Upload folder using huggingface_hub

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 768,
+  "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
+}

README.md

@@ -0,0 +1,703 @@
+---
+base_model: sentence-transformers/multi-qa-mpnet-base-dot-v1
+library_name: sentence-transformers
+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
+- dot_accuracy@1
+- dot_accuracy@3
+- dot_accuracy@5
+- dot_accuracy@10
+- dot_precision@1
+- dot_precision@3
+- dot_precision@5
+- dot_precision@10
+- dot_recall@1
+- dot_recall@3
+- dot_recall@5
+- dot_recall@10
+- dot_ndcg@10
+- dot_mrr@10
+- dot_map@100
+pipeline_tag: sentence-similarity
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:2012
+- loss:MatryoshkaLoss
+- loss:MultipleNegativesRankingLoss
+widget:
+- source_sentence: O que são os principais temas abordados na disciplina de Redes
+    de Computadores, de acordo com sua ementa?
+  sentences:
+  - '| Código | COMPONENTE CURRICULAR | Créditos | Horas |
+
+    |---|---|---|---|
+
+    | Código | COMPONENTE CURRICULAR | Créditos | Horas |
+
+    |   | ESTRUTURAS DE DADOS I | 04 | 60 |
+
+    | EMENTA |   |   |   |
+
+    | Funções recursivas. Ponteiros. Alocação dinâmica de memória. Tipos Abstratos
+    de Dados. Listas lineares: listas encadeadas, pilhas, filas. Árvores: representação,
+    operações e percursos. Árvores binárias de busca. Heaps. |   |   |   |
+
+    | OBJETIVO |   |   |   |
+
+    | Aplicar estruturas de dados básicas e avançadas para a solução de problemas
+    computacionais. |   |   |   |
+
+    | REFERÊNCIAS BÁSICAS |   |   |   |
+
+    | CORMEN, T.; RIVEST, R.; STEIN, C.; LEISERSON, C. Algoritmos: Teoria e Prática.
+    Elsevier - Campus, 2012. |   |   |   |
+
+    '
+  - '| Código | COMPONENTE CURRICULAR | Créditos | Horas |
+
+    |---|---|---|---|
+
+    | Código | COMPONENTE CURRICULAR | Créditos | Horas |
+
+    |   | REDES DE COMPUTADORES | 04 | 60 |
+
+    | EMENTA |   |   |   |
+
+    | Fundamentos de sistemas de comunicação de dados. Arquiteturas de redes: modelos
+    OSI e TCP/IP. Protocolos de comunicação na Internet: camadas de aplicação, transporte,
+    rede e enlace. Avaliação de desempenho. |   |   |   |
+
+    | OBJETIVO |   |   |   |
+
+    '
+  - '| Código | COMPONENTE CURRICULAR | Créditos | Horas |
+
+    |---|---|---|---|
+
+    | Código | COMPONENTE CURRICULAR | Créditos | Horas |
+
+    | GCS239 | DIREITOS E CIDADANIA | 04 | 60 |
+
+    | EMENTA |   |   |   |
+
+    | Origens históricas e teóricas da noção de cidadania. O processo moderno de constituição
+    dos direitos civis, políticos, sociais e culturais. Políticas de reconhecimento
+    e promoção da cidadania. Direitos e cidadania no Brasil. |   |   |   |
+
+    | OBJETIVO |   |   |   |
+
+    '
+- source_sentence: 'Em que editora foram publicados os livros "Conceitos de Linguagens
+    de Programação" e "Programming Languages: Principles And Practices", como indicado
+    no contexto?'
