Upload folder using huggingface_hub

3bb6b38 verified 9 months ago

22.5 kB

metadata

base_model: nlpai-lab/KURE-v1
library_name: sentence-transformers
pipeline_tag: sentence-similarity
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:3609
  - loss:ContrastiveLoss
widget:
  - source_sentence: 한동대학교의 입학시기는 언제인가요?
    sentences:
      - |-
        제 82 조 (장애학생 지원)
        장애학생에 대하여는 「장애인 등에 대한 특수교육법」등 관련법에 따라 교육 활동에 필요한 다음 각 호의 편의를 제공한다.
        각종 학습 관련 지원.
        교육지원인력 배치 등의 인적 지원.
        입학전형 등 관련 지원.
        수업 등의 정보접근 지원.
        「장애인·노인·임산부 등의 편의증진보장에 관한 법률」 제2조 제2호에 따른 편의시설 설치 지원.
        그 밖의 장애학생 기타 교육활동 지원.
        위의 제1항과 관련한 장애학생 지원에 대한 세부사항은 장애학생지원센터 규정에 따른다.
      - |-
        제 64 조 (휴학자의 납입금)
        휴학자에 대하여는 다음 학기 이후의 휴학기간중의 납입금을 면제 한다.
        다만, 당해학기 개강일전에 휴학한 자는 그 학기부터 면제한다.
        납입금을 납입하고 당해학기 휴학한 자의 납입금은 휴학시점에 따라 복학시 등록금을 차등 면제한다.
        이때 면제 등록금에 대하여는 증액된 납입금을 징수하지 아니한다.
        제2항의 휴학시점에 따라 복학시 등록금을 차등 면제하는 기준은 학사운영규정으로 정한다.
      - >-
        제 85 조 (글로벌 미래 평생교육원 학점은행제 운영)

        「학점은행 등에 관한 법률」에 따라 평가인정을 받는 학습과정을 이수한 자 등에게 학점인정을 통하여 학력인정의 기회를 부여하는
        학점은행제를 운영할 수 있다.

        학점은행제 운영과 관련하여 학점의 인정범위 및 학적관리 등에 관한 사항은 총장이 따로 정한다.
  - source_sentence: 복학하려면 언제까지 신청해야 해?
    sentences:
      - >-
        제 31 조 (교과과정)

        교과과정의 편성과 운영에 관한 사항은 총장이 따로 정한다.

        재학중 성적이 우수한 학생을 선발하여 학사학위과정과 석사학위과정을 상호연계하는 학.석사 연계과정을 이수하게 할 수 있다.

        학사학위과정의 3학년 이상 교과목 또는 석사학위과정의 교과목 중 학·석사 공통인정과목을 지정할 수 있고, 이를 이수한 학생은
        학사학위과정 졸업학점을 초과하는 학점 범위내에서 석사학위과정 학점으로 인정 할 수 있다.

        학.석사연계과정 시행에 관한 세부사항은 총장이 따로 정한다.

        공학교육인증제 교육과정을 운영하는 학부는 총장의 승인을 얻어 일반교육과정의 전공명과 구분되는 별도의 인증제 전공명을 부여할 수
        있다.

        공학교육인증제 교육과정의 시행에 관한 세부사항은 총장이 따로 정한다. 융복합 미래 인재 양성을 위해 고등교육법 시행령 제 12조
        의2에 근거한 소단위전공 교육과정인 모듈 교육과정을 둘 수 있으며, 모듈 교육과정 시행에 관한 세부사항은 총장이 따로 정한다.
      - >-
        제 25 조 (휴학)

        학생은 재학 중 휴학할 수 있으며 시행에 관한 세부 사항은 학사운영규정으로 정한다.

        제23조 및 제24조 에 따른 등록(등록금 납부 및 수강신청)을 완료하지 못한 자는 당해학기 미등록휴학 처리한다.

        다만, 휴학기간이 3년 이상이고 본인의 의사가 없는 경우 제적처리한다.

        질병 등으로 타 학생에게 현저히 피해를 주어 팀 활동이나 학생생활관 입주 등 공동체 생활이 어렵다고 판단되는 자는 심리검사 또는
        상담이나 치료를 받아야 한다.

