한국석유공사, 한국조폐공사, 한국수력원자력,
        인천항만공사, 한국전력기술</td></tr><tr><td>준정부기관(6)</td><td>한국철도시설공단, 한국환경공단,
        한국인터넷진흥원, 도로교통공단, 한국디자인진흥원,
        교통안전공단</td></tr><tr><td>기타공공기관(6)</td><td>수도권매립지관리공사, 한전원자력연료, 한전KPS,
        인천종합에너지, 주택관리공단, 한전KDN</td></tr></tbody></table>
      - >-
        질병관리본부, 2017년 지역사회건강조사 결과 발표

        □ 질병관리본부(본부장 정은경)는 만 19세 이상 성인을 대상으로 조사한 『2017년 지역사회건강조사』주요결과를 발표했다. □
        주요 지표별 조사결과는 다음과 같다. ○ (현재흡연율) 2017년 21.2%로 2008년 대비 4.2%p 감소, 전년대비
        0.7%p 감소

        - 전년보다 증가한 지역 수는 91개, 감소한 지역 수는 158개

        ○ (남자 현재흡연율) 2017년 39.3%로 2008년 대비 8.5%p 감소, 전년대비 1.3%p 감소

        - 전년보다 증가한 지역 수는 90개, 감소한 지역 수는 160개

        ○ (연간음주자의 고위험음주율) 2017년 18.4%로 2008년 대비 0.2%p 감소,

        전년대비 0.4%p 증가

        - 전년보다 증가한 지역 수는 147개, 감소한 지역 수는 106개

        ○ (걷기 실천율) 2017년 45.4%로 2008년 대비 6.0%p 감소, 전년대비 2.0%p 증가

        - 전년보다 증가한 지역 수는 155개, 감소한 지역 수는 97
      - >-
        정부, ’15년 기후변화대응 기술혁신 Best of Best-10 발표 - 기후변화대응 6대 핵심기술로 에너지 신산업 창출 뒷받침
        -

        □ 정부는 이번에 선정된 10대 대표 성과를 그 성격에 따라 기술 상용화 촉진, 정부 주도의 사업 및 민간 부문 적용, 해외로의
        기술수출 등을 집중 지원할 계획이다.

        ㅇ 혁신성이 커서 상용화 시 세계 시장을 주도할 수 있는 성과는 200여개 기업이 참여하는 수요기업협의체를 통한 기업과의 협력,
        출연(연) TLO 등 전문기관을 통한 기술 사업화 등을 지원하여 상용화를 촉진한다. ※ ▴세계 최고효율의 무·유기
        태양전지(상용화를 위한 R&D 강화(’15년 35억원 → ’16년 55억원), ▴전력생산을 40% 향상시키는 연료전지
        소자(양산공정 후속 연구 지원), ▴초고온 고세균 바이오수소 생산 기술(현재 1톤 → 10톤 규모의 실증 지원) 등

        ㅇ 국내·외 온실가스 감축을 위해 단시일 내 적용 가능한 성과는 정부의 실증 사업과 공공 보급 사업에 우선 활용하고, 지역별
        창조경제혁신센터를 통해 신시장 창출을 지원한다. ※ ▴건물 창호용 반투명 태양전지(진천 친환경에너지타운 실증 추진,
        충북창조경제혁신센터를 통한 중소기업 기술이전 및 창업지원), ▴가사도 에너지자립섬(국내 도서지역으로 확대), ▴전기자동차용
        이차전지 수명향상 기술(광주창조경제혁신센터를 통한 산학연 공동연구 및 수소펀드(150억원) 지원) 등