+  sentences:
+  - "A carga horária dos componentes curriculares do Domínio Conexo é de 420 horas\
+    \ e <br><br>representa 13,12% das 3200 horas necessárias à integralização do Curso\
+    \ de Ciência da <br><br>Computação. <br><br>Nos componentes idênticos e obrigatórios\
+    \ a articulação acontece na medida em que os \nDRAFT <br><br>discentes transitam\
+    \ entre os cursos, otimizando a oferta destes componentes e a troca de <br><br>experiências.\
+    \ Já os componentes não idênticos exigirão do corpo docente, na medida em que\
+    \ <br><br>houver reformulação dos demais PPCs, a construção de atividades conjuntas.\
+    \ Para isso, a <br><br>interação entre os NDEs se fará necessária. "
+  - '1130  **Lei n° 12.764, de 27 de dezembro de 2012 –**institui a Política Nacional
+    de Proteção dos <br><br>Direitos da Pessoa com Transtorno do Espectro Autista,
+    e altera o § 3o do art. 98 da Lei no <br><br>Projeto Pedagógico do Curso de Ciência
+    Da Computação,*Campus*Chapecó. <br><br>42 '
+  - "SEBESTA, R. W.**Conceitos de Linguagens de Programação.**11. ed. Porto Alegre:\
+    \ \nBookman, 2018. \nLOUDEN, K. C.; LAMBERT, K. A.**Programming Languages:**Principles\
+    \ And Practices. \n3. ed. Hardcover, 2011. \nPRATT, T. W.; ZELKOWITZ, M. V. \n\
+    Implementation. 4. ed. Prentice-Hall, 2000. <br><br>**Programming Languages:**Design\
+    \ and "
+- source_sentence: Qual é o objetivo do componente curricular "Introdução à Computação"
+    no plano de estudos?
+  sentences:
+  - 'desenvolvimento de habilidades de trabalho em grupo e de comunicação e <br><br>expressão;
+    <br><br>  preocupação constante com a atualização tecnológica e com o estado
+    da arte; <br><br>Projeto Pedagógico do Curso de Ciência Da Computação,*Campus*Chapecó.
+    <br><br>31 '
+  - "REFERÊNCIAS COMPLEMENTARES <br><br>DAVIS, M. D.; WEYUKER, E. J.**Computability,\
+    \ Complexity and Languages:**\nFundamentals of Theoretical Computer Science. 2.\
+    \ ed. Morgan Kaufmann, 1994. \nFURTADO, O. J. V.**Apostila de Linguagens Formais\
+    \ e Compiladores**. UFSC, 2002. \nDisponível em: <www.inf.ufsc.br/~olinto/apostila-lfc.doc>.\
+    \ \nHOPCROFT, J. E.; MOTWANI, R.; ULLMAN, J. D.**Introdução à Teoria dos**\n**Autômatos,\
+    \ Linguagens e Computação.**1. ed. Rio de Janeiro: Campus, 2002. <br><br>DRAFT "
+  - '| Código | COMPONENTE CURRICULAR | Créditos | Horas |
+
+    |---|---|---|---|
+
+    | Código | COMPONENTE CURRICULAR | Créditos | Horas |
+
+    |   | INTRODUÇÃO À COMPUTAÇÃO | 04 | 60 |
+
+    | EMENTA |   |   |   |
+
+    | Introdução ao Curso de Ciência da Computação e à Universidade Federal da Fronteira
+    Sul: principais estruturas e regulamentos. Introdução à área da Computação: inserção
+    e desenvolvimento profissional, carreira acadêmica e técnica. Conhecimentos e
+    comandos básicos em sistemas operacionais abertos. Fundamentos básicos da Computação:
+    história, principais componentes de hardware e software, sistemas de numeração,
+    aritmética binária e suas operações. Principais ferramentas e tecnologias para
+    o desenvolvimento e versionamento de código. |   |   |   |
+
+    | OBJETIVO |   |   |   |
+
+    <br><br>Projeto Pedagógico do Curso de Ciência Da Computação,*Campus*Chapecó.
+    <br><br>59 '
+- source_sentence: Quais são as legislações específicas que o PPC do Curso de Ciência
+    da Computação segue?