        이를 거부하거나 권고휴학을 거부하는 자에게 총장은 학생지도위원회의 심의를 거쳐 휴학을 명할 수 있으며, 이에 관한 세부사항은
        학사운영규정으로 정한다.
      - |-
        제 50 조 (공개강좌)
        교양, 학술 또는 실무에 관한 이론과 기술을 보급하기 위하여 공개강좌를 둘 수 있다.
        공개강좌에 관한 규정은 총장이 따로 정한다.
  - source_sentence: 등록금을 기한 내에 다 못 내면 어떻게 돼?
    sentences:
      - |-
        제 36 조 (방송·통신에 의한 수업 운영)
        방송·통신에 의한 수업(이하 “원격수업”이라 한다)을 운영할 수 있으며, 그 운영에 관한 세부사항은 총장이 따로 정한다.
        고등교육법 제23조 에 의하여 학점을 인정하는 경우에는 이 대학교 학점으로 인정할 수 있다.
        제1항의 운영에 관한 세부사항은 총장이 따로 정한다.
      - >-
        제 1 조 (목적)

        이 학칙은 한동대학교(이하 "이 대학교"라 한다) 교훈의 실천과 교육이념, 교육목적 및 교육목표를 달성하기 위한 교육조직,
        학사운영 등에 관한 사항을 규정함을 목적으로 한다.
      - |-
        제 52 조 (총학생회)
        건전한 학풍을 조성하고 학생자치활동을 신장시키기 위하여 한동대학교 총학생회(이하 "총학생회"라 한다)를 둔다.
        총학생회의 조직과 운영에 관한 사항은 총장의 승인을 얻어 학생회칙으로 따로 정한다.
        전시·사변 또는 이에 준하는 국가 비상사태시에는 그 활동이 정지된다.
  - source_sentence: 한동대학교에서 부득이한 사유로 시험을 보지 못할 경우 어떻게 해야 하나요?
    sentences:
      - >-
        제 1 조 (목적)

        이 학칙은 한동대학교(이하 "이 대학교"라 한다) 교훈의 실천과 교육이념, 교육목적 및 교육목표를 달성하기 위한 교육조직,
        학사운영 등에 관한 사항을 규정함을 목적으로 한다.
      - >-
        제 85 조 (글로벌 미래 평생교육원 학점은행제 운영)

        「학점은행 등에 관한 법률」에 따라 평가인정을 받는 학습과정을 이수한 자 등에게 학점인정을 통하여 학력인정의 기회를 부여하는
        학점은행제를 운영할 수 있다.

        학점은행제 운영과 관련하여 학점의 인정범위 및 학적관리 등에 관한 사항은 총장이 따로 정한다.
      - |-
        제목: 한동대학교 학칙
        소관부서: 교무팀 1073, 1074
        학교웹페이지: https://rule.handong.edu
  - source_sentence: 교수회에서 출석인원 과반수의 찬성이 필요한 이유가 뭐야?
    sentences:
      - |-
        제 77 조 (회의)
        교무회의는 재적인원 과반수의 출석과 출석인원 과반수의 찬성으로 의결한다.
      - |-
        제 27 조 (자퇴)
        자퇴코자 하는 자는 보증인이 연서한 사유서를 제출하여 총장의 허가를 받아야 한다.
      - >-
        제 22 조 (보증인)

        대학 입학 전형에 따라 보증인을 둘 수 있으며, 보증인은 당해 학생의 보호자이어야 하며 부득이한 경우에는 재학 중 학비, 기타
        신상에 관한 일체의 책임을 질 수 있는 자로 한다.

        보증인의 주소 및 신상의 변동이 있을 때에는 즉시 신고하여야 한다.

SentenceTransformer based on nlpai-lab/KURE-v1

This is a sentence-transformers model finetuned from nlpai-lab/KURE-v1. 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: nlpai-lab/KURE-v1
Maximum Sequence Length: 1024 tokens
Output Dimensionality: 1024 dimensions
Similarity Function: Cosine Similarity

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': 1024, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, '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})
  (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("sentence_transformers_model_id")
# Run inference
sentences = [
    '교수회에서 출석인원 과반수의 찬성이 필요한 이유가 뭐야?',
    '제 77 조 (회의)\n교무회의는 재적인원 과반수의 출석과 출석인원 과반수의 찬성으로 의결한다.',
    '제 22 조 (보증인)\n대학 입학 전형에 따라 보증인을 둘 수 있으며, 보증인은 당해 학생의 보호자이어야 하며 부득이한 경우에는 재학 중 학비, 기타 신상에 관한 일체의 책임을 질 수 있는 자로 한다.\n보증인의 주소 및 신상의 변동이 있을 때에는 즉시 신고하여야 한다.',
]
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 Dataset

