|
|
--- |
|
|
tags: |
|
|
- sentence-transformers |
|
|
- sentence-similarity |
|
|
- feature-extraction |
|
|
- generated_from_trainer |
|
|
- dataset_size:5777 |
|
|
- loss:BatchAllTripletLoss |
|
|
base_model: cl-nagoya/sup-simcse-ja-base |
|
|
widget: |
|
|
- source_sentence: 科目：金属。名称：ライニング壁スチールパネル。 |
|
|
sentences: |
|
|
- 科目：金属。名称：内壁-内壁EXP・Jカバー壁B。 |
|
|
- 科目：鉄骨。名称：滑り支承用耐火被覆-FK。 |
|
|
- 科目：既製コンクリート。名称：地下二重壁押出成型セメントパネル。 |
|
|
- source_sentence: 科目：金属。名称：地下1階湧水槽3タラップA。 |
|
|
sentences: |
|
|
- 科目：金属。名称：ブラインドボックス下り天井軽量鉄骨天井下地。 |
|
|
- 科目：ユニット及びその他。名称：P-#フロア案内サインA。 |
|
|
- 科目：建具。名称：AW-#欄間FIX窓付引違い窓。 |
|
|
- source_sentence: 科目：内外装。名称：天井廻縁。 |
|
|
sentences: |
|
|
- 科目：植栽。名称：客土。 |
|
|
- 科目：ユニット及びその他。名称：P-#室名サインB。 |
|
|
- 科目：土工。名称：埋戻し(A種)。 |
|
|
- source_sentence: 科目：内外装。名称：4F議場壁化粧吸音板。 |
|
|
sentences: |
|
|
- 科目：地業。名称：建設発生土処分。 |
|
|
- 科目：免震。名称：SS#免震装置設置手間。 |
|
|
- 科目：地業。名称：施工費(P1)。 |
|
|
- source_sentence: 科目：土工。名称：水替。 |
|
|
sentences: |
|
|
- 科目：既製コンクリート。名称：地下二重壁押出成型セメントパネル足元金物。 |
|
|
- 科目：木工。名称：4F議場木製リブ(一般部)。 |
|
|
- 科目：既製コンクリート。名称：押出成形セメント板水抜パイプ。 |
|
|
pipeline_tag: sentence-similarity |
|
|
library_name: sentence-transformers |
|
|
--- |
|
|
|
|
|
# SentenceTransformer based on cl-nagoya/sup-simcse-ja-base |
|
|
|
|
|
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [cl-nagoya/sup-simcse-ja-base](https://huggingface.co/cl-nagoya/sup-simcse-ja-base). 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:** [cl-nagoya/sup-simcse-ja-base](https://huggingface.co/cl-nagoya/sup-simcse-ja-base) <!-- at revision d7315d93baf2c20fffa2b6845330049963509f79 --> |
|
|
- **Maximum Sequence Length:** 512 tokens |
|
|
- **Output Dimensionality:** 768 dimensions |
|
|
- **Similarity Function:** Cosine Similarity |
|
|
<!-- - **Training Dataset:** Unknown --> |
|
|
<!-- - **Language:** Unknown --> |
|
|
<!-- - **License:** Unknown --> |
|
|
|
|
|
### Model Sources |
|
|
|
|
|
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net) |
|
|
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers) |
|
|
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers) |
|
|
|
|
|
### Full Model Architecture |
|
|
|
|
|
``` |
|
|
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': 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}) |
|
|
) |
|
|
``` |
|
|
|
|
|
## 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("Detomo/cl-nagoya-sup-simcse-ja-for-standard-name-v1_0") |
|
|
# Run inference |
|
|
sentences = [ |
|
|
'科目：土工。名称：水替。', |
|
|
'科目：既製コンクリート。名称：押出成形セメント板水抜パイプ。', |
