George2002/sledopyt_embedder_v4

SentenceTransformer based on intfloat/multilingual-e5-large

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-large on the q2q_data and q2p_data datasets. 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: intfloat/multilingual-e5-large
• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 1024 dimensions
• Similarity Function: Cosine Similarity
• Training Datasets:
  • q2q_data
  • q2p_data

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: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, '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:

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("George2002/sledopyt_embedder")
# Run inference
sentences = [
    'query: Кто отвечает за подтверждение замены владельца номинального счета?',
    'query: Кто должен дать согласие на смену владельца номинального счета?',
    'query: Какой документ требуется для подтверждения личности клиента при смене владельца номинального счета?',
]
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 Datasets

q2q_data

• Dataset: q2q_data
• Size: 33,406 training samples
• Columns: query_1, query_2, and negative
• Approximate statistics based on the first 1000 samples:

  	query_1	query_2	negative
  type	string	string	string
  details	min: 12 tokens mean: 22.08 tokens max: 42 tokens	min: 11 tokens mean: 21.77 tokens max: 43 tokens	min: 11 tokens mean: 21.45 tokens max: 39 tokens

• Samples:

  query_1	query_2	negative
  query: Какой телефон для отключения дневного расходного лимита для ребенка?	query: На какой номер нужно позвонить, чтобы снять лимит расходов на день для ребенка?	query: Как отключить лимиты по детской карте через мобильное приложение, если родитель хочет это сделать?
  query: При каком условии можно выбрать возраст ребенка представительством?	query: При каких обстоятельствах можно определить возраст ребенка в представительстве?	query: Какой статус должен быть у представителя для определения возраста ребенка?
  query: Какие бумаги нужны при обращении, если счет не удается найти?	query: Что требуется приложить к запросу, если счет отсутствует?	query: Что нужно предоставить для регистрации обращения, если счёт не обнаружен?

• Loss: TripletLoss with these parameters:

  {
      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
      "triplet_margin": 5
  }
  

q2p_data

• Dataset: q2p_data
• Size: 7,709 training samples
• Columns: query, chunk, and negative
• Approximate statistics based on the first 1000 samples:

  	query	chunk	negative
  type	string	string	string
  details	min: 13 tokens mean: 22.14 tokens max: 40 tokens	min: 12 tokens mean: 162.33 tokens max: 512 tokens	min: 12 tokens mean: 129.72 tokens max: 512 tokens

• Samples:

  query	chunk	negative
  query: Что такое ДУЛ законного представителя и зачем он нужен?	passage: Документы, необходимые для прикрепления законного представителя к подопечному (несовершеннолетнему от 14 до 18 лет): Приемный родитель ДУЛ законного представителя Документ из органа опеки и попечительства о передаче ребенка в приемную семью	passage: Документы, необходимые для прикрепления законного представителя к подопечному (несовершеннолетнему от 14 до 18 лет): Попечитель (физ. лицо) ДУЛ законного представителя Решение органа опеки и попечительства о назначении попечителя
  query: Что требуется для получения выписки по счету вкладчика с ограниченной дееспособностью?	passage: Выписка по счету (вкладу) может быть выдана: - Ограниченно дееспособный в силу пристрастия -Доверенное лицо ограниченно дееспособного	passage: Кто обратился? Вкладчик/Представитель вкладчика (полномочия подтверждены) Выберите причину розыска?
  query: Какие учредительные документы необходимы для государственного социального учреждения?	passage: Документ (распоряжение/приказ/акт/путевка) органа опеки и попечительства о помещении (передаче под надзор) несовершеннолетнего в государственную социальную организацию Учредительные документы государственного социального учреждения (далее –учреждение) Свидетельство о постановке на учет в налоговом органе учреждения Выписка из Единого государственного реестра юридических лиц Свидетельство о государственной регистрации учреждения Документ (как правило, приказ) о назначении (избрании) единоличного исполнительного органа (директора) социального учреждения	passage: Документ (распоряжение/приказ/акт/путевка) органа опеки и попечительства о помещении (передаче под надзор) ограниченно дееспособного гражданина в государственную социальную организацию Учредительные документы государственного социального учреждения (далее –учреждение) Свидетельство о постановке на учет в налоговом органе учреждения Выписка из Единого государственного реестра юридических лиц Свидетельство о государственной регистрации учреждения Документы об избрании (назначении) единоличного исполнительного органа

