Sentest

🚀 google-bert/bert-base-uncasedベースのSentenceTransformer

このモデルは、google-bert/bert-base-uncased をベースに、qqp_triplets データセットでファインチューニングされた sentence-transformers モデルです。文章や段落を768次元の密ベクトル空間にマッピングし、意味的な文章の類似性、意味的な検索、言い換えのマイニング、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768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。
• 意味的な文章の類似性、意味的な検索、言い換えのマイニング、文章分類、クラスタリングなどのタスクに利用できます。

📦 インストール

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

pip install -U sentence-transformers

💻 使用例

基本的な使用法

from sentence_transformers import SentenceTransformer

# 🤗 Hubからダウンロード
model = SentenceTransformer("palusi/sentest")
# 推論を実行
sentences = [
    'How can I open my computer if I forget my password?',
    'I forget my PC password what should I do to open it?',
    'I forgot my security code on my Nokia 206 how can I unlock it?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# 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]

📚 ドキュメント

モデルの詳細

モデルの説明

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

完全なモデルアーキテクチャ

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, '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})
)

評価

指標

Triplet

• データセット: sentest
• 評価方法: TripletEvaluator

学習の詳細

学習データセット

qqp_triplets

• データセット: qqp_triplets at f475d9c
• サイズ: 101,762個の学習サンプル
• 列: anchor, positive, negative
• 最初の1000サンプルに基づく概算統計:

  	anchor	positive	negative
  タイプ	string	string	string
  詳細	最小: 6トークン 平均: 13.96トークン 最大: 54トークン	最小: 5トークン 平均: 13.99トークン 最大: 52トークン	最小: 6トークン 平均: 14.49トークン 最大: 73トークン

• サンプル:

  anchor	positive	negative
  Who are Mona Punjabi?	Who are Mona punjabis?	Why are Punjabis so proud of their Punjabi-hood?
  What are some of the best books on/by Bill Gates?	What are the best books of Bill Gates?	Are there any films about Bill Gates?
  Where can I get best pasta in Bangalore?	Where can I get best pasta in Bangalore ?	Where can I get best street food in Bangalore?

• 損失関数: TripletLoss 以下のパラメータで:

  {
      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
      "triplet_margin": 5
  }
  

評価データセット

qqp_triplets

• データセット: qqp_triplets at f475d9c
• サイズ: 101,762個の評価サンプル
• 列: anchor, positive, negative
• 最初の1000サンプルに基づく概算統計:

  	anchor	positive	negative
  タイプ	string	string	string
  詳細	最小: 6トークン 平均: 13.99トークン 最大: 61トークン	最小: 6トークン 平均: 13.76トークン 最大: 49トークン	最小: 6トークン 平均: 14.75トークン 最大: 78トークン

• サンプル:

  anchor	positive	negative
  How do l study efficiently?	How do you study effectively?	Why can't I study efficiently?
  How do you commit suicide?	What is the easiest way to commite suicide?	What is a way to commit suicide and not damaging your organs so that they can be donated?
  How do you learn to speak a foreign language?	What is the quickest way a person can learn to speak a new language fluently?	What's the easiest foreign language for a native English speaker, living in America, to learn to speak?

• 損失関数: TripletLoss 以下のパラメータで:

  {
      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
      "triplet_margin": 5
  }
  

学習ハイパーパラメータ

デフォルトではないハイパーパラメータ

• eval_strategy: steps
• per_device_train_batch_size: 16
• per_device_eval_batch_size: 16
• learning_rate: 2e-05
• weight_decay: 0.01
• num_train_epochs: 1
• warmup_ratio: 0.1
• fp16: True
• load_best_model_at_end: True
• push_to_hub: True
• hub_model_id: palusi/sentest
• batch_sampler: no_duplicates

すべてのハイパーパラメータ

学習ログ

• 太字の行は保存されたチェックポイントを示します。

フレームワークのバージョン

• Python: 3.11.11
• Sentence Transformers: 3.4.1
• Transformers: 4.48.2
• PyTorch: 2.5.1+cu124
• Accelerate: 1.3.0
• Datasets: 3.2.0
• Tokenizers: 0.21.0

📄 引用

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",
}

TripletLoss

@misc{hermans2017defense,
    title={In Defense of the Triplet Loss for Person Re-Identification},
    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
    year={2017},
    eprint={1703.07737},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}