        ㅇ 향후 新기후체제에 대응한 한·EU, 한·미 과기공동위 등을 통한 국제 공동 연구, UN의 기술메커니즘(Climate
        Technology Center & Network) 참여 시에도 10대 대표 성과를 우선 포함할 계획이다. ※ ▴가사도
        에너지자립섬(KOTRA 및 국제기금을 활용한 수출산업화 지원), ▴생산성을 3배 높인 바이오부탄올 생산 기술(유엔기후변화협약
        기술협력 네트워크(CTCN)사업 대상), ▴미세조류를 이용한 CO2 자원화(한·EU 등 공동연구 프로젝트)
  - source_sentence: 2013년 강원도 선정 유망중소기업 중 철못 결속선이 주생산품인 회사는 어디니?
    sentences:
      - >-
        강원도 백년기업 현황(2012~2016) (17개)
        <table><tbody><tr><td>연도별</td><td>기업명</td><td>소재지</td><td>주생산품</td><td>대표자</td><td>비고</td></tr><tr><td
        rowspan='8'>2012<br>(8개)
        </td><td>㈜하나식품</td><td>춘천</td><td>어묵</td><td>오성례</td><td>
        </td></tr><tr><td>㈜뉴보텍</td><td>원주</td><td>배관자재</td><td>한거희</td><td>
        </td></tr><tr><td>㈜장성산업</td><td>원주</td><td>콘크리트블록</td><td>김천수</td><td>
        </td></tr><tr><td>21세기기업㈜</td><td>강릉</td><td>자동차부품</td><td>이규환</td><td>
        </td></tr><tr><td>강릉초당두부</td><td>강릉</td><td>두부</td><td>최선윤</td><td>
        </td></tr><tr><td>금한산업</td><td>강릉</td><td>조미오징어</td><td>김경은</td><td>
        </td></tr><tr><td>삼영수산</td><td>강릉</td><td>조미오징어</td><td>홍명섭</td><td>
        </td></tr><tr><td>수한</td><td>횡성</td><td>문구류</td><td>윤휘정</td><td>
        </td></tr><tr><td rowspan='4'>2013<br>(4개)
        </td><td>㈜삼화유업</td><td>원주</td><td>윤활유</td><td>김종성</td><td>
        </td></tr><tr><td>㈜서울식품</td><td>원주</td><td>어묵</td><td>전영철</td><td>
        </td></tr><tr><td>㈜보고</td><td>삼척</td><td>소형특수선박</td><td>임성기</td><td>
        </td></tr><tr><td>㈜성신미네필드</td><td>정선</td><td>탄산칼슘,
        석회석</td><td>홍진모</td><td> </td></tr><tr><td rowspan='2'>2014<br>(2개)
        </td><td>대한화인세라믹(주)</td><td>원주</td><td>세라믹코팅제</td><td>이병조</td><td>
        </td></tr><tr><td>동해식품(주)</td><td>강릉</td><td>장류</td><td>김진은</td><td>
        </td></tr><tr><td>2015<br>(1개) </td><td>㈜영남유리산업</td><td>원주</td><td>복층유리
        외</td><td>김영석</td><td> </td></tr><tr><td rowspan='2'>2016<br>(2개)
        </td><td>동그린(주)</td><td>강릉</td><td>아이스크림 식용빙과류</td><td>오일호</td><td>
        </td></tr><tr><td>(주)옥두식품</td><td>횡성</td><td>핫도그,
        츄러스</td><td>최정자,최광석</td><td> </td></tr></tbody></table>
      - >-
        「KARA 2019 방사선진흥대회」개최(10.2) - 미래 방사선 산업 육성 및 국내 산업체 상생 방안 논의의 장 -

        □ 과학기술정보통신부(장관 최기영, 이하 ‘과기정통부’)와 한국방사선진흥협회(KARA*)는 10월 2일(수), 한국과학기술회관에서
        「KARA 2019방사선진흥대회」를 개최한다고 밝혔다. * 한국방사선진흥협회(Korea Association for
        Radiation Application)