• Loss: TripletLoss with these parameters:

  {
      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
      "triplet_margin": 5
  }
  

Evaluation Datasets

q2q_data

• Dataset: q2q_data
• Size: 1,759 evaluation samples
• Columns: query_1, query_2, and negative
• Approximate statistics based on the first 1000 samples:

  	query_1	query_2	negative
  type	string	string	string
  details	min: 11 tokens mean: 22.02 tokens max: 40 tokens	min: 11 tokens mean: 21.69 tokens max: 39 tokens	min: 12 tokens mean: 21.38 tokens max: 37 tokens

• Samples:

  query_1	query_2	negative
  query: Что необходимо сделать при получении отрицательного заключения?	query: Какие действия нужно предпринять после получения отрицательного ответа?	query: Какие шаги следует предпринять при получении негативного ответа после открытия счета?
  query: Нужно ли согласовывать операцию с комплаенсом при переводе в СБОЛ.Про?	query: Обязательно ли получить согласие комплаенса для операции перевода в СБОЛ.Про?	query: Необходимо ли согласовывать перевод с комплаенсом в СБОЛ.Про?
  query: Что появляется на экране после нажатия кнопки «Ребенок до 14 лет» или «Ребенок от 14 до 18 лет»?	query: Какой экран показывается после нажатия на кнопки «Ребенок до 14 лет» и «Ребенок от 14 до 18 лет»?	query: Каким лицам доступна выписка по счету несовершеннолетнего в возрасте от 14 до 18 лет?

• Loss: TripletLoss with these parameters:

  {
      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
      "triplet_margin": 5
  }
  

q2p_data

• Dataset: q2p_data
• Size: 406 evaluation samples
• Columns: query, chunk, and negative
• Approximate statistics based on the first 406 samples:

  	query	chunk	negative
  type	string	string	string
  details	min: 13 tokens mean: 22.26 tokens max: 40 tokens	min: 12 tokens mean: 163.57 tokens max: 512 tokens	min: 12 tokens mean: 126.02 tokens max: 512 tokens

• Samples:

