|
--- |
|
base_model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 |
|
datasets: [] |
|
language: [] |
|
library_name: sentence-transformers |
|
pipeline_tag: sentence-similarity |
|
tags: |
|
- sentence-transformers |
|
- sentence-similarity |
|
- feature-extraction |
|
- generated_from_trainer |
|
- dataset_size:1800 |
|
- loss:ContrastiveLoss |
|
widget: |
|
- source_sentence: ' हैरतअंगेज... अद्भुत, नामुमकिन के बराबर है क्रिकेट की दुनिया के |
|
इन 6 वर्ल्ड रिकॉर्ड्स को तोड़ना ' |
|
sentences: |
|
- हैरतअंगेज... अद्भुत, नामुमकिन के बराबर है क्रिकेट की दुनिया के इन 6 वर्ल्ड रिकॉर्ड्स |
|
को तोड़ना |
|
- 'Gajendra Singh Shekhawat: 53 की उम्र में गजेंद्र सिंह शेखावत का दिखा अनोखा जज्बा, |
|
12 हजार मीटर की ऊंचाई से लगाई छलांग' |
|
- ब्रह्मांड की शुरुआत में प्रकाश कहां से आया? क्या भगवान ने स्विच दबाया? विज्ञान |
|
ने खोला राज |
|
- source_sentence: ' बिना बाजू की ड्रेस, कंधे तक के इयरिंग और अदाएं भर-भरकर...शमा |
|
सिकंदर का फोटोशूट है बवाल ' |
|
sentences: |
|
- एक दिन में ही 'बिग बॉस' के घर से बेघर हुए वाइल्ड कार्ड कंटेस्टेंट अदनान शेख? तोड़ा |
|
शो का एक बड़ा नियम |
|
- बिना बाजू की ड्रेस, कंधे तक के इयरिंग और अदाएं भर-भरकर...शमा सिकंदर का फोटोशूट |
|
है बवाल |
|
- 'Joe Biden Address: ‘अमेरिका इस रास्ते पर नहीं चल सकता’- ट्रंप पर हमले के बाद |
|
राष्ट्रपति बाइडेन का राष्ट्र के नाम संबोधन' |
|
- source_sentence: ' GK Quiz: भारत के वो कौन से राज्य हैं, जिनकी दो राजधानी हैं? ' |
|
sentences: |
|
- 'Vastu Tips: घर के मुख्य दरवाजे पर ये एक चीज लटकाने से दौड़ी आएंगी मां लक्ष्मी, |
|
पैसों की तंगी से मिलेगा छुटकारा' |
|
- 'GK Quiz: भारत के वो कौन से राज्य हैं, जिनकी दो राजधानी हैं?' |
|
- बारिश के मौसम में हाजमा बिगाड़ देते हैं ये दाल, जानें मानसून के लिए कौन-से Pulses |
|
हैं बेस्ट |
|
- source_sentence: ' Devshayani Ekadashi 2024: देवशयनी एकादशी पर किए ये 5 काम करते |
|
हैं चुंबक का काम, चौतरफा होगा धन आगमन ' |
|
sentences: |
|
- 'Devshayani Ekadashi 2024: देवशयनी एकादशी पर किए ये 5 काम करते हैं चुंबक का काम, |
|
चौतरफा होगा धन आगमन' |
|
- अनंत-राधिका की शादी में अनन्या पांडे संग जमकर नाचे हार्दिक पंड्या, VIDEO हो रहा |
|
खूब वायरल |
|
- सचिन के करियर का सबसे बड़ा दर्द, मास्टर ब्लास्टर ने इस वजह से खुद को ही कप्तानी |
|
से हटा दिया |
|
- source_sentence: ' Team India : पूरा भरोसा हम चैंपियन बनेंगे... अब चैंपियंस ट्रॉफी |
|
और WTC की बारी, जय शाह का बड़ा बयान; कौन होगा कप्तान? ' |
|
sentences: |
|
- 'Team India : कौन होगा टीम इंडिया का नया बॉलिंग कोच? विनय कुमार नहीं! इस वर्ल्ड |
|
कप विनर की खुल सकती है किस्मत' |
|
- 'MPPSC Vacancy 2024: एमपी में निकली 690 पदों पर भर्ती, 40 साल तक के कैंडिडेट्स |
|
कर सकते हैं आवेदन' |
|
- Samsung Galaxy Ring हुई लॉन्च, 9 साइज और 3 कलर ऑप्शन में मिलेगी, जानें फीचर्स |
|
--- |
|
|
|
# SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 |
|
|
|