        ㅇ 올해로 18회를 맞는「KARA 방사선진흥대회」는 국내 방사선 관련 산·학·연 전문가들이 모여 방사선 연구개발 성과를 공유하고
        방사선산업 발전 방향을 논의하는 장으로 역할을 해오고 있다.
      - >-
        2013년『강원도 백년기업 및 유망중소기업』 선정기업<br>  2 유망중소기업(신규) : 21개사(춘천3, 원주4, 강릉2,
        동해1, 속초1, 홍천2, 횡성5, 영월1, 평창1, 양양1)<br>
        <table><tbody><tr><td>연번</td><td>시군</td><td>기업명</td><td>대표자</td><td>주생산품</td></tr><tr><td>1</td><td>춘천</td><td>세린식품㈜</td><td>조병규</td><td>냉동만두</td></tr><tr><td>2</td><td>춘천</td><td>㈜메디안디노스틱</td><td>차명진</td><td>진단키트</td></tr><tr><td>3</td><td>춘천</td><td>㈜한국코러스제약</td><td>황재간</td><td>의약품</td></tr><tr><td>4</td><td>원주</td><td>㈜태진금속</td><td>안태균</td><td>자동차부품</td></tr><tr><td>5</td><td>원주</td><td>송암시스콤㈜</td><td>이해규</td><td>광모뎀,광전송장비</td></tr><tr><td>6</td><td>원주</td><td>㈜단정바이오</td><td>정의수</td><td>화장품원료</td></tr><tr><td>7</td><td>원주</td><td>광인와이어</td><td>함승호</td><td>스테인레스
        진직와이어</td></tr><tr><td>8</td><td>강릉</td><td>동그린㈜</td><td>오일호</td><td>아이스크림</td></tr><tr><td>9</td><td>강릉</td><td>에스엔티㈜</td><td>김순교</td><td>투광기일체형통합시스템</td></tr><tr><td>10</td><td>동해</td><td>케이디산업</td><td>김광수</td><td>철못
        결속선</td></tr><tr><td>11</td><td>속초</td><td>㈜고바우푸드</td><td>박영진</td><td>양념젓갈류</td></tr><tr><td>12</td><td>홍천</td><td>㈜세준에프엔비</td><td>박승용</td><td>누룽지,떡</td></tr><tr><td>13</td><td>홍천</td><td>㈜바이오닉스</td><td>김대성</td><td>환자·분만감시장치</td></tr><tr><td>14</td><td>횡성</td><td>플럭스라이트㈜</td><td>이활</td><td>LED,가로등,조명기기</td></tr><tr><td>15</td><td>횡성</td><td>가진기업㈜</td><td>최재상</td><td>지열히트펌프시스템</td></tr><tr><td>16</td><td>횡성</td><td>(합)대동엘로이샷시</td><td>박화순</td><td>합성수지창호용형재</td></tr><tr><td>17</td><td>횡성</td><td>웰텍㈜</td><td>이성식</td><td>강관</td></tr><tr><td>18</td><td>횡성</td><td>일륭기공㈜</td><td>이상원</td><td>자동차조향장치
        부품</td></tr><tr><td>19</td><td>영월</td><td>㈜원파워영월공장</td><td>김동철</td><td>고무제품</td></tr><tr><td>20</td><td>평창</td><td>㈜비엔허브</td><td>최애란</td><td>한약재,
        약용작물가공품</td></tr><tr><td>21</td><td>양양</td><td>㈜해송KNS</td><td>이미옥</td><td>자연버섯류</td></tr></tbody></table>
  - source_sentence: 어떤 안건으로 제2차 그린철강위원회 관련 자동차협의회가 개최되었을까?
    sentences:
      - >-
        제1차 녹색성장 이행점검회의 개최

        □ 김황식 국무총리는 9.7(수) 15:00 정부중앙청사에서 제1차 녹색성장 이행점검회의를 개최하여,

        ㅇ ‘공공건축 에너지효율 향상’과 ‘그린카 산업발전 전략’ 등 두 건에 대한 이행점검결과를 보고받고 보완대책을 논의하였음 *
        그린카는 에너지 소비 효율이 우수하고 무공해․저공해 자동차로서 ① 전력을 기반으로 하는 전기차, 연료전지차, ② 엔진을 기반으로
        하는 하이브리드차, 클린디젤차 등을 의미

        □ 김총리는 이 자리에서 앞으로 매달 총리가 주재하는 관계장관회의를 통해 녹색성장 정책에 대한 이행실적을 점검하고,

        ㅇ 그간 각 부처가 발표했던 주요 녹색성장정책들이 제대로 추진되고 있는지, 문제점이 있다면 그 이유가 무엇이며, 어떻게 해결해야
        하는지 현실성 있는 해결방안을 마련해 나갈 계획임을 밝혔음 □ 김총리는 그동안 녹색성장 정책이 주로 계획수립 및 제도개선 과제에
        집중하다보니, 상대적으로 집행단계에서 다소 미흡한 점이 있었다고 평가하며

