George2002/sledopyt_embedder_6topics

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_v3")
# Run inference
sentences = [
    'query: Когда родитель теряет доступ к картам ребенка от 14 до 17 лет?',
    'query: В каких ситуациях родитель не сможет управлять картами ребенка в возрасте 14-17 лет?',
    'query: Кто имеет право претендовать на наследство, если наследодатель объявлен банкротом?',
]
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: 8,012 training samples
• Columns: query_1 and query_2
• Approximate statistics based on the first 1000 samples:

  	query_1	query_2
  type	string	string
  details	min: 12 tokens mean: 21.5 tokens max: 34 tokens	min: 11 tokens mean: 21.24 tokens max: 37 tokens

• Samples:

  query_1	query_2
  query: Что произойдет с процедурой банкротства, если банкрот умрет?	query: Как будет развиваться процедура банкротства после смерти должника?
  query: Как ребенку изменить лимит на расход по карте, который установил опекун?	query: Что нужно сделать, чтобы изменить лимит расходов по карте, заданный законным представителем?
  query: Какие документы подтверждают полномочия опекуна несовершеннолетнего до 14 лет?	query: Какие бумаги нужны, чтобы подтвердить полномочия опекуна несовершеннолетнего до 14-ти лет?

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

q2p_data

• Dataset: q2p_data
• Size: 2,502 training samples
• Columns: query and chunk
• Approximate statistics based on the first 1000 samples:

  	query	chunk
  type	string	string
  details	min: 11 tokens mean: 21.8 tokens max: 37 tokens	min: 12 tokens mean: 173.04 tokens max: 512 tokens

• Samples:

  query	chunk
  query: Что можно использовать для получения данных наследодателя, если у клиента нет паспорта?	passage: У клиента ЕСТЬ/НЕТ документа подтверждающего наследственное право (далее - ДПНП) - свидетельства о праве на наследство/завещание в банке в его пользу до 01.03.2002 Нет ДПНП Клиента необходимо направить к нотариусу для открытия наследственного дела и розыска наследственной массы через запрос Нотариуса. Сообщите клиенту необходимость взять к нотариусу следующие документы для более качественного и быстрого розыска: 1. Паспорт наследодателя или его данные(можно взять из любого договора) 2. Все известные сберкнижки наследодателя или их номера 3. ИНН если наследодателя был ИП Обращение в СРМ «Розничный не регистрируй!!!
  query: Что делать, если в документах клиента нет сведений о месте пребывания?	passage: Для любого представителя Клиента (ЕИО, уполномоченного сотрудника, доверенного лица) : Нерезидент 1. Документ, удостоверяющий личность представителя юридического лица/ИП (В случае если Клиент/представитель Клиента предоставил в Банк иностранный документ, удостоверяющий личность, без нотариально удостоверенного перевода, дополнительно предоставляется Приложение 4 к Информационным сведениям клиента) Дополнительно: id-карта является полноценным ДУЛ только для граждан Киргизии и Казахстана. Граждане других государств id-карту как самостоятельный ДУЛ использовать не могут. 2. Документ, подтверждающий право иностранного гражданина или лица без гражданства на пребывание (проживание) в Российской Федерации: - вид на жительство; - либо временное удостоверение личности лица без гражданства в Российской Федерации; - либо разрешение на временное проживание; - либо визу; - либо миграционную карту; - либо свидетельство о рассмотрении ходатайства о признании беженцем на территории Р...
  query: Под какие документы подпадает исполнительный документ о взыскании задолженности?	passage: Уважаемый коллега! Вы приняли от клиента: Исполнительный документ о взыскании задолженности/наложении ареста/отмене ареста (взыскания) Исполнительные документы (ИД), могут быть предъявлены клиентом/его представителем в филиалы и подразделения Банка с целью исполнения Банком требований федерального закона от 02.10.2007 №229-ФЗ "Об исполнительном производстве".

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

Evaluation Datasets

q2q_data

• Dataset: q2q_data
• Size: 422 evaluation samples
• Columns: query_1 and query_2
• Approximate statistics based on the first 422 samples:

  	query_1	query_2
  type	string	string
  details	min: 12 tokens mean: 21.71 tokens max: 38 tokens	min: 11 tokens mean: 21.24 tokens max: 35 tokens

• Samples:

  query_1	query_2
  query: Как банк реагирует на выявление клиента-банкрота при выдаче карты?	query: Как банк поступает, если выясняется, что клиент-банкрот при оформлении кредитки?
  query: query: Что является целевым путем для выплаты наследства при возникновении технической ошибки?	query: Какие действия нужно предпринять для выплаты наследства при наличии технической ошибки?
  query: Что делать, если клиент сообщает, что выпуск карты осуществляется по просьбе третьего лица?	query: Что предпринимать, если клиент жалуется, что кто-то другой просит выпустить карту?