  query	chunk	negative
  query: Куда следует направить информацию, полученную для розыска?	passage: Выберите причину розыска? Информация нужна для предоставления в Суд/в органы опеки/ др. гос органы Зарегистрируй обращение в СРМ «Розничный». Приложи (при наличии) документы, подтверждающие .....	passage: Заполните информацию о подопечном
  query: Кто может обратиться за открытием карты МИР без согласия Финансового управляющего?	passage: С каким вопросом обратился банкрот? 06. Открытие счета/вклада (отличного от Специального счета банкрота) Банкрот в любой стадии банкротства может открыть самостоятельно в стандартном режиме без согласия Финансового управляющего следующие виды счетов: - Номинальный счет для получения пособий на подопечного/ алиментов на ребенка без согласия своего финансового управляющего. Любой другой счет может открыть только банкрот в стадии реструктуризация долгов, предоставив разрешение Финансового управляющего !!!!!! при обращении МОБИЛИЗОВАННОГО (участник СВО) банкрота (в стадии РИ) для открытия и получения карты МИР для зачисления военного довольствия, открываем и выдаем карту МИР БЕЗ РАЗРЕШЕНИЯ ФУ	passage: Банкрот в любой стадии банкротства может открыть самостоятельно в стандартном режиме без согласия Финансового управляющего следующие виды счетов: - Номинальный счет для получения пособий на подопечного/ алиментов на ребенка без согласия своего финансового управляющего. Любой другой счет может открыть только банкрот в стадии реструктуризация долгов, предоставив разрешение Финансового управляющего !!!!!! при обращении МОБИЛИЗОВАННОГО (участник СВО) банкрота (в стадии РИ) для открытия и получения карты МИР для зачисления военного довольствия, открываем и выдаем карту МИР БЕЗ РАЗРЕШЕНИЯ ФУ Процедура банкротства Реструктуризация долгов Клиент, признанный банкротом в стадии реструктуризация долгов имеет право без согласия Финансового управляющего открыть счета: - Специальный счет банкрота с ежемесячным лимитом в 50 000.00 - Счет ГЖС (Счет ГЖС открывается в стандартном режиме, арест/ блокировка на счет ГЖС не накладывается). При открытии любого другого счёта банкрот должен п...
  query: Что должно быть на свидетельстве о рождении Украины для оформления Детской СберКарты?	passage: ВНИМАНИЕ ! С 23 октября 2023г. в МП СБОЛ станет доступным заказ Детской СберКарты по свидетельству о рождении Украины со штампом о гражданстве РФ. Для получения Детской СберКарты в офисе банка необходимо будет предоставить нотариально заверенное удостоверение перевода на русский язык свидетельства о рождении Украины со штампом о гражданстве РФ. Типичные вопросы по Детской СберКарте и ответы на них 18. Сколько изготавливается Детская СберКарта ? Актуальные сроки выпуска карты размещены на сайте Банка: Детская СберКарт -> Тарифы -> Документы и ссылки	passage: ВНИМАНИЕ ! С 23 октября 2023г. в МП СБОЛ станет доступным заказ Детской СберКарты по свидетельству о рождении Украины со штампом о гражданстве РФ. Для получения Детской СберКарты в офисе банка необходимо будет предоставить нотариально заверенное удостоверение перевода на русский язык свидетельства о рождении Украины со штампом о гражданстве РФ. Типичные вопросы по Детской СберКарте и ответы на них 05. Бонусы Спасибо по Детской СберКарте Выберите интересующий вопрос

• Loss: TripletLoss with these parameters:

  {
      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
      "triplet_margin": 5
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 36
• learning_rate: 1e-05
• weight_decay: 0.01
• num_train_epochs: 2
• warmup_ratio: 0.1
• load_best_model_at_end: True
• push_to_hub: True
• hub_model_id: George2002/sledopyt_embedder
• hub_strategy: end

All Hyperparameters

Click to expand

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: steps
• prediction_loss_only: True
• per_device_train_batch_size: 36
• 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: 1e-05
• weight_decay: 0.01
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• max_grad_norm: 1.0
• num_train_epochs: 2
• 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: 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: 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: 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}
• tp_size: 0
• 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: True
• resume_from_checkpoint: None
• hub_model_id: George2002/sledopyt_embedder
• hub_strategy: end
• 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
• 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: proportional