+  sentences:
+  - '**8.3 Atendimento às legislações específicas**<br><br>O PPC do Curso de Graduação
+    em Ciência da Computação orienta-se pela legislação <br><br>1090  educacional,
+    geral e específica da área, bem como pelas normativas e orientações <br><br>institucionais
+    da UFFS, abaixo elencadas as referências legais: '
+  - "**REFERÊNCIAS BÁSICAS**<br><br>DA SILVA, Wagner Pires. Extensão Universitária:\
+    \ um conceito em construção. Revista \nem: \nEdição \nExtensão \nhttps://periodicos.ufrn.br/extensaoesociedade.\
+    \ Acesso em: 01/02/2021. \nDE PAULA, João Antônio. A extensão universitária: história,\
+    \ conceito e propostas. Revista \nInterfaces. Disponível em: https://periodicos.ufmg.br/index.php/revistainterfaces.\
+    \ Acesso \nem: 07/07/2021. \nGADOTTI, Moacir. Extensão Universitária: Para quê?\
+    \ Disponível em: paulofreire.org. \nAcesso em: 07/07/2021. <br><br> &  Sociedade.\
+    \  2020.2.   Disponível "
+  - '180  pelas Resoluções 006/2012 – CONSUNI/CGRAD e 008/2016 – CONSUNI/CGAE, se
+    dá com <br><br>base nos resultados do Exame Nacional do Ensino Médio (ENEM), mediante
+    inscrição no <br><br>Sistema de Seleção Unificada (SISU), do Ministério da Educação
+    (MEC). Em atendimento à <br><br>Lei nº 12.711/2012 (Lei de Cotas) e a legislações
+    complementares (Decreto nº 7.824/2012 e <br><br>Portaria Normativa MEC Nº 18/2012),
+    a UFFS toma como base para a definição do <br><br>185  percentual de vagas reservadas
+    a candidatos que cursaram o Ensino Médio integralmente em <br><br>escola pública
+    o resultado do último Censo Escolar/INEP/MEC, de acordo com o estado <br><br>correspondente
+    ao local de oferta das vagas. <br><br>Além da reserva de vagas garantida por Lei,
+    a UFFS adota, como ações afirmativas, a <br><br>reserva de vagas para candidatos
+    que tenham cursado o ensino médio parcialmente em escola '
+- source_sentence: Onde é mencionado oficialmente o NDE do curso de Ciência Da Computação,
+    conforme a Portaria nº ?
+  sentences:
+  - '**4.1 Justificativa da criação do curso**<br><br>A tecnologia da informação faz
+    parte do conjunto de recursos que sustentam e <br><br>505  viabilizam vários setores
+    comerciais, industriais e sociais. O desenvolvimento da área de <br><br>Computação
+    é extremamente dinâmico e tem sido impulsionado por crescentes demandas <br><br>provenientes
+    das relações com os ambientes em que está inserida. Além de atender às <br><br>demandas,
+    a inovação tecnológica relacionada a todos os tipos de sistemas computacionais
+    <br><br>tem causado profundo impacto nas áreas usuárias provocando mudanças, revisões,
+    e <br><br>510  transformações, culminando inclusive com o surgimento de novos
+    campos de atuação <br><br>profissional. A tecnologia, hoje, possui uma responsabilidade
+    técnica e social inegável. Falhas <br><br>tecnológicas podem provocar danos de
+    grandes proporções, o que justifica a importância da <br><br>constante qualificação
+    e a reflexão sobre a participação da tecnologia no dia a dia. A <br><br>academia
+    tem grande responsabilidade e capacidade para contribuir com esta demanda. <br><br>515 '
+  - '**IDENTIFICAÇÃO INSTITUCIONAL**<br><br>A Universidade Federal da Fronteira Sul
+    foi criada pela Lei Nº 12.029, de 15 de <br><br>35  setembro de 2009. Tem abrangência
+    interestadual com sede na cidade catarinense de <br><br>Chapecó, três*campi*no
+    Rio Grande do Sul – Cerro Largo, Erechim e Passo Fundo – e dois <br><br>*campi*no
+    Paraná – Laranjeiras do Sul e Realeza. '
+  - '**3.4 Núcleo Docente Estruturante do Curso**<br><br>O NDE do curso de Ciência
+    Da Computação, conforme designado na Portaria nº <br><br>Projeto Pedagógico do
+    Curso de Ciência Da Computação,*Campus*Chapecó. <br><br>17 '
+model-index:
+- name: SentenceTransformer based on sentence-transformers/multi-qa-mpnet-base-dot-v1
+  results:
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: Unknown
+      type: unknown
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.625