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2). 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:** [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2) <!-- at revision bf3bf13ab40c3157080a7ab344c831b9ad18b5eb --> |
|
- **Maximum Sequence Length:** 128 tokens |
|
- **Output Dimensionality:** 384 tokens |
|
- **Similarity Function:** Cosine Similarity |
|
<!-- - **Training Dataset:** Unknown --> |
|
<!-- - **Language:** Unknown --> |
|
<!-- - **License:** Unknown --> |
|
|
|
### 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': 128, '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}) |
|
) |
|
``` |
|
|
|
## 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("amorfati/custom-hindi-emb-model-contrastive") |
|
# Run inference |
|
sentences = [ |
|
' Team India : पूरा भरोसा हम चैंपियन बनेंगे... अब चैंपियंस ट्रॉफी और WTC की बारी, जय शाह का बड़ा बयान; कौन होगा कप्तान? ', |
|
'Team India : कौन होगा टीम इंडिया का नया बॉलिंग कोच? विनय कुमार नहीं! इस वर्ल्ड कप विनर की खुल सकती है किस्मत', |
|
'Samsung Galaxy Ring हुई लॉन्च, 9 साइज और 3 कलर ऑप्शन में मिलेगी, जानें फीचर्स', |
|
] |
|
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] |
|
``` |
|
|
|
<!-- |
|
### Direct Usage (Transformers) |
|
|
|
<details><summary>Click to see the direct usage in Transformers</summary> |
|
|
|
</details> |
|
--> |
|
|
|
<!-- |
|
### Downstream Usage (Sentence Transformers) |
|
|
|
You can finetune this model on your own dataset. |
|
|
|
<details><summary>Click to expand</summary> |
|
|
|
</details> |
|
--> |
|
|
|
<!-- |
|
### Out-of-Scope Use |
|
|
|
*List how the model may foreseeably be misused and address what users ought not to do with the model.* |
|
--> |
|
|
|
<!-- |
|
## Bias, Risks and Limitations |
|
|
|
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* |
|
--> |
|
|
|
<!-- |
|
### Recommendations |
|
|
|
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* |
|
--> |
|
|
|
## Training Details |
|
|
|
### Training Dataset |
|
|
|
#### Unnamed Dataset |
|
|
|
|
|
* Size: 1,800 training samples |
|
* Columns: <code>premise</code>, <code>hypothesis</code>, and <code>label</code> |
|
* Approximate statistics based on the first 1000 samples: |
|
| | premise | hypothesis | label | |
|
|:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------| |
|
| type | string | string | int | |
|
| details | <ul><li>min: 12 tokens</li><li>mean: 31.99 tokens</li><li>max: 52 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 31.68 tokens</li><li>max: 52 tokens</li></ul> | <ul><li>0: 100.00%</li></ul> | |
|
* Samples: |
|
| premise | hypothesis | label | |
|
|:------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------|:---------------| |
|
| <code> पति से छिपकर पत्नी का करना चाहिए ये काम, सुधा मूर्ति की ये बात संवार देगी आपकी शादी </code> | <code> Bangladeshi Hindus: 'हिंदू बन गए हैं आसान टारेगट' - ढाका में हमलों के बाद बांग्लादेशी हिंदू ने बताया देश का 'काला सच' </code> | <code>0</code> | |