Training Logs

Click to expand

Epoch	Step	Training Loss	q2q data loss	q2p data loss
0.0175	10	4.957	-	-
0.0351	20	4.9467	-	-
0.0526	30	4.9452	-	-
0.0702	40	4.9325	-	-
0.0877	50	4.9056	4.8804	4.9222
0.1053	60	4.9041	-	-
0.1228	70	4.8866	-	-
0.1404	80	4.844	-	-
0.1579	90	4.8064	-	-
0.1754	100	4.8182	4.7243	4.8660
0.1930	110	4.7791	-	-
0.2105	120	4.7659	-	-
0.2281	130	4.7572	-	-
0.2456	140	4.7234	-	-
0.2632	150	4.726	4.6268	4.8712
0.2807	160	4.6932	-	-
0.2982	170	4.6654	-	-
0.3158	180	4.6776	-	-
0.3333	190	4.6617	-	-
0.3509	200	4.6928	4.5581	4.8814
0.3684	210	4.6497	-	-
0.3860	220	4.677	-	-
0.4035	230	4.6344	-	-
0.4211	240	4.6612	-	-
0.4386	250	4.6274	4.5154	4.8396
0.4561	260	4.6556	-	-
0.4737	270	4.6382	-	-
0.4912	280	4.6053	-	-
0.5088	290	4.6131	-	-
0.5263	300	4.6453	4.4957	4.8314
0.5439	310	4.5819	-	-
0.5614	320	4.5948	-	-
0.5789	330	4.5288	-	-
0.5965	340	4.6152	-	-
0.6140	350	4.5831	4.4657	4.7953
0.6316	360	4.5507	-	-
0.6491	370	4.5718	-	-
0.6667	380	4.6269	-	-
0.6842	390	4.6017	-	-
0.7018	400	4.5155	4.4396	4.7694
0.7193	410	4.5055	-	-
0.7368	420	4.534	-	-
0.7544	430	4.5358	-	-
0.7719	440	4.5443	-	-
0.7895	450	4.5309	4.4183	4.7751
0.8070	460	4.5952	-	-
0.8246	470	4.5561	-	-
0.8421	480	4.5191	-	-
0.8596	490	4.5066	-	-
0.8772	500	4.4875	4.4138	4.8195
0.8947	510	4.5051	-	-
0.9123	520	4.4872	-	-
0.9298	530	4.4918	-	-
0.9474	540	4.5357	-	-
0.9649	550	4.4898	4.3754	4.7799
0.9825	560	4.5742	-	-
1.0	570	4.5461	-	-
1.0175	580	4.5505	-	-
1.0351	590	4.5027	-	-
1.0526	600	4.5747	4.4060	4.7915
1.0702	610	4.5296	-	-
1.0877	620	4.4262	-	-
1.1053	630	4.5415	-	-
1.1228	640	4.5386	-	-
1.1404	650	4.4552	4.3632	4.8105
1.1579	660	4.4473	-	-
1.1754	670	4.5069	-	-
1.1930	680	4.5129	-	-
1.2105	690	4.4611	-	-
1.2281	700	4.5104	4.3530	4.7875
1.2456	710	4.4742	-	-
1.2632	720	4.4887	-	-
1.2807	730	4.406	-	-
1.2982	740	4.4049	-	-
1.3158	750	4.4165	4.3484	4.7866
1.3333	760	4.4274	-	-
1.3509	770	4.4855	-	-
1.3684	780	4.4571	-	-
1.3860	790	4.4307	-	-
1.4035	800	4.4387	4.3450	4.7628
1.4211	810	4.4592	-	-
1.4386	820	4.4368	-	-
1.4561	830	4.4863	-	-
1.4737	840	4.463	-	-
1.4912	850	4.4113	4.3252	4.7610
1.5088	860	4.4368	-	-
1.5263	870	4.4738	-	-
1.5439	880	4.4195	-	-
1.5614	890	4.4478	-	-
1.5789	900	4.3849	4.3140	4.7519
1.5965	910	4.4896	-	-
1.6140	920	4.4301	-	-
1.6316	930	4.4142	-	-
1.6491	940	4.4582	-	-
1.6667	950	4.5075	4.3189	4.7259
1.6842	960	4.4454	-	-
1.7018	970	4.3547	-	-
1.7193	980	4.4016	-	-
1.7368	990	4.4064	-	-
1.7544	1000	4.4356	4.3151	4.7276
1.7719	1010	4.4105	-	-
1.7895	1020	4.4067	-	-
1.8070	1030	4.4296	-	-
1.8246	1040	4.4147	-	-
1.8421	1050	4.3743	4.3136	4.7182
1.8596	1060	4.4065	-	-
1.8772	1070	4.4025	-	-
1.8947	1080	4.3912	-	-
1.9123	1090	4.3731	-	-
1.9298	1100	4.3817	4.3120	4.7357
1.9474	1110	4.4305	-	-
1.9649	1120	4.3914	-	-
1.9825	1130	4.4753	-	-
2.0	1140	4.4536	-	-

Framework Versions

• Python: 3.10.12
• Sentence Transformers: 4.1.0
• Transformers: 4.51.3
• PyTorch: 2.6.0+cu124
• Accelerate: 1.6.0
• Datasets: 3.5.0
• Tokenizers: 0.21.1

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",
}

TripletLoss

@misc{hermans2017defense,
    title={In Defense of the Triplet Loss for Person Re-Identification},
    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
    year={2017},
    eprint={1703.07737},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}