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

q2p_data

• Dataset: q2p_data
• Size: 132 evaluation samples
• Columns: query and chunk
• Approximate statistics based on the first 132 samples:

  	query	chunk
  type	string	string
  details	min: 14 tokens mean: 22.05 tokens max: 40 tokens	min: 13 tokens mean: 172.31 tokens max: 512 tokens

• Samples:

  query	chunk
  query: Как завершать процедуру банкротства в случае смерти банкрота?	passage: С каким вопросом обратился ФУ? 12. Поведение процедуры банкротства в случае смерти банкрота/ Вступления банкрота в наследство В случае
  query: Что произойдет, если Законный представитель подключит уведомления на свой номер телефона вместо номера Ребёнка?	passage: Выберите интересующий вопрос 5. Можно ли подключить СМС-информирование по Детской СберКарте на номер телефона Законного Представителя ? Нет, это можно сделать только на номер телефона Ребёнка. Если Законный представитель подключил уведомления на свой номер, тогда нужно поменять его на номер телефона Ребёнка в офисе Банка или банкомате. Иначе Ребёнок не сможет получать уведомления с кодами подтверждения и воспользоваться банкоматом, а Законный представитель столкнётся с техническими сложностями при пользовании сервисами Банка. Если Законный представитель желает получать уведомления об операциях Ребёнка на свой номер телефона, тогда ему необходимо подключить услугу "Совместные уведомления" к Детской СберКарте.
  query: Что необходимо для того, чтобы ребёнок мог сам совершить операцию?	passage: Возможные ошибки: Ребёнку необходимо совершить операцию самому Ребёнку больше 14 лет

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 64
• learning_rate: 1e-05
• weight_decay: 0.01
• num_train_epochs: 10
• warmup_ratio: 0.1
• load_best_model_at_end: True
• push_to_hub: True
• hub_model_id: George2002/sledopyt_embedder_v3
• 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: 64
• 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: 10
• 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_v3
• 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

Epoch	Step	Training Loss	q2q data loss	q2p data loss
0.2439	10	2.0065	-	-
0.4878	20	1.1826	-	-
0.6098	25	-	0.0102	0.2422
0.7317	30	0.6224	-	-
0.9756	40	0.1914	-	-
1.2195	50	0.1785	0.0003	0.1165
1.4634	60	0.1897	-	-
1.7073	70	0.1862	-	-
1.8293	75	-	0.0002	0.0839
1.9512	80	0.0917	-	-
2.1951	90	0.0855	-	-
2.4390	100	0.1282	0.0002	0.0868
2.6829	110	0.1329	-	-
2.9268	120	0.0627	-	-
3.0488	125	-	0.0002	0.0720
3.1707	130	0.0621	-	-
3.4146	140	0.0882	-	-
3.6585	150	0.1041	0.0002	0.069
3.9024	160	0.0564	-	-
4.1463	170	0.0515	-	-
4.2683	175	-	0.0001	0.0795
4.3902	180	0.0858	-	-
4.6341	190	0.082	-	-
4.8780	200	0.0431	0.0001	0.0725
5.1220	210	0.0482	-	-
5.3659	220	0.0643	-	-
5.4878	225	-	0.0001	0.0813
5.6098	230	0.0863	-	-
5.8537	240	0.041	-	-
6.0976	250	0.0446	0.0001	0.0724
6.3415	260	0.0594	-	-
6.5854	270	0.0705	-	-
6.7073	275	-	0.0001	0.0760
6.8293	280	0.0451	-	-
7.0732	290	0.0447	-	-
7.3171	300	0.0507	0.0001	0.0783
7.5610	310	0.0571	-	-
7.8049	320	0.0534	-	-
7.9268	325	-	0.0001	0.0787
8.0488	330	0.041	-	-
8.2927	340	0.0458	-	-
8.5366	350	0.0534	0.0001	0.0819
8.7805	360	0.0594	-	-
9.0244	370	0.0381	-	-
9.1463	375	-	0.0001	0.0815
9.2683	380	0.046	-	-
9.5122	390	0.0507	-	-
9.7561	400	0.0575	0.0001	0.0822
10.0	410	0.0372	-	-

• The bold row denotes the saved checkpoint.

Framework Versions

• Python: 3.10.12
• Sentence Transformers: 4.1.0
• Transformers: 4.51.3
• PyTorch: 2.7.0+cu126
• 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",
}

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}
}