Intfloat Triplet V2

🚀 intfloat/multilingual-e5-smallベースのSentenceTransformer

このモデルは、all-nli-trデータセットでsentence-transformersを使用し、intfloat/multilingual-e5-smallからファインチューニングされたものです。文章や段落を384次元の密ベクトル空間にマッピングし、意味的な文章類似度、意味検索、パラフレーズマイニング、文章分類、クラスタリングなどに使用できます。

✨ 主な機能

• 文章や段落を384次元の密ベクトル空間にマッピングすることができます。
• 意味的な文章類似度、意味検索、パラフレーズマイニング、文章分類、クラスタリングなどのタスクに使用できます。

📚 ドキュメント

モデルの詳細

モデル情報

モデルのソース

• ドキュメント: Sentence Transformers Documentation
• リポジトリ: Sentence Transformers on GitHub
• Hugging Face: Sentence Transformers on Hugging Face

モデルのアーキテクチャ

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, '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()
)

💻 使用例

基本的な使用法

まず、Sentence Transformersライブラリをインストールします。

pip install -U sentence-transformers

次に、このモデルをロードして推論を実行できます。

from sentence_transformers import SentenceTransformer

# 🤗 Hubからダウンロード
model = SentenceTransformer("x1saint/intfloat-triplet-v2")
# 推論を実行
sentences = [
    'Ve gerçekten, baba haklıydı, oğlu zaten her şeyi tecrübe etmişti, her şeyi denedi ve daha az ilgileniyordu.',
    'Oğlu her şeye olan ilgisini kaybediyordu.',
    'Baba oğlunun tecrübe için hala çok şey olduğunu biliyordu.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# 埋め込みベクトルの類似度スコアを取得
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

🔧 技術詳細

評価

指標

Triplet

• データセット: all-nli-dev
• 評価方法: TripletEvaluator

学習の詳細

学習データセット

all-nli-tr

• データセット: all-nli-tr at daeabfb
• サイズ: 482,091学習サンプル
• 列: anchor, positive, negative
• 最初の1000サンプルに基づく近似統計: | | anchor | positive | negative | | ---- | ---- | ---- | ---- | | タイプ | 文字列 | 文字列 | 文字列 | | 詳細 |
  • 最小: 5トークン
  • 平均: 28.16トークン
  • 最大: 151トークン
  |
  • 最小: 5トークン
  • 平均: 15.14トークン
  • 最大: 49トークン
  |
  • 最小: 4トークン
  • 平均: 14.33トークン
  • 最大: 55トークン
  |
• サンプル: | anchor | positive | negative | | ---- | ---- | ---- | | Mevsim boyunca ve sanırım senin seviyendeyken onları bir sonraki seviyeye düşürürsün. Eğer ebeveyn takımını çağırmaya karar verirlerse Braves üçlü A'dan birini çağırmaya karar verirlerse çifte bir adam onun yerine geçmeye gider ve bekar bir adam gelir. | Eğer insanlar hatırlarsa, bir sonraki seviyeye düşersin. | Hiçbir şeyi hatırlamazlar. | | Numaramızdan biri talimatlarınızı birazdan yerine getirecektir. | Ekibimin bir üyesi emirlerinizi büyük bir hassasiyetle yerine getirecektir. | Şu anda boş kimsek yok, bu yüzden sen de harekete geçmelisin. | | Bunu nereden biliyorsun? Bütün bunlar yine onların bilgileri. | Bu bilgi onlara ait. | Hiçbir bilgileri yok. |
• 損失関数: MultipleNegativesRankingLoss パラメータ:

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

評価データセット

all-nli-tr

• データセット: all-nli-tr at daeabfb
• サイズ: 6,567評価サンプル
• 列: anchor, positive, negative
• 最初の1000サンプルに基づく近似統計: | | anchor | positive | negative | | ---- | ---- | ---- | ---- | | タイプ | 文字列 | 文字列 | 文字列 | | 詳細 |
  • 最小: 3トークン
  • 平均: 26.66トークン
  • 最大: 121トークン
  |
  • 最小: 5トークン
  • 平均: 14.98トークン
  • 最大: 49トークン
  |
  • 最小: 4トークン
  • 平均: 14.4トークン
  • 最大: 37トークン
  |
• サンプル: | anchor | positive | negative | | ---- | ---- | ---- | | Bilemiyorum. Onunla ilgili karışık duygularım var. Bazen ondan hoşlanıyorum ama aynı zamanda birisinin onu dövmesini görmeyi seviyorum. | Çoğunlukla ondan hoşlanıyorum, ama yine de birinin onu dövdüğünü görmekten zevk alıyorum. | O benim favorim ve kimsenin onu yendiğini görmek istemiyorum. | | Sen ve arkadaşların burada hoş karşılanmaz, Severn söyledi. | Severn orada insanların hoş karşılanmadığını söyledi. | Severn orada insanların her zaman hoş karşılanacağını söyledi. | | Gecenin en aşağısı ne olduğundan emin değilim. | Dün gece ne kadar soğuk oldu bilmiyorum. | Dün gece hava 37 dereceydi. |
• 損失関数: MultipleNegativesRankingLoss パラメータ:

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

学習ハイパーパラメータ

非デフォルトのハイパーパラメータ

• eval_strategy: steps
• per_device_train_batch_size: 256
• per_device_eval_batch_size: 256
• gradient_accumulation_steps: 4
• num_train_epochs: 10
• warmup_ratio: 0.1
• bf16: True
• dataloader_num_workers: 4

すべてのハイパーパラメータ

学習ログ

フレームワークのバージョン

• Python: 3.11.11
• Sentence Transformers: 3.4.1
• Transformers: 4.48.3
• PyTorch: 2.5.1+cu124
• Accelerate: 1.3.0
• Datasets: 3.3.0
• Tokenizers: 0.21.0

📄 ライセンス

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}
}