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.8014705882352942
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.8639705882352942
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.9227941176470589
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.625
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.26715686274509803
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.17279411764705882
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.09227941176470587
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.625
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.8014705882352942
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.8639705882352942
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.9227941176470589
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.7746268345784679
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.7270682578586998
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.730138186486271
+      name: Cosine Map@100
+    - type: dot_accuracy@1
+      value: 0.6274509803921569
+      name: Dot Accuracy@1
+    - type: dot_accuracy@3
+      value: 0.7990196078431373
+      name: Dot Accuracy@3
+    - type: dot_accuracy@5
+      value: 0.8700980392156863
+      name: Dot Accuracy@5
+    - type: dot_accuracy@10
+      value: 0.9203431372549019
+      name: Dot Accuracy@10
+    - type: dot_precision@1
+      value: 0.6274509803921569
+      name: Dot Precision@1
+    - type: dot_precision@3
+      value: 0.26633986928104575
+      name: Dot Precision@3
+    - type: dot_precision@5
+      value: 0.17401960784313725
+      name: Dot Precision@5
+    - type: dot_precision@10
+      value: 0.09203431372549019
+      name: Dot Precision@10
+    - type: dot_recall@1
+      value: 0.6274509803921569
+      name: Dot Recall@1
+    - type: dot_recall@3
+      value: 0.7990196078431373
+      name: Dot Recall@3
+    - type: dot_recall@5
+      value: 0.8700980392156863
+      name: Dot Recall@5
+    - type: dot_recall@10
+      value: 0.9203431372549019
+      name: Dot Recall@10
+    - type: dot_ndcg@10
+      value: 0.7739749189192305
+      name: Dot Ndcg@10
+    - type: dot_mrr@10
+      value: 0.7269403594771247
+      name: Dot Mrr@10
+    - type: dot_map@100
+      value: 0.7302016154418327
+      name: Dot Map@100
+---
+
+# SentenceTransformer based on sentence-transformers/multi-qa-mpnet-base-dot-v1
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/multi-qa-mpnet-base-dot-v1](https://huggingface.co/sentence-transformers/multi-qa-mpnet-base-dot-v1). 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:** [sentence-transformers/multi-qa-mpnet-base-dot-v1](https://huggingface.co/sentence-transformers/multi-qa-mpnet-base-dot-v1) <!-- at revision bc0175d50b67121e4a5189c4fa864aff3e58eb6c -->
+- **Maximum Sequence Length:** 512 tokens
+- **Output Dimensionality:** 768 tokens
+- **Similarity Function:** Dot Product
+<!-- - **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': 512, 'do_lower_case': False}) with Transformer model: MPNetModel 
+  (1): Pooling({'word_embedding_dimension': 768, '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})
+)
+```
+
+## 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("sentence_transformers_model_id")
+# Run inference
+sentences = [
+    'Onde é mencionado oficialmente o NDE do curso de Ciência Da Computação, conforme a Portaria nº ?',
+    '**3.4 Núcleo Docente Estruturante do Curso**<br><br>O NDE do curso de Ciência Da Computação, conforme designado na Portaria nº <br><br>Projeto Pedagógico do Curso de Ciência Da Computação,*Campus*Chapecó. <br><br>17 ',
+    '**IDENTIFICAÇÃO INSTITUCIONAL**<br><br>A Universidade Federal da Fronteira Sul foi criada pela Lei Nº 12.029, de 15 de <br><br>35  setembro de 2009. Tem abrangência interestadual com sede na cidade catarinense de <br><br>Chapecó, três*campi*no Rio Grande do Sul – Cerro Largo, Erechim e Passo Fundo – e dois <br><br>*campi*no Paraná – Laranjeiras do Sul e Realeza. ',
+]
+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]
