---
base_model: indobenchmark/indobert-base-p2
datasets:
- afaji/indonli
language:
- id
library_name: sentence-transformers
metrics:
- pearson_cosine
- spearman_cosine
- pearson_manhattan
- spearman_manhattan
- pearson_euclidean
- spearman_euclidean
- pearson_dot
- spearman_dot
- pearson_max
- spearman_max
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:6915
- loss:MultipleNegativesRankingLoss
widget:
- source_sentence: Pesta Olahraga Asia Tenggara atau Southeast Asian Games, biasa
disingkat SEA Games, adalah ajang olahraga yang diadakan setiap dua tahun dan
melibatkan 11 negara Asia Tenggara.
sentences:
- Sekarang tahun 2017.
- Warna kulit tidak mempengaruhi waktu berjemur yang baik untuk mengatifkan pro-vitamin
D3.
- Pesta Olahraga Asia Tenggara diadakan setiap tahun.
- source_sentence: Menjalani aktivitas Ramadhan di tengah wabah Corona tentunya tidak
mudah.
sentences:
- Tidak ada observasi yang pernah dilansir oleh Business Insider.
- Wabah Corona membuat aktivitas Ramadhan tidak mudah dijalani.
- Piala Sudirman pertama digelar pada tahun 1989.
- source_sentence: Dalam bidang politik, partai ini memperjuangkan agar kekuasaan
sepenuhnya berada di tangan rakyat.
sentences:
- Galileo tidak berhasil mengetes hasil dari Hukum Inert.
- Kudeta 14 Februari 1946 gagal merebut kekuasaan Belanda.
- Partai ini berusaha agar kekuasaan sepenuhnya berada di tangan rakyat.
- source_sentence: Keluarga mendiang Prince menuduh layanan musik streaming Tidal
memasukkan karya milik sang penyanyi legendaris tanpa izin .
sentences:
- Rosier adalah pelayan setia Lord Voldemort.
- Bangunan ini digunakan untuk penjualan.
- Keluarga mendiang Prince sudah memberi izin kepada TImbal untuk menggunakan lagu
milik Prince.
- source_sentence: Tujuan dari acara dengar pendapat CRTC adalah untuk mengumpulkan
respons dari pada pemangku kepentingan industri ini dan dari masyarakat umum.
sentences:
- Pembuat Rooms hanya bisa membuat meeting yang terbuka.
- Masyarakat umum dilibatkan untuk memberikan respon dalam acara dengar pendapat
CRTC.
- Eminem dirasa tidak akan memulai kembali kariernya tahun ini.
model-index:
- name: SentenceTransformer based on indobenchmark/indobert-base-p2
results:
- task:
type: semantic-similarity
name: Semantic Similarity
dataset:
name: IndoNLI dev
type: IndoNLI-dev
metrics:
- type: pearson_cosine
value: 0.054645724410651776
name: Pearson Cosine
- type: spearman_cosine
value: 0.05813131922360566
name: Spearman Cosine
- type: pearson_manhattan
value: 0.06440629731537877
name: Pearson Manhattan
- type: spearman_manhattan
value: 0.06617214306439209
name: Spearman Manhattan
- type: pearson_euclidean
value: 0.06472911547924179
name: Pearson Euclidean
- type: spearman_euclidean
value: 0.06670189814323607
name: Spearman Euclidean
- type: pearson_dot
value: 0.02146795646141896
name: Pearson Dot
- type: spearman_dot
value: 0.014015602655765296
name: Spearman Dot
- type: pearson_max
value: 0.06472911547924179
name: Pearson Max
- type: spearman_max
value: 0.06670189814323607
name: Spearman Max
- task:
type: semantic-similarity
name: Semantic Similarity
dataset:
name: IndoNLI test
type: IndoNLI-test
metrics:
- type: pearson_cosine
value: -0.027420454797600895
name: Pearson Cosine
- type: spearman_cosine
value: -0.03327545125556324
name: Spearman Cosine
- type: pearson_manhattan
value: -0.04660713875385687
name: Pearson Manhattan
- type: spearman_manhattan
value: -0.0317801498705458
name: Spearman Manhattan
- type: pearson_euclidean
value: -0.04697128223611728
name: Pearson Euclidean
- type: spearman_euclidean
value: -0.03186507233227842
name: Spearman Euclidean
- type: pearson_dot
value: -0.014150904875791395
name: Pearson Dot
- type: spearman_dot
value: -0.01615774720436149
name: Spearman Dot
- type: pearson_max
value: -0.014150904875791395
name: Pearson Max
- type: spearman_max
value: -0.01615774720436149
name: Spearman Max
---
# SentenceTransformer based on indobenchmark/indobert-base-p2
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [indobenchmark/indobert-base-p2](https://huggingface.co/indobenchmark/indobert-base-p2) on the [afaji/indonli](https://huggingface.co/datasets/afaji/indonli) 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:** [indobenchmark/indobert-base-p2](https://huggingface.co/indobenchmark/indobert-base-p2)
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 768 tokens