Unnamed Dataset

Size: 3,609 training samples
Columns: sentence_0, sentence_1, and label
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1 label
type string string float
details
min: 9 tokens
mean: 17.35 tokens
max: 29 tokens

min: 18 tokens
mean: 104.74 tokens
max: 566 tokens

min: 0.0
mean: 0.09
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 9 tokens mean: 17.35 tokens max: 29 tokens	min: 18 tokens mean: 104.74 tokens max: 566 tokens	min: 0.0 mean: 0.09 max: 1.0

Samples:

sentence_0	sentence_1	label
`한동대학교 교무회의는 어떻게 의결되나요?`	`제 13 조 (입학전형) 입학전형은 당해연도 한국대학교육협의회의 대학입학전형기본사항, 이 대학교의 대학입학전형시행계획과 모집요강에 따라 선발한다. 입학전형의 전형요소와 일정등 상세한 사항은 총장이 따로 정한다. 입학전형을 시행함에 있어 입학사정관제로 학생을 선발할 수 있으며, 입학사정관제의 운영에 관한 세부사항은 총장이 따로 정한다.`	`0.0`
`한동대학교 교수회는 누가 소집하나요?`	`제 26 조 (복학) 복학의 절차 및 시기 등에 관하여는 학사운영규정으로 정한다. 제25조 제5항에 의거 미등록휴학된 자는 다음학기 제1항의 절차에 따라 복학하거나 휴학하여야 한다.`	`0.0`
`간행물을 발간, 배포 및 게시할 때 규정은 무엇인가요?`	제 7 조 (학년도 및 학기) 학년도는 3월 1일부터 다음해 2월말일까지로 한다. 학년도는 다음과 같이 두 학기로 나누는 것을 원칙으로 한다. 다만, 수업은 2주를 초과하지 않는 범위내에서 학기 개시일 전에 개강할 수 있다. 제1학기 : 3월 1일부터 8월 31일까지. 제2학기 : 9월 1일부터 다음해 2월 말일까지. 하기 및 동기 방학기간 중에 1개 이상의 계절학기를 둘 수 있으며, 계절학기 운영에 관한 사항은 총장이 따로 정한다. 정규학기 중 학생들이 자기주도적 학습활동을 할 수 있는 자유학기를 둘 수 있으며, 자유학기 운영에 관한 사항은 총장이 따로 정한다. 정규학기 및 계절학기 중 학생들이 진로적성 탐색에 집중하거나 문제발굴과 해결을 위한 참여적 학습활동 위주의 혁신학기를 둘 수 있으며, 혁신학기 운영에 관한 사항은 총장이 따로 정한다.	`0.0`

Loss: ContrastiveLoss with these parameters:

{
    "distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE",
    "margin": 0.3,
    "size_average": true
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 2
per_device_eval_batch_size: 2
num_train_epochs: 10
fp16: True
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 2
per_device_eval_batch_size: 2
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: 10
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: True
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
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
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
use_liger_kernel: False
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin

Training Logs

Epoch	Step	Training Loss
0.5537	500	0.004
1.0	903	-
1.1074	1000	0.0021
1.6611	1500	0.0017
2.0	1806	-
2.2148	2000	0.0013
2.7685	2500	0.0008
3.0	2709	-
3.3223	3000	0.0007
3.8760	3500	0.0005
4.0	3612	-
4.4297	4000	0.0003
4.9834	4500	0.0004
5.0	4515	-
5.5371	5000	0.0002
6.0	5418	-
6.0908	5500	0.0002
6.6445	6000	0.0002
7.0	6321	-
7.1982	6500	0.0001
7.7519	7000	0.0001
8.0	7224	-
8.3056	7500	0.0001
8.8594	8000	0.0001

Framework Versions

Python: 3.10.13
Sentence Transformers: 3.3.1
Transformers: 4.46.2
PyTorch: 2.0.1+cu118
Accelerate: 0.34.2
Datasets: 3.0.0
Tokenizers: 0.20.1

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",
}

ContrastiveLoss

@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}
}