        ㅇ 녹색성장이 올바로 뿌리내릴 수 있도록 향후 중점 추진해야 할 핵심과제를 발굴하여 정책역량을 집중하고,

        ㅇ 이를 통해 “국민에게 보고 드린 정책들은 반드시 제대로 추진해서 신뢰받는 정부가 되도록 해 달라”고 당부하였음 □ 녹색성장
        정책 이행점검을 위해 녹색위는 그동안 관계부처, 민간전문가, 업계와 공동으로 점검을 실시하였으며, 점검결과는 다음과 같음 <
        ‘공공건축 에너지 효율’ 이행상황 점검 결과 >

        □ ‘08.8월 이후 국토부, 지경부, 환경부 등 7개 부처가 추진중인 3개분야 11개 정책을 점검한 결과

        ㅇ 점검결과 신축청사의 에너지효율 기준 강화 등 제도개선과제는 정상추진

        ㅇ 그린스쿨, 저탄소 녹색마을 등 실제 집행단계에 있는 과제는 보완이 필요
      - >-
        제2차 그린철강위원회(6.18) 개최<br> 탄소중립 협의회 2차 회의 개최 경과 및 향후 일정 <br>
        <table><tbody><tr><td>시리즈</td><td>일정</td><td>협의회</td><td>주요
        내용</td><td>구분</td></tr><tr><td> </td><td>6.2</td><td>정유</td><td>정유업계
        탄소중립 기술개발 로드맵 추진방향 모색</td><td rowspan='2'>旣개최 </td></tr><tr><td>
        </td><td>6.15</td><td>석유화학</td><td> 석유화학 분야 2050 탄소중립을 위한 예타 R&D 기획·추진
        현황</td></tr><tr><td> </td><td>6.18</td><td>철강</td><td>철강 분야 2050 감축시나리오
        수립 동향, 탄소중립 R&D 로드맵 등</td><td>개최</td></tr><tr><td>
        </td><td>6.23</td><td>표준화</td><td>탄소중립 표준화 전략 추진현황 점검</td><td
        rowspan='11'>개최 예정 </td></tr><tr><td> </td><td>6월말</td><td>반도체 디스플레이
        </td><td>반도체·디스플레이 탄소중립 R&D 로드맵 동향 및 탄소중립 방향성 논의</td></tr><tr><td>
        </td><td>6월말</td><td>섬유‧제지</td><td>섬유ㆍ제지산업 탄소중립 R&D전략
        논의</td></tr><tr><td> </td><td>6월말</td><td>기계</td><td>기계산업 탄소중립 추진전략
        논의(잠정)</td></tr><tr><td> </td><td>7월초</td><td>기술혁신</td><td>‘2050 탄소중립
        R&D 전략’ 추진현황 논의</td></tr><tr><td> </td><td>7월초</td><td>자동차</td><td>자동차
        2050 감축시나리오 수립 동향 및 탄소중립 로드맵 추진 현황</td></tr><tr><td>
        </td><td>7.1</td><td>조선</td><td>조선업 탄소중립 실현방안(잠정)</td></tr><tr><td>
        </td><td>7.2</td><td>바이오</td><td>협의체 운영방안 관련 주요 업계 간담회</td></tr><tr><td>
        </td><td>7.2</td><td>전기전자</td><td>전기전자 탄소중립 R&D 전략 논의 등
        </td></tr><tr><td> </td><td>7.9</td><td>비철금속</td><td>비철금속업계 단기 온실가스 감축방안
        논의 및 혁신사례 공유</td></tr><tr><td> </td><td>7.15</td><td>시멘트</td><td>시멘트산업
        탄소중립 R&D 로드맵 및 탄소중립을 위한 제도개선 과제 마련</td></tr></tbody></table>
      - |-
        재난현장활동 유공자 표창계획
        Ⅰ 표창개요
         관련근거
        ❍「지방공무원법」제79조,「서울특별시 표창조례」
        ❍ 2021년도 공무원 시장표창 운영 계획 통보(市인사과-10542, 2021. 3. 30.)
        ❍ 2021년도 소방공무원 등 시장표창 추천 계획 안내(소방행정과-8331, 2021. 4. 5.)
         추진방향
        ❍ 재난현장 및 구조활동 등 현장에서 활동하며 시민의 생명보호와 불편해소에 기여한 공이있는 소방공무원 발굴
        ❍ 자치구, 경찰서, 군부대, 투자출현기관 등 재난현장에서 긴급구조지원기관 협력 추진 및 용감한 의인 발굴
        ❍ 자연재해(폭염, 풍수해, 제설 등) 수습활동에서 공로와 헌신을 한 소방공무원 등 시장표창 수여를 통한 격려 및 사기진작
        ❍ 대테러업무 및 재난대응에 필요한 훈련 등에서 공로를 인정 받은 소방공무원 및 기관에 대한 격려
         훈격 및 인원 : 서울특별시장 / 6개분야 52명, 유공기관 7
pipeline_tag: sentence-similarity
library_name: sentence-transformers