|
| <code> फर्जी कॉल, SMS से लेकर WhatsApp मैसेज तक, Chakshu पोर्टल पर करें हर फ्रॉड की शिकायत, होगी कार्रवाई </code> | <code> विदेशी Trucks में ड्राइवर को सिर्फ AC ही नहीं बल्कि, मिलती हैं ये लग्जरी सुविधाएं </code> | <code>0</code> | |
|
| <code> GK Quiz: कौन सा जीव है जिसे अपनी मौत आने से पहले उसे पता चल जाता है? </code> | <code> Indian Army Recruitment 2024: इंडियन आर्मी में निकली डायरेक्ट भर्ती, हवलदार समेत इन पदों पर मिलेगी नौकरी </code> | <code>0</code> | |
|
* Loss: [<code>ContrastiveLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#contrastiveloss) with these parameters: |
|
```json |
|
{ |
|
"distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE", |
|
"margin": 0.5, |
|
"size_average": true |
|
} |
|
``` |
|
|
|
### Evaluation Dataset |
|
|
|
#### Unnamed Dataset |
|
|
|
|
|
* Size: 200 evaluation samples |
|
* Columns: <code>premise</code>, <code>hypothesis</code>, and <code>label</code> |
|
* Approximate statistics based on the first 1000 samples: |
|
| | premise | hypothesis | label | |
|
|:--------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:-----------------------------| |
|
| type | string | string | int | |
|
| details | <ul><li>min: 12 tokens</li><li>mean: 31.98 tokens</li><li>max: 61 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 32.0 tokens</li><li>max: 61 tokens</li></ul> | <ul><li>1: 100.00%</li></ul> | |
|
* Samples: |
|
| premise | hypothesis | label | |
|
|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------| |
|
| <code> Vastu Tips: घर के मुख्य दरवाजे पर ये एक चीज लटकाने से दौड़ी आएंगी मां लक्ष्मी, पैसों की तंगी से मिलेगा छुटकारा </code> | <code>Vastu Tips: घर के मुख्य दरवाजे पर ये एक चीज लटकाने से दौड़ी आएंगी मां लक्ष्मी, पैसों की तंगी से मिलेगा छुटकारा</code> | <code>1</code> | |
|
| <code> CLAT 2025: कल से शुरू हो रही रजिस्ट्रेशन प्रक्रिया, अप्लाई करने के लिए क्या योग्यता चाहिए; क्या होगा एग्जाम पैटर्न और कितनी होगी फीस जानें </code> | <code>CLAT 2025: कल से शुरू हो रही रजिस्ट्रेशन प्रक्रिया, अप्लाई करने के लिए क्या योग्यता चाहिए; क्या होगा एग्जाम पैटर्न और कितनी होगी फीस जानें</code> | <code>1</code> | |
|
| <code> XAT 2025: 15 जुलाई से शुरू होंगे रजिस्ट्रेशन, जानें कैसे भरें एप्लिकेशन फॉर्म </code> | <code>XAT 2025: 15 जुलाई से शुरू होंगे रजिस्ट्रेशन, जानें कैसे भरें एप्लिकेशन फॉर्म</code> | <code>1</code> | |
|
* Loss: [<code>ContrastiveLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#contrastiveloss) with these parameters: |
|
```json |
|
{ |
|
"distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE", |
|
"margin": 0.5, |
|
"size_average": true |
|
} |
|
``` |
|
|
|
### Training Hyperparameters |
|
#### Non-Default Hyperparameters |
|
|
|
- `eval_strategy`: steps |
|
- `per_device_train_batch_size`: 16 |
|
- `per_device_eval_batch_size`: 16 |
|
- `learning_rate`: 2e-05 |
|