+```
+
+<!--
+### 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.*
+-->
+
+## Evaluation
+
+### Metrics
+
+#### Information Retrieval
+
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.625      |
+| cosine_accuracy@3   | 0.8015     |
+| cosine_accuracy@5   | 0.864      |
+| cosine_accuracy@10  | 0.9228     |
+| cosine_precision@1  | 0.625      |
+| cosine_precision@3  | 0.2672     |
+| cosine_precision@5  | 0.1728     |
+| cosine_precision@10 | 0.0923     |
+| cosine_recall@1     | 0.625      |
+| cosine_recall@3     | 0.8015     |
+| cosine_recall@5     | 0.864      |
+| cosine_recall@10    | 0.9228     |
+| cosine_ndcg@10      | 0.7746     |
+| cosine_mrr@10       | 0.7271     |
+| **cosine_map@100**  | **0.7301** |
+| dot_accuracy@1      | 0.6275     |
+| dot_accuracy@3      | 0.799      |
+| dot_accuracy@5      | 0.8701     |
+| dot_accuracy@10     | 0.9203     |
+| dot_precision@1     | 0.6275     |
+| dot_precision@3     | 0.2663     |
+| dot_precision@5     | 0.174      |
+| dot_precision@10    | 0.092      |
+| dot_recall@1        | 0.6275     |
+| dot_recall@3        | 0.799      |
+| dot_recall@5        | 0.8701     |
+| dot_recall@10       | 0.9203     |
+| dot_ndcg@10         | 0.774      |
+| dot_mrr@10          | 0.7269     |
+| dot_map@100         | 0.7302     |
+
+<!--
+## 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: 2,012 training samples
+* Columns: <code>sentence_0</code> and <code>sentence_1</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | sentence_0                                                                         | sentence_1                                                                          |
+  |:--------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
+  | type    | string                                                                             | string                                                                              |
+  | details | <ul><li>min: 14 tokens</li><li>mean: 40.7 tokens</li><li>max: 123 tokens</li></ul> | <ul><li>min: 9 tokens</li><li>mean: 272.17 tokens</li><li>max: 512 tokens</li></ul> |
+* Samples:
+  | sentence_0                                                                                           | sentence_1                                                                                                                                                                                                                                                                                                                                                                                 |
+  |:-----------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>Em quantos estados brasileiros a Universidade Federal da Fronteira Sul está localizada?</code> | <code>**IDENTIFICAÇÃO INSTITUCIONAL**<br><br>A Universidade Federal da Fronteira Sul foi criada pela Lei Nº 12.029, de 15 de <br><br>35  setembro de 2009. Tem abrangência interestadual com sede na cidade catarinense de <br><br>Chapecó, três*campi*no Rio Grande do Sul – Cerro Largo, Erechim e Passo Fundo – e dois <br><br>*campi*no Paraná – Laranjeiras do Sul e Realeza. </code> |
+  | <code>Qual é a cidade sede da universidade?</code>                                                   | <code>**IDENTIFICAÇÃO INSTITUCIONAL**<br><br>A Universidade Federal da Fronteira Sul foi criada pela Lei Nº 12.029, de 15 de <br><br>35  setembro de 2009. Tem abrangência interestadual com sede na cidade catarinense de <br><br>Chapecó, três*campi*no Rio Grande do Sul – Cerro Largo, Erechim e Passo Fundo – e dois <br><br>*campi*no Paraná – Laranjeiras do Sul e Realeza. </code> |
+  | <code>Quantos *campi* possui a universidade em cada um dos estados onde está presente?</code>        | <code>**IDENTIFICAÇÃO INSTITUCIONAL**<br><br>A Universidade Federal da Fronteira Sul foi criada pela Lei Nº 12.029, de 15 de <br><br>35  setembro de 2009. Tem abrangência interestadual com sede na cidade catarinense de <br><br>Chapecó, três*campi*no Rio Grande do Sul – Cerro Largo, Erechim e Passo Fundo – e dois <br><br>*campi*no Paraná – Laranjeiras do Sul e Realeza. </code> |
+* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
+  ```json
+  {
+      "loss": "MultipleNegativesRankingLoss",
+      "matryoshka_dims": [
+          768,
+          512,
+          256,
+          128,
+          64
+      ],
+      "matryoshka_weights": [
+          1,
+          1,
+          1,
+          1,
+          1
+      ],
+      "n_dims_per_step": -1
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 10
+- `per_device_eval_batch_size`: 10
+- `num_train_epochs`: 30
+- `multi_dataset_batch_sampler`: round_robin
+
+#### 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`: 10
+- `per_device_eval_batch_size`: 10
+- `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`: 5e-05
+- `weight_decay`: 0.0
+- `adam_beta1`: 0.9
+- `adam_beta2`: 0.999
+- `adam_epsilon`: 1e-08
+- `max_grad_norm`: 1
+- `num_train_epochs`: 30
+- `max_steps`: -1
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.0
+- `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
+- `eval_use_gather_object`: False
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: round_robin
+
+</details>
+
+### Training Logs
+| Epoch  | Step | Training Loss | cosine_map@100 |
+|:------:|:----:|:-------------:|:--------------:|
+| 0.9901 | 200  | -             | 0.6360         |
+| 1.0    | 202  | -             | 0.6399         |
+| 1.9802 | 400  | -             | 0.6686         |
+| 2.0    | 404  | -             | 0.6670         |
+| 2.4752 | 500  | 2.6222        | -              |
+| 2.9703 | 600  | -             | 0.6943         |
+| 3.0    | 606  | -             | 0.6864         |
+| 3.9604 | 800  | -             | 0.7016         |
+| 4.0    | 808  | -             | 0.7064         |
+| 4.9505 | 1000 | 0.5981        | 0.7301         |
+
+
+### Framework Versions
+- Python: 3.10.12
+- Sentence Transformers: 3.2.1
+- Transformers: 4.44.2
+- PyTorch: 2.5.0+cu121
+- Accelerate: 0.34.2
+- Datasets: 3.1.0
+- 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",
+}
+```
+
+#### MatryoshkaLoss
+```bibtex
+@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
+```bibtex
+@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}
+}
+```
+
+<!--
+## 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.*
+-->

config.json

@@ -0,0 +1,24 @@
+{
+  "_name_or_path": "sentence-transformers/multi-qa-mpnet-base-dot-v1",
+  "architectures": [
+    "MPNetModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "mpnet",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "relative_attention_num_buckets": 32,
+  "torch_dtype": "float32",
+  "transformers_version": "4.44.2",
+  "vocab_size": 30527
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.2.1",
+    "transformers": "4.44.2",
+    "pytorch": "2.5.0+cu121"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "dot"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:4928353d916927eb3ee63291626b9dc7d0be1d0390e84c249b28e64beb186176
+size 437967672

modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 512,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,51 @@
+{
+  "bos_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "<mask>",
+    "lstrip": true,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "<pad>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "[UNK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer_config.json

@@ -0,0 +1,72 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": true,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "104": {
+      "content": "[UNK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "30526": {
+      "content": "<mask>",
+      "lstrip": true,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "do_lower_case": true,
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "max_length": 250,
+  "model_max_length": 512,
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "</s>",
+  "stride": 0,
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "MPNetTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "[UNK]"
+}