SentenceTransformer based on BAAI/bge-m3

This is a sentence-transformers model finetuned from BAAI/bge-m3. It maps sentences & paragraphs to a 1024-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: BAAI/bge-m3
  • Maximum Sequence Length: 1024 tokens
  • Output Dimensionality: 1024 tokens
  • Similarity Function: Cosine Similarity

Model Sources

Full Model Architecture 

SentenceTransformer(
  (0): Transformer({'max_seq_length': 1024, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, '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:

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("seongil-dn/bge-m3-kor-retrieval-451949-bs64-admin")
# Run inference
sentences = [
    '어떤 안건으로 제2차 그린철강위원회 관련 자동차협의회가 개최되었을까?',
    "제2차 그린철강위원회(6.18) 개최<br> 탄소중립 협의회 2차 회의 개최 경과 및 향후 일정 <br> <table><tbody><tr><td>시리즈</td><td>일정</td><td>협의회</td><td>주요 내용</td><td>구분</td></tr><tr><td> </td><td>6.2</td><td>정유</td><td>정유업계 탄소중립 기술개발 로드맵 추진방향 모색</td><td rowspan='2'>旣개최 </td></tr><tr><td> </td><td>6.15</td><td>석유화학</td><td> 석유화학 분야 2050 탄소중립을 위한 예타 R&D 기획·추진 현황</td></tr><tr><td> </td><td>6.18</td><td>철강</td><td>철강 분야 2050 감축시나리오 수립 동향, 탄소중립 R&D 로드맵 등</td><td>개최</td></tr><tr><td> </td><td>6.23</td><td>표준화</td><td>탄소중립 표준화 전략 추진현황 점검</td><td rowspan='11'>개최 예정 </td></tr><tr><td> </td><td>6월말</td><td>반도체 디스플레이 </td><td>반도체·디스플레이 탄소중립 R&D 로드맵 동향 및 탄소중립 방향성 논의</td></tr><tr><td> </td><td>6월말</td><td>섬유‧제지</td><td>섬유ㆍ제지산업 탄소중립 R&D전략 논의</td></tr><tr><td> </td><td>6월말</td><td>기계</td><td>기계산업 탄소중립 추진전략 논의(잠정)</td></tr><tr><td> </td><td>7월초</td><td>기술혁신</td><td>‘2050 탄소중립 R&D 전략’ 추진현황 논의</td></tr><tr><td> </td><td>7월초</td><td>자동차</td><td>자동차 2050 감축시나리오 수립 동향 및 탄소중립 로드맵 추진 현황</td></tr><tr><td> </td><td>7.1</td><td>조선</td><td>조선업 탄소중립 실현방안(잠정)</td></tr><tr><td> </td><td>7.2</td><td>바이오</td><td>협의체 운영방안 관련 주요 업계 간담회</td></tr><tr><td> </td><td>7.2</td><td>전기전자</td><td>전기전자 탄소중립 R&D 전략 논의 등 </td></tr><tr><td> </td><td>7.9</td><td>비철금속</td><td>비철금속업계 단기 온실가스 감축방안 논의 및 혁신사례 공유</td></tr><tr><td> </td><td>7.15</td><td>시멘트</td><td>시멘트산업 탄소중립 R&D 로드맵 및 탄소중립을 위한 제도개선 과제 마련</td></tr></tbody></table>",
    '제1차 녹색성장 이행점검회의 개최\n□ 김황식 국무총리는 9.7(수) 15:00 정부중앙청사에서 \uf000제1차 녹색성장 이행점검회의\uf000를 개최하여,\nㅇ ‘공공건축 에너지효율 향상’과 ‘그린카 산업발전 전략’ 등 두 건에 대한 이행점검결과를 보고받고 보완대책을 논의하였음 * 그린카는 에너지 소비 효율이 우수하고 무공해․저공해 자동차로서 ① 전력을 기반으로 하는 전기차, 연료전지차, ② 엔진을 기반으로 하는 하이브리드차, 클린디젤차 등을 의미\n□ 김총리는 이 자리에서 앞으로 매달 총리가 주재하는 관계장관회의를 통해 녹색성장 정책에 대한 이행실적을 점검하고,\nㅇ 그간 각 부처가 발표했던 주요 녹색성장정책들이 제대로 추진되고 있는지, 문제점이 있다면 그 이유가 무엇이며, 어떻게 해결해야 하는지 현실성 있는 해결방안을 마련해 나갈 계획임을 밝혔음 □ 김총리는 그동안 녹색성장 정책이 주로 계획수립 및 제도개선 과제에 집중하다보니, 상대적으로 집행단계에서 다소 미흡한 점이 있었다고 평가하며\nㅇ 녹색성장이 올바로 뿌리내릴 수 있도록 향후 중점 추진해야 할 핵심과제를 발굴하여 정책역량을 집중하고,\nㅇ 이를 통해 “국민에게 보고 드린 정책들은 반드시 제대로 추진해서 신뢰받는 정부가 되도록 해 달라”고 당부하였음 □ 녹색성장 정책 이행점검을 위해 녹색위는 그동안 관계부처, 민간전문가, 업계와 공동으로 점검을 실시하였으며, 점검결과는 다음과 같음 < ‘공공건축 에너지 효율’ 이행상황 점검 결과 >\n□ ‘08.8월 이후 국토부, 지경부, 환경부 등 7개 부처가 추진중인 3개분야 11개 정책을 점검한 결과\nㅇ 점검결과 신축청사의 에너지효율 기준 강화 등 제도개선과제는 정상추진\nㅇ 그린스쿨, 저탄소 녹색마을 등 실제 집행단계에 있는 과제는 보완이 필요',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