- `num_train_epochs`: 20 |
|
- `warmup_ratio`: 0.1 |
|
|
|
#### All Hyperparameters |
|
<details><summary>Click to expand</summary> |
|
|
|
- `overwrite_output_dir`: False |
|
- `do_predict`: False |
|
- `eval_strategy`: steps |
|
- `prediction_loss_only`: True |
|
- `per_device_train_batch_size`: 16 |
|
- `per_device_eval_batch_size`: 16 |
|
- `per_gpu_train_batch_size`: None |
|
- `per_gpu_eval_batch_size`: None |
|
- `gradient_accumulation_steps`: 1 |
|
- `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`: 20 |
|
- `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`: 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`: 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 |
|
- `batch_sampler`: batch_sampler |
|
- `multi_dataset_batch_sampler`: proportional |
|
|
|
</details> |
|
|
|
### Training Logs |
|
| Epoch | Step | Training Loss | loss | |
|
|:-------:|:----:|:-------------:|:------:| |
|
| 0.8850 | 100 | 0.0056 | 0.0052 | |
|
| 1.7699 | 200 | 0.0028 | 0.0037 | |
|
| 2.6549 | 300 | 0.0019 | 0.0034 | |
|
| 3.5398 | 400 | 0.0014 | 0.0039 | |
|
| 4.4248 | 500 | 0.0011 | 0.0039 | |
|
| 5.3097 | 600 | 0.0005 | 0.0033 | |
|
| 6.1947 | 700 | 0.0005 | 0.0031 | |
|
| 7.0796 | 800 | 0.0004 | 0.0032 | |
|
| 7.9646 | 900 | 0.0004 | 0.0031 | |
|
| 8.8496 | 1000 | 0.0004 | 0.0028 | |
|
| 9.7345 | 1100 | 0.0003 | 0.0029 | |
|
| 10.6195 | 1200 | 0.0004 | 0.0029 | |
|
| 11.5044 | 1300 | 0.0003 | 0.0028 | |
|
| 12.3894 | 1400 | 0.0002 | 0.0029 | |
|
| 13.2743 | 1500 | 0.0003 | 0.0028 | |
|
| 14.1593 | 1600 | 0.0002 | 0.0027 | |
|
| 15.0442 | 1700 | 0.0003 | 0.0028 | |
|
| 15.9292 | 1800 | 0.0003 | 0.0027 | |
|
| 16.8142 | 1900 | 0.0003 | 0.0027 | |
|
| 17.6991 | 2000 | 0.0002 | 0.0028 | |
|
| 18.5841 | 2100 | 0.0002 | 0.0027 | |
|
| 19.4690 | 2200 | 0.0003 | 0.0026 | |
|
|
|
|
|
### Framework Versions |
|
- Python: 3.10.12 |
|
- Sentence Transformers: 3.0.1 |
|
- Transformers: 4.42.4 |
|
- PyTorch: 2.3.1+cu121 |
|
- Accelerate: 0.32.1 |
|
- Datasets: 2.20.0 |
|
- Tokenizers: 0.19.1 |
|
|
|
## 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", |
|
} |
|
``` |
|
|
|
#### ContrastiveLoss |
|
```bibtex |
|
@inproceedings{hadsell2006dimensionality, |
|
author={Hadsell, R. and Chopra, S. and LeCun, Y.}, |
|
booktitle={2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06)}, |
|
title={Dimensionality Reduction by Learning an Invariant Mapping}, |
|
year={2006}, |
|
volume={2}, |
|
number={}, |
|
pages={1735-1742}, |
|
doi={10.1109/CVPR.2006.100} |
|
} |
|
``` |
|
|
|
<!-- |
|
## Glossary |
|
|
|
*Clearly define terms in order to be accessible across audiences.* |
|
--> |
|
|
|
<!-- |
|
## Model Card Authors |
|
|
|
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* |
|
--> |
|
|
|
<!-- |
|
## Model Card Contact |
|
|
|
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* |
|
--> |
