Modelpublic

lingtrain/labse-sakha

sourceHugging Faceupdated 1y agoView on Hugging Face

1likes18downloads

Model Card

SentenceTransformer based on sentence-transformers/LaBSE

This is a sentence-transformers model finetuned from sentence-transformers/LaBSE. 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/LaBSE
—Maximum Sequence Length: 256 tokens
—Output Dimensionality: 768 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': 256, 'do_lower_case': False}) with Transformer model: BertModel 
  (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})
  (2): Dense({'in_features': 768, 'out_features': 768, 'bias': True, 'activation_function': 'torch.nn.modules.activation.Tanh'})
  (3): Normalize()
)

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 = [
    'Ол Чайда диэн киһи Өлөөҥҥө эргинэр эбит.',
    'Этот Чайда занимался торговлей в Оленьке.',
    'Камлание получается по-настоящему страстным, ужасающим.',
]
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. -->

<!--

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: 10,044 training samples
—Columns: <code>sentence0</code>, <code>sentence1</code>, and <code>label</code>
—Approximate statistics based on the first 1000 samples: | | sentence0 | sentence1 | label | |:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:--------------------------------------------------------------| | type | string | string | float | | details | <ul><li>min: 6 tokens</li><li>mean: 48.81 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 5 tokens</li><li>mean: 34.94 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 1.0</li><li>mean: 1.0</li><li>max: 1.0</li></ul> |
—Samples: | sentence0 | sentence1 | label | |:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------| | <code>Кинилэр үс уоллаахтар: Күдэҥ Атах, Бахсыгыр Баатыр, Мадьыҥы Төрөнөй.</code> | <code>У них было трое сыновей: Кюдэнг Атах, Бахсыгыр Баатыр, Маджынгы Тёрёнёй.</code> | <code>1.0</code> | | <code>Туох да биллибэтэҕэр тоһуурдарын ылан, хоту баран билиҥҥи Далыр нэһилиэгин миэстэтигэр олохсуйан I Үөдүгэйдэри төрүттээбиттэр.</code> | <code>Убедившись, что нет опасности, выходят из засады и направляются на север, обосновываются там на месте нынешнего наслега Далыр и становятся предками I юёдюгяйцев.</code> | <code>1.0</code> | | <code>Репертуара: «Үскэль Тойон, Үскэль Хатын оҕонньордоох эмээхсин», «Унньукаан оҕонньор, Унньукаан эмээхинэ» (1 үйэлээх), «Иһит үрдүн иһэ төрөөбүт Эбир эмээхин, айах үрдүн аһыы төрүөбүт Эбириэн оҕонньор», «Буор буойунайа, сир сиилинэйэ, кыргыска миинэр кыһыл буулуур аттаах Айыы Субулла буҕатыыр», «Чой муос саалаах, үүдэһиннээх муос котокоон быһыйалаах Оҕо Тоттокоон буҕатыыр» (1 үйэлээх), «Эскэль тый саҕа эбир күөт ыт эньньэлээх Эрэйдээх-буруйдаах Эр Соҕотох», «Күнтэн-ыйтан тутулуктаах, күөкэри дьаҕыл аттаах Күн Эрили баатыр» (2 үйэлээх), «Олоҥхо төрдө Олоҥхолоон Бөҕө», «Хаптаҕайдыыр түөһүгэр хаардаах бугул саҕа хара көмүс чыыннаах-хааннаах Хара Хаан Тойон оҕоньньор», «Икки дьэргэлгэн күлүк аттаах Элэс Баатыр», «Бэс хара тыаны үрдүнэн мэҥкэйэн көстөр бэки сиэр аттаах Бэриэт Бэргэн, хахдаҥ хара тыаны үрдүнэн халыйан көстөр хаарымтах хара аттаах Халбайа Бөҕө, суонда тураҕас аттаах Суотуйалаан Бөҕө», «Хара көмүс мөһүүрэ дайдылаах Үкэрдээн оҕонньор», «Күөнэ көҕөччөр аттаах Нарын Ньургустай диэн...</code> | <code>Репертуар: «Старик со старухой Юскэль Тойон-Господин и Юскэль Хатын-Госпожа», «Старик Уннюкан и старуха Уннюкан» (1 үйэлээх), «Рябая старуха, рожденная пить только верх напитка, и Пестрый старик, рожденный есть только лучшее из еды», «Могучий всей Земли, сильнейший Света Айыы Субулла богатырь на красно-чалом боевом коне», «С костяным луком, с костяным ножиком богатырь Малец Тоттокон» (1-поколенное), «Имеющий с крупного двухгодовалого жеребенка рябого пса приданым Многострадальный Эр Соготох», «С солнцем и луной связанный Кюн Эрили Батыр на коне с темными пятнами на лопатках» (2-поколенное), «Ставший истоком олонхо Олонгхолон Сильный», «На плоской груди с копну сена со снегом высокий чин имеющий старик Хара Хан Тойон-Господин», «Имеющий двух маревоподобных коней Элэс Баатыр», «Выше черного соснового бора Бэриэт Меткий на кауром коне, Видный выше буро-черного леса Халбайа Сильный на черном коне, Суотуйалан Сильный на гнедом коне», «Юкэрдэн Старик со страной, блистающей словно чернёное се...</code> | <code>1.0</code> |
—Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:

json

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

Training Hyperparameters

Non-Default Hyperparameters

—eval_strategy: steps
—per_device_train_batch_size: 12
—per_device_eval_batch_size: 12
—num_train_epochs: 1
—fp16: True
—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: 12
—per_device_eval_batch_size: 12
—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: 1
—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: {'minnumparams': 0, 'xla': False, 'xlafsdpv2': False, 'xlafsdpgrad_ckpt': False}
—tp_size: 0
—fsdp_transformer_layer_cls_to_wrap: None
—accelerator_config: {'splitbatches': False, 'dispatchbatches': None, 'evenbatches': True, 'useseedablesampler': True, 'nonblocking': False, 'gradientaccumulationkwargs': 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: 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: round_robin

</details>

Training Logs

Epoch	Step	Training Loss
0.0597	50	-
0.1195	100	-
0.1792	150	-
0.2389	200	-
0.2987	250	-
0.3584	300	-
0.4182	350	-
0.4779	400	-
0.5376	450	-
0.5974	500	0.2378
0.6571	550	-

Framework Versions

—Python: 3.12.10
—Sentence Transformers: 4.1.0
—Transformers: 4.51.3
—PyTorch: 2.6.0+cu124
—Accelerate: 1.8.1
—Datasets: 3.6.0
—Tokenizers: 0.21.1

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",
}

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. -->