metadata

base_model: intfloat/multilingual-e5-small
language:
  - multilingual
library_name: sentence-transformers
license: apache-2.0
metrics:
  - cosine_accuracy@1
  - cosine_accuracy@3
  - cosine_accuracy@5
  - cosine_accuracy@10
  - cosine_precision@1
  - cosine_precision@3
  - cosine_precision@5
  - cosine_precision@10
  - cosine_recall@1
  - cosine_recall@3
  - cosine_recall@5
  - cosine_recall@10
  - cosine_ndcg@10
  - cosine_mrr@10
  - cosine_map@100
pipeline_tag: sentence-similarity
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:94
  - loss:MatryoshkaLoss
  - loss:MultipleNegativesRankingLoss
widget:
  - source_sentence: >-
      서울여자대학교 수시모집 지원자에게 필요한 최초합격자 발표 정보는 다음과 같습니다. 최초합격자 발표는 2024년 11월 8일부터 12월
      13일까지입니다. 합격자는 본교 입학처 홈페이지에서 합격 여부를 확인하여야 하며, 등록기간 내에 등록을 마쳐야 합니다.
    sentences:
      - SWU의 SI(Social Innovation)교육에 대해 알려줘.
      - 학교생활기록부 교과성적 반영방법을 설명해 주세요.
      - 서울여자대학교 수시모집 지원자에게 필요한 최초합격자 발표 정보를 알려줘.
  - source_sentence: >-
      고등학교 졸업(예정)자의 경우 학교생활기록부 제출 방법은 다음과 같습니다. 원본 대조필 및 학교장 직인 날인 후 제출하여야 합니다.
      외국 고등학교 졸업(예정)자의 경우는 한국어나 영어로 번역 공증받은 문서를 제출하여야 합니다.
    sentences:
      - 언론영상학부-저널리즘전공의 졸업 후 진로는 무엇입니까?
      - 서울여자대학교에 있는 박물관학전공의 교육 내용을 설명해줘.
      - 고등학교 졸업(예정)자의 경우 학교생활기록부 제출 방법을 설명해줘.
  - source_sentence: >-
      심리·인지과학학부-인지학습과학전공의 졸업 후 진로는 교육프로그램 개발자, 교육기업 데이터 분석 업무, 인지학습 치료사, 인지행동
      치료사, 교육컨설턴트, 국가연구소, 이러닝 관련 산업분야 등입니다.
    sentences:
      - 서울여자대학교에 있는 예술심리치료전공의 목표를 설명해줘.
      - 서울여자대학교 수시모집 지원자에게 필요한 교과성적 산출 방법을 설명해줘.
      - 심리·인지과학학부-인지학습과학전공의 졸업 후 진로를 설명하세요.
  - source_sentence: >-
      2024학년도 서울여자대학교 수시모집 지원자에게 필요한 정보는 다음과 같습니다. 수시모집 지원기간은 2024년 9월 10일부터 9월
      13일까지입니다. 지원자는 인터넷 입학원서접수 사이트에 접속하여 원서접수를 완료해야 하며, 전형료 결제는 신용카드, 계좌이체 등으로
      가능합니다. 또한, 지원자는 제출서류를 등기우편으로 제출하여야 하며, 서류제출 마감일은 2024년 9월 13일입니다.
    sentences:
      - 박물관학전공의 교육 목표는 무엇입니까?
      - 2024학년도 서울여자대학교 수시모집 지원자에게 필요한 정보를 알려줘.
      - 학생부종합 전형으로 지원할 수 있는 전형의 유형을 모두 알려줘
  - source_sentence: >-
      학교생활기록부 교과성적 대체 점수(비교내신) 대상자는 논술(논술우수자전형), 실기/실적(실기우수자전형_체육) 지원자 중 고등학교
      졸업학력 검정고시 출신 지원자 및 교과성적 산출 불가자입니다.
    sentences:
      - 고등학교 학교생활기록부 제출 방법을 설명하세요.
      - 청소년학전공의 교육 내용은 무엇입니까?
      - 학교생활기록부 교과성적 대체 점수(비교내신) 대상자를 알려줘.
model-index:
  - name: Multilingual base SWU Matryoshka
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 256
          type: dim_256
        metrics:
          - type: cosine_accuracy@1
            value: 0.6363636363636364
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.9090909090909091
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 1
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 1
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.6363636363636364
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.30303030303030304
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.2
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.1
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.6363636363636364
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.9090909090909091
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 1
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 1
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.8475878017079786
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.7954545454545454
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.7954545454545454
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 128
          type: dim_128
        metrics:
          - type: cosine_accuracy@1
            value: 0.6363636363636364
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.9090909090909091
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 1
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 1
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.6363636363636364
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.30303030303030304
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.2
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.1
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.6363636363636364
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.9090909090909091
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 1
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 1
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.8475878017079786
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.7954545454545454
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.7954545454545454
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 64
          type: dim_64
        metrics:
          - type: cosine_accuracy@1
            value: 0.6363636363636364
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.9090909090909091
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 1
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 1
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.6363636363636364
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.30303030303030304
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.2
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.1
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.6363636363636364
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.9090909090909091
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 1
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 1
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.8356850968378461
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.7803030303030302
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.7803030303030302
            name: Cosine Map@100

Multilingual base SWU Matryoshka

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-small on the json dataset. It maps sentences & paragraphs to a 384-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-small
Maximum Sequence Length: 512 tokens
Output Dimensionality: 384 tokens
Similarity Function: Cosine Similarity
Training Dataset:
- json
Language: multilingual
License: apache-2.0