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

Training Details

Training Hyperparameters

Non-Default Hyperparameters

  • per_device_train_batch_size: 64
  • learning_rate: 3e-05
  • num_train_epochs: 1
  • warmup_ratio: 0.05
  • fp16: True
  • batch_sampler: no_duplicates

All Hyperparameters

Click to expand
  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: no
  • prediction_loss_only: True
  • per_device_train_batch_size: 64
  • 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: 3e-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
  • max_steps: -1
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.05
  • 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: True
  • 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
  • eval_use_gather_object: False
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional

Training Logs

Click to expand
Epoch Step Training Loss
0.0057 1 0.8443
0.0114 2 0.9439
0.0171 3 0.8336
0.0229 4 0.7631
0.0286 5 0.7086
0.0343 6 0.6314
0.04 7 0.6318
0.0457 8 0.5864
0.0514 9 0.5219
0.0571 10 0.4932
0.0629 11 0.4067
0.0686 12 0.4542
0.0743 13 0.4086
0.08 14 0.4072
0.0857 15 0.3854
0.0914 16 0.3505
0.0971 17 0.3431
0.1029 18 0.3668
0.1086 19 0.3393
0.1143 20 0.31
0.12 21 0.3047
0.1257 22 0.3301
0.1314 23 0.2967
0.1371 24 0.3098
0.1429 25 0.2867
0.1486 26 0.2518
0.1543 27 0.2606
0.16 28 0.257
0.1657 29 0.2326
0.1714 30 0.2829
0.1771 31 0.3034
0.1829 32 0.2568
0.1886 33 0.2776
0.1943 34 0.298
0.2 35 0.2521
0.2057 36 0.2924
0.2114 37 0.2755
0.2171 38 0.2314
0.2229 39 0.2736
0.2286 40 0.2297
0.2343 41 0.2403
0.24 42 0.2805
0.2457 43 0.2348
0.2514 44 0.2064
0.2571 45 0.2227
0.2629 46 0.2062
0.2686 47 0.2666
0.2743 48 0.2183
0.28 49 0.2266
0.2857 50 0.2131
0.2914 51 0.2483
0.2971 52 0.2475
0.3029 53 0.2533
0.3086 54 0.2199
0.3143 55 0.2045
0.32 56 0.1937
0.3257 57 0.2144
0.3314 58 0.1842
0.3371 59 0.2374
0.3429 60 0.233
0.3486 61 0.2002
0.3543 62 0.1788
0.36 63 0.2128
0.3657 64 0.1996
0.3714 65 0.2241
0.3771 66 0.228
0.3829 67 0.2568
0.3886 68 0.2063
0.3943 69 0.1848
0.4 70 0.1842
0.4057 71 0.2318
0.4114 72 0.1968
0.4171 73 0.2032
0.4229 74 0.1883
0.4286 75 0.2148
0.4343 76 0.2275
0.44 77 0.2058
0.4457 78 0.2104
0.4514 79 0.2039