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- [afaji/indonli](https://huggingface.co/datasets/afaji/indonli)
- **Language:** id
### 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: BertModel
(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})
)
```
## 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("cassador/3bs4lr2")
# Run inference
sentences = [
'Tujuan dari acara dengar pendapat CRTC adalah untuk mengumpulkan respons dari pada pemangku kepentingan industri ini dan dari masyarakat umum.',
'Masyarakat umum dilibatkan untuk memberikan respon dalam acara dengar pendapat CRTC.',
'Pembuat Rooms hanya bisa membuat meeting yang terbuka.',
]
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
#### Semantic Similarity
* Dataset: `IndoNLI-dev`
* Evaluated with [EmbeddingSimilarityEvaluator
](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| pearson_cosine | 0.0546 |
| **spearman_cosine** | **0.0581** |
| pearson_manhattan | 0.0644 |
| spearman_manhattan | 0.0662 |
| pearson_euclidean | 0.0647 |
| spearman_euclidean | 0.0667 |
| pearson_dot | 0.0215 |
| spearman_dot | 0.014 |
| pearson_max | 0.0647 |
| spearman_max | 0.0667 |
#### Semantic Similarity
* Dataset: `IndoNLI-test`
* Evaluated with [EmbeddingSimilarityEvaluator
](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)
| Metric | Value |
|:--------------------|:------------|
| pearson_cosine | -0.0274 |
| **spearman_cosine** | **-0.0333** |
| pearson_manhattan | -0.0466 |
| spearman_manhattan | -0.0318 |
| pearson_euclidean | -0.047 |
| spearman_euclidean | -0.0319 |
| pearson_dot | -0.0142 |
| spearman_dot | -0.0162 |
| pearson_max | -0.0142 |
| spearman_max | -0.0162 |
## Training Details
### Training Dataset
#### afaji/indonli
* Dataset: [afaji/indonli](https://huggingface.co/datasets/afaji/indonli)
* Size: 6,915 training samples
* Columns: premise
, hypothesis
, and label
* Approximate statistics based on the first 1000 samples:
| | premise | hypothesis | label |
|:--------|:------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:------------------------------------------------|
| type | string | string | int |
| details |
Presiden Joko Widodo (Jokowi) menyampaikan prediksi bahwa wabah virus Corona (COVID-19) di Indonesia akan selesai akhir tahun ini.
| Prediksi akhir wabah tidak disampaikan Jokowi.
| 0
|
| Meski biasanya hanya digunakan di fasilitas kesehatan, saat ini masker dan sarung tangan sekali pakai banyak dipakai di tingkat rumah tangga.
| Masker sekali pakai banyak dipakai di tingkat rumah tangga.
| 1
|
| Seperti namanya, paket internet sahur Telkomsel ini ditujukan bagi pengguna yang menginginkan kuota ekstra, untuk menemani momen sahur sepanjang bulan puasa.
| Paket internet sahur tidak ditujukan untuk saat sahur.
| 0
|
* Loss: [MultipleNegativesRankingLoss
](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "cos_sim"
}
```
### Evaluation Dataset
#### afaji/indonli
* Dataset: [afaji/indonli](https://huggingface.co/datasets/afaji/indonli)
* Size: 1,556 evaluation samples
* Columns: premise
, hypothesis
, and label
* Approximate statistics based on the first 1000 samples:
| | premise | hypothesis | label |
|:--------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:------------------------------------------------|
| type | string | string | int |
| details | Manuskrip tersebut berisi tiga catatan yang menceritakan bagaimana peristiwa jatuhnya meteorit serta laporan kematian akibat kejadian tersebut seperti dilansir dari Science Alert, Sabtu (25/4/2020).
| Manuskrip tersebut tidak mencatat laporan kematian.
| 0
|
| Dilansir dari Business Insider, menurut observasi dari Mauna Loa Observatory di Hawaii pada karbon dioksida (CO2) di level mencapai 410 ppm tidak langsung memberikan efek pada pernapasan, karena tubuh manusia juga masih membutuhkan CO2 dalam kadar tertentu.
| Tidak ada observasi yang pernah dilansir oleh Business Insider.
| 0
|
| Seorang wanita asal New York mengaku sangat benci air putih.
| Tidak ada orang dari New York yang membenci air putih.
| 0
|
* Loss: [MultipleNegativesRankingLoss
](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "cos_sim"
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: epoch
- `per_device_train_batch_size`: 4
- `per_device_eval_batch_size`: 4
- `learning_rate`: 2e-05
- `warmup_ratio`: 0.1
- `fp16`: True
#### All Hyperparameters