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: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, '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("ValentinaKim/Multilingual-base-SWU-Matryoshka")
# Run inference
sentences = [
    '학교생활기록부 교과성적 대체 점수(비교내신) 대상자는 논술(논술우수자전형), 실기/실적(실기우수자전형_체육) 지원자 중 고등학교 졸업학력 검정고시 출신 지원자 및 교과성적 산출 불가자입니다.',
    '학교생활기록부 교과성적 대체 점수(비교내신) 대상자를 알려줘.',
    '청소년학전공의 교육 내용은 무엇입니까?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

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

Evaluation

Metrics

Information Retrieval

Dataset: dim_256
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.6364
cosine_accuracy@3	0.9091
cosine_accuracy@5	1.0
cosine_accuracy@10	1.0
cosine_precision@1	0.6364
cosine_precision@3	0.303
cosine_precision@5	0.2
cosine_precision@10	0.1
cosine_recall@1	0.6364
cosine_recall@3	0.9091
cosine_recall@5	1.0
cosine_recall@10	1.0
cosine_ndcg@10	0.8476
cosine_mrr@10	0.7955
cosine_map@100	0.7955

Information Retrieval

Dataset: dim_128
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.6364
cosine_accuracy@3	0.9091
cosine_accuracy@5	1.0
cosine_accuracy@10	1.0
cosine_precision@1	0.6364
cosine_precision@3	0.303
cosine_precision@5	0.2
cosine_precision@10	0.1
cosine_recall@1	0.6364
cosine_recall@3	0.9091
cosine_recall@5	1.0
cosine_recall@10	1.0
cosine_ndcg@10	0.8476
cosine_mrr@10	0.7955
cosine_map@100	0.7955

Information Retrieval

Dataset: dim_64
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.6364
cosine_accuracy@3	0.9091
cosine_accuracy@5	1.0
cosine_accuracy@10	1.0
cosine_precision@1	0.6364
cosine_precision@3	0.303
cosine_precision@5	0.2
cosine_precision@10	0.1
cosine_recall@1	0.6364
cosine_recall@3	0.9091
cosine_recall@5	1.0
cosine_recall@10	1.0
cosine_ndcg@10	0.8357
cosine_mrr@10	0.7803
cosine_map@100	0.7803

Training Details

Training Dataset

json

Dataset: json
Size: 94 training samples
Columns: positive and anchor
Approximate statistics based on the first 94 samples:
positive anchor
type string string
details
min: 24 tokens
mean: 89.93 tokens
max: 272 tokens

min: 10 tokens
mean: 19.18 tokens
max: 35 tokens

	positive	anchor
type	string	string
details	min: 24 tokens mean: 89.93 tokens max: 272 tokens	min: 10 tokens mean: 19.18 tokens max: 35 tokens

Samples:

positive	anchor
`서울여자대학교 수시모집에서 평가하는 요소는 다음과 같습니다. 1. 서류 평가(학업역량 40%, 진로역량 35%, 공동체역량 25%) 2. 면접 평가(인성 및 의사소통능력, 발전가능성) 3. 학교생활기록부에 학교폭력 관련 기재사항이 있을 경우, 정성평가로 반영합니다.`	`서울여자대학교 수시모집에서 평가하는 요소를 알려줘.`
`서울여자대학교 학생부종합전형 지원자에게 필요한 지원자격 정보는 다음과 같습니다. 지원자격은 기초생활수급자, 차상위계층, 한부모가족 지원대상자, 국가보훈대상자, 자립지원 대상 아동, 농어촌학생 등입니다. 각 지원자격에 따라 필요한 제출서류가 다르므로, 지원자격에 따라 필요한 제출서류를 확인하여야 합니다.`	`서울여자대학교 학생부종합전형 지원자에게 필요한 지원자격 정보를 알려줘.`
`SWU의 SI(Social Innovation)교육은 사회적 가치 확산을 위해 혁신적인 방법론을 적용하여 긍정적인 사회 변화를 유도하는 서울여자대학교만의 차별화된 교육입니다. 바롬종합설계프로젝트는 유네스코한국위원회가 인증한 유네스코지속가능발전교육공식프로젝트입니다.`	`SWU의 SI(Social Innovation)교육에 대해 알려줘.`

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "MultipleNegativesRankingLoss",
    "matryoshka_dims": [
        256,
        128,
        64
    ],
    "matryoshka_weights": [
        1,
        1,
        1
    ],
    "n_dims_per_step": -1
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
gradient_accumulation_steps: 16
learning_rate: 2e-05
num_train_epochs: 4
lr_scheduler_type: cosine
warmup_ratio: 0.1
tf32: False
load_best_model_at_end: True
optim: adamw_torch_fused
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: epoch
prediction_loss_only: True
per_device_train_batch_size: 8
per_device_eval_batch_size: 8
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 16
eval_accumulation_steps: None
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: 4
max_steps: -1
lr_scheduler_type: cosine
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: False
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: 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: adamw_torch_fused
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
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	dim_128_cosine_map@100	dim_256_cosine_map@100	dim_64_cosine_map@100
1.0	1	0.7955	0.7955	0.7803
2.0	2	0.7955	0.7955	0.7803
3.0	4	0.7955	0.7955	0.7803
1.0	1	0.7955	0.7955	0.7803
2.0	2	0.7955	0.7955	0.7803
3.0	4	0.7955	0.7955	0.7803

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.10.14
Sentence Transformers: 3.1.1
Transformers: 4.41.2
PyTorch: 2.1.2+cu121
Accelerate: 0.34.2
Datasets: 2.19.1
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",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}