0.4571 80 0.1903
0.4629 81 0.1957
0.4686 82 0.2121
0.4743 83 0.1729
0.48 84 0.2159
0.4857 85 0.2048
0.4914 86 0.1755
0.4971 87 0.2023
0.5029 88 0.1851
0.5086 89 0.2018
0.5143 90 0.2199
0.52 91 0.2263
0.5257 92 0.1967
0.5314 93 0.2174
0.5371 94 0.2075
0.5429 95 0.1963
0.5486 96 0.1926
0.5543 97 0.185
0.56 98 0.2089
0.5657 99 0.1786
0.5714 100 0.2075
0.5771 101 0.205
0.5829 102 0.1526
0.5886 103 0.1909
0.5943 104 0.2004
0.6 105 0.1909
0.6057 106 0.2113
0.6114 107 0.2221
0.6171 108 0.2
0.6229 109 0.2164
0.6286 110 0.1656
0.6343 111 0.2221
0.64 112 0.2046
0.6457 113 0.1626
0.6514 114 0.1851
0.6571 115 0.1822
0.6629 116 0.1781
0.6686 117 0.1875
0.6743 118 0.1967
0.68 119 0.2009
0.6857 120 0.2092
0.6914 121 0.1781
0.6971 122 0.2149
0.7029 123 0.2409
0.7086 124 0.2073
0.7143 125 0.1851
0.72 126 0.1824
0.7257 127 0.1767
0.7314 128 0.2187
0.7371 129 0.2224
0.7429 130 0.195
0.7486 131 0.1558
0.7543 132 0.1979
0.76 133 0.1692
0.7657 134 0.1811
0.7714 135 0.199
0.7771 136 0.2137
0.7829 137 0.1704
0.7886 138 0.1829
0.7943 139 0.2346
0.8 140 0.1784
0.8057 141 0.1899
0.8114 142 0.1517
0.8171 143 0.168
0.8229 144 0.2025
0.8286 145 0.1685
0.8343 146 0.1825
0.84 147 0.2095
0.8457 148 0.2027
0.8514 149 0.1973
0.8571 150 0.1875
0.8629 151 0.2079
0.8686 152 0.1789
0.8743 153 0.1714
0.88 154 0.183
0.8857 155 0.1718
0.8914 156 0.1899
0.8971 157 0.1916
0.9029 158 0.1941
0.9086 159 0.1987
0.9143 160 0.1421
0.92 161 0.1598
0.9257 162 0.1596
0.9314 163 0.1801
0.9371 164 0.1595
0.9429 165 0.1983
0.9486 166 0.2002
0.9543 167 0.2045
0.96 168 0.167
0.9657 169 0.2106
0.9714 170 0.19
0.9771 171 0.1717
0.9829 172 0.1899
0.9886 173 0.1596
0.9943 174 0.1863
1.0 175 0.1969

Framework Versions

  • Python: 3.10.12
  • Sentence Transformers: 3.2.1
  • Transformers: 4.44.2
  • PyTorch: 2.3.1+cu121
  • Accelerate: 1.1.1
  • Datasets: 2.21.0
  • Tokenizers: 0.19.1

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",
}

CachedMultipleNegativesRankingLoss 

@misc{gao2021scaling,
    title={Scaling Deep Contrastive Learning Batch Size under Memory Limited Setup},
    author={Luyu Gao and Yunyi Zhang and Jiawei Han and Jamie Callan},
    year={2021},
    eprint={2101.06983},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}