|
|
'科目：既製コンクリート。名称：地下二重壁押出成型セメントパネル足元金物。', |
|
|
] |
|
|
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: 5,777 training samples |
|
|
* Columns: <code>sentence</code> and <code>label</code> |
|
|
* Approximate statistics based on the first 1000 samples: |
|
|
| | sentence | label | |
|
|
|:--------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| |
|
|
| type | string | int | |
|
|
| details | <ul><li>min: 11 tokens</li><li>mean: 17.53 tokens</li><li>max: 29 tokens</li></ul> | <ul><li>0: ~0.10%</li><li>1: ~0.10%</li><li>2: ~0.10%</li><li>3: ~0.10%</li><li>4: ~0.10%</li><li>5: ~0.10%</li><li>6: ~0.10%</li><li>7: ~0.10%</li><li>8: ~0.10%</li><li>9: ~0.10%</li><li>10: ~0.10%</li><li>11: ~0.10%</li><li>12: ~0.10%</li><li>13: ~0.10%</li><li>14: ~0.10%</li><li>15: ~0.10%</li><li>16: ~0.10%</li><li>17: ~0.10%</li><li>18: ~0.10%</li><li>19: ~0.10%</li><li>20: ~0.10%</li><li>21: ~0.10%</li><li>22: ~0.10%</li><li>23: ~0.10%</li><li>24: ~0.10%</li><li>25: ~0.10%</li><li>26: ~0.10%</li><li>27: ~0.10%</li><li>28: ~0.10%</li><li>29: ~0.10%</li><li>30: ~0.10%</li><li>31: ~0.10%</li><li>32: ~0.20%</li><li>33: ~0.10%</li><li>34: ~0.10%</li><li>35: ~0.10%</li><li>36: ~0.10%</li><li>37: ~0.60%</li><li>38: ~0.40%</li><li>39: ~0.10%</li><li>40: ~0.10%</li><li>41: ~0.10%</li><li>42: ~0.10%</li><li>43: ~0.20%</li><li>44: ~0.10%</li><li>45: ~0.10%</li><li>46: ~0.10%</li><li>47: ~0.10%</li><li>48: ~0.10%</li><li>49: ~0.10%</li><li>50: ~0.10%</li><li>51: ~0.10%</li><li>52: ~0.10%</li><li>53: ~0.20%</li><li>54: ~0.10%</li><li>55: ~0.10%</li><li>56: ~0.20%</li><li>57: ~0.10%</li><li>58: ~0.50%</li><li>59: ~0.50%</li><li>60: ~0.10%</li><li>61: ~0.10%</li><li>62: ~0.10%</li><li>63: ~0.10%</li><li>64: ~0.10%</li><li>65: ~0.10%</li><li>66: ~0.10%</li><li>67: ~0.10%</li><li>68: ~0.10%</li><li>69: ~0.10%</li><li>70: ~0.10%</li><li>71: ~0.10%</li><li>72: ~0.10%</li><li>73: ~0.10%</li><li>74: ~0.10%</li><li>75: ~0.10%</li><li>76: ~0.20%</li><li>77: ~0.10%</li><li>78: ~0.10%</li><li>79: ~0.10%</li><li>80: ~0.10%</li><li>81: ~0.10%</li><li>82: ~0.10%</li><li>83: ~0.10%</li><li>84: ~0.20%</li><li>85: ~0.10%</li><li>86: ~0.10%</li><li>87: ~0.20%</li><li>88: ~0.10%</li><li>89: ~0.10%</li><li>90: ~0.10%</li><li>91: ~0.10%</li><li>92: ~0.10%</li><li>93: ~0.10%</li><li>94: ~0.20%</li><li>95: ~0.20%</li><li>96: ~0.10%</li><li>97: ~0.20%</li><li>98: ~0.10%</li><li>99: ~0.20%</li><li>100: ~0.10%</li><li>101: ~0.30%</li><li>102: ~0.60%</li><li>103: ~0.10%</li><li>104: ~1.00%</li><li>105: ~0.10%</li><li>106: ~0.10%</li><li>107: ~0.10%</li><li>108: ~0.10%</li><li>109: ~0.20%</li><li>110: ~0.10%</li><li>111: ~0.20%</li><li>112: ~0.20%</li><li>113: ~0.10%</li><li>114: ~0.10%</li><li>115: ~0.10%</li><li>116: ~0.10%</li><li>117: ~0.10%</li><li>118: ~0.10%</li><li>119: ~0.10%</li><li>120: ~0.20%</li><li>121: ~0.10%</li><li>122: ~0.10%</li><li>123: ~0.10%</li><li>124: ~0.10%</li><li>125: ~0.10%</li><li>126: ~0.10%</li><li>127: ~0.10%</li><li>128: ~0.10%</li><li>129: ~0.10%</li><li>130: ~0.40%</li><li>131: ~0.10%</li><li>132: ~0.10%</li><li>133: ~0.20%</li><li>134: ~0.20%</li><li>135: ~0.20%</li><li>136: ~0.20%</li><li>137: ~0.10%</li><li>138: ~0.10%</li><li>139: ~0.10%</li><li>140: ~0.10%</li><li>141: ~0.10%</li><li>142: ~0.10%</li><li>143: ~0.20%</li><li>144: ~0.10%</li><li>145: ~0.10%</li><li>146: ~0.10%</li><li>147: ~0.10%</li><li>148: ~0.10%</li><li>149: ~0.10%</li><li>150: ~0.10%</li><li>151: ~0.20%</li><li>152: ~0.10%</li><li>153: ~0.10%</li><li>154: ~0.20%</li><li>155: ~0.10%</li><li>156: ~0.10%</li><li>157: ~0.10%</li><li>158: ~0.20%</li><li>159: ~0.20%</li><li>160: ~0.10%</li><li>161: ~0.10%</li><li>162: ~0.20%</li><li>163: ~0.20%</li><li>164: ~0.10%</li><li>165: ~0.10%</li><li>166: ~0.10%</li><li>167: ~0.10%</li><li>168: ~0.10%</li><li>169: ~0.10%</li><li>170: ~0.10%</li><li>171: ~0.10%</li><li>172: ~0.10%</li><li>173: ~0.10%</li><li>174: ~0.20%</li><li>175: ~0.10%</li><li>176: ~0.10%</li><li>177: ~0.10%</li><li>178: ~0.10%</li><li>179: ~0.10%</li><li>180: ~0.10%</li><li>181: ~0.10%</li><li>182: ~0.10%</li><li>183: ~0.10%</li><li>184: ~0.10%</li><li>185: ~0.10%</li><li>186: ~0.10%</li><li>187: ~0.10%</li><li>188: ~0.10%</li><li>189: ~0.10%</li><li>190: ~0.10%</li><li>191: ~0.20%</li><li>192: ~0.20%</li><li>193: ~0.10%</li><li>194: ~0.20%</li><li>195: ~0.10%</li><li>196: ~0.10%</li><li>197: ~0.10%</li><li>198: ~0.10%</li><li>199: ~0.20%</li><li>200: ~0.20%</li><li>201: ~0.10%</li><li>202: ~0.10%</li><li>203: ~0.10%</li><li>204: ~0.10%</li><li>205: ~0.10%</li><li>206: ~0.10%</li><li>207: ~0.10%</li><li>208: ~0.10%</li><li>209: ~0.10%</li><li>210: ~0.10%</li><li>211: ~0.10%</li><li>212: ~0.10%</li><li>213: ~2.30%</li><li>214: ~1.10%</li><li>215: ~0.10%</li><li>216: ~0.10%</li><li>217: ~0.10%</li><li>218: ~0.20%</li><li>219: ~0.10%</li><li>220: ~0.30%</li><li>221: ~0.50%</li><li>222: ~0.10%</li><li>223: ~0.20%</li><li>224: ~0.10%</li><li>225: ~0.10%</li><li>226: ~0.20%</li><li>227: ~0.10%</li><li>228: ~0.30%</li><li>229: ~0.10%</li><li>230: ~0.10%</li><li>231: ~0.10%</li><li>232: ~0.10%</li><li>233: ~0.20%</li><li>234: ~0.10%</li><li>235: ~0.10%</li><li>236: ~0.10%</li><li>237: ~0.10%</li><li>238: ~0.10%</li><li>239: ~0.10%</li><li>240: ~0.10%</li><li>241: ~0.10%</li><li>242: ~0.10%</li><li>243: ~0.10%</li><li>244: ~0.10%</li><li>245: ~0.10%</li><li>246: ~0.20%</li><li>247: ~0.10%</li><li>248: ~0.10%</li><li>249: ~0.10%</li><li>250: ~0.10%</li><li>251: ~0.10%</li><li>252: ~0.10%</li><li>253: ~0.10%</li><li>254: ~0.10%</li><li>255: ~0.30%</li><li>256: ~0.10%</li><li>257: ~0.40%</li><li>258: ~0.10%</li><li>259: ~0.10%</li><li>260: ~0.10%</li><li>261: ~0.10%</li><li>262: ~0.20%</li><li>263: ~0.20%</li><li>264: ~0.20%</li><li>265: ~0.10%</li><li>266: ~0.30%</li><li>267: ~0.20%</li><li>268: ~0.10%</li><li>269: ~0.10%</li><li>270: ~0.10%</li><li>271: ~0.10%</li><li>272: ~0.10%</li><li>273: ~0.30%</li><li>274: ~0.10%</li><li>275: ~0.10%</li><li>276: ~0.10%</li><li>277: ~0.10%</li><li>278: ~0.20%</li><li>279: ~0.10%</li><li>280: ~0.20%</li><li>281: ~0.10%</li><li>282: ~0.10%</li><li>283: ~0.10%</li><li>284: ~0.10%</li><li>285: ~0.10%</li><li>286: ~0.10%</li><li>287: ~0.10%</li><li>288: ~0.10%</li><li>289: ~0.10%</li><li>290: ~0.10%</li><li>291: ~0.10%</li><li>292: ~0.10%</li><li>293: ~0.10%</li><li>294: ~0.20%</li><li>295: ~0.10%</li><li>296: ~0.10%</li><li>297: ~0.10%</li><li>298: ~0.10%</li><li>299: ~0.20%</li><li>300: ~0.20%</li><li>301: ~0.10%</li><li>302: ~0.10%</li><li>303: ~0.10%</li><li>304: ~0.10%</li><li>305: ~0.10%</li><li>306: ~0.10%</li><li>307: ~0.30%</li><li>308: ~0.10%</li><li>309: ~0.10%</li><li>310: ~0.10%</li><li>311: ~0.10%</li><li>312: ~0.10%</li><li>313: ~0.10%</li><li>314: ~0.10%</li><li>315: ~0.10%</li><li>316: ~0.10%</li><li>317: ~0.10%</li><li>318: ~0.10%</li><li>319: ~0.20%</li><li>320: ~0.10%</li><li>321: ~0.10%</li><li>322: ~0.10%</li><li>323: ~0.10%</li><li>324: ~0.10%</li><li>325: ~0.10%</li><li>326: ~0.20%</li><li>327: ~0.10%</li><li>328: ~0.10%</li><li>329: ~0.10%</li><li>330: ~0.10%</li><li>331: ~0.10%</li><li>332: ~0.20%</li><li>333: ~0.10%</li><li>334: ~0.10%</li><li>335: ~0.10%</li><li>336: ~0.30%</li><li>337: ~0.60%</li><li>338: ~0.80%</li><li>339: ~0.50%</li><li>340: ~1.40%</li><li>341: ~0.70%</li><li>342: ~0.10%</li><li>343: ~0.10%</li><li>344: ~0.10%</li><li>345: ~1.00%</li><li>346: ~0.20%</li><li>347: ~0.10%</li><li>348: ~1.10%</li><li>349: ~0.10%</li><li>350: ~0.10%</li><li>351: ~0.10%</li><li>352: ~0.10%</li><li>353: ~1.10%</li><li>354: ~0.10%</li><li>355: ~0.10%</li><li>356: ~0.20%</li><li>357: ~0.10%</li><li>358: ~0.20%</li><li>359: ~0.10%</li><li>360: ~0.10%</li><li>361: ~0.10%</li><li>362: ~0.10%</li><li>363: ~0.10%</li><li>364: ~0.10%</li><li>365: ~0.10%</li><li>366: ~0.20%</li><li>367: ~0.10%</li><li>368: ~0.10%</li><li>369: ~0.10%</li><li>370: ~0.10%</li><li>371: ~0.10%</li><li>372: ~0.10%</li><li>373: ~0.10%</li><li>374: ~0.10%</li><li>375: ~0.10%</li><li>376: ~0.20%</li><li>377: ~0.10%</li><li>378: ~0.10%</li><li>379: ~0.20%</li><li>380: ~0.10%</li><li>381: ~0.20%</li><li>382: ~0.10%</li><li>383: ~0.10%</li><li>384: ~0.10%</li><li>385: ~0.10%</li><li>386: ~0.10%</li><li>387: ~0.10%</li><li>388: ~0.20%</li><li>389: ~0.30%</li><li>390: ~0.20%</li><li>391: ~0.10%</li><li>392: ~0.20%</li><li>393: ~0.10%</li><li>394: ~0.10%</li><li>395: ~0.10%</li><li>396: ~0.10%</li><li>397: ~0.10%</li><li>398: ~0.30%</li><li>399: ~0.10%</li><li>400: ~0.30%</li><li>401: ~0.10%</li><li>402: ~0.10%</li><li>403: ~0.10%</li><li>404: ~0.10%</li><li>405: ~0.10%</li><li>406: ~0.10%</li><li>407: ~0.10%</li><li>408: ~0.10%</li><li>409: ~0.10%</li><li>410: ~0.20%</li><li>411: ~0.20%</li><li>412: ~0.80%</li><li>413: ~0.20%</li><li>414: ~0.20%</li><li>415: ~0.10%</li><li>416: ~0.10%</li><li>417: ~0.90%</li><li>418: ~0.10%</li><li>419: ~0.10%</li><li>420: ~0.10%</li><li>421: ~0.10%</li><li>422: ~0.10%</li><li>423: ~1.00%</li><li>424: ~0.10%</li><li>425: ~0.10%</li><li>426: ~0.30%</li><li>427: ~0.10%</li><li>428: ~0.30%</li><li>429: ~0.10%</li><li>430: ~0.10%</li><li>431: ~0.10%</li><li>432: ~0.20%</li><li>433: ~0.10%</li><li>434: ~0.10%</li><li>435: ~0.20%</li><li>436: ~0.10%</li><li>437: ~0.10%</li><li>438: ~0.20%</li><li>439: ~0.10%</li><li>440: ~0.20%</li><li>441: ~0.10%</li><li>442: ~0.10%</li><li>443: ~0.10%</li><li>444: ~0.10%</li><li>445: ~0.10%</li><li>446: ~0.10%</li><li>447: ~0.10%</li><li>448: ~0.20%</li><li>449: ~0.20%</li><li>450: ~0.10%</li><li>451: ~0.10%</li><li>452: ~0.30%</li><li>453: ~0.20%</li><li>454: ~0.10%</li><li>455: ~0.10%</li><li>456: ~0.10%</li><li>457: ~0.70%</li><li>458: ~0.20%</li><li>459: ~0.50%</li><li>460: ~0.20%</li><li>461: ~0.10%</li><li>462: ~0.10%</li><li>463: ~0.40%</li><li>464: ~0.60%</li><li>465: ~0.20%</li><li>466: ~0.10%</li><li>467: ~0.20%</li><li>468: ~0.10%</li><li>469: ~0.10%</li><li>470: ~0.10%</li><li>471: ~0.10%</li><li>472: ~0.10%</li><li>473: ~0.10%</li><li>474: ~0.10%</li><li>475: ~0.20%</li><li>476: ~0.10%</li><li>477: ~0.10%</li><li>478: ~0.10%</li><li>479: ~0.10%</li><li>480: ~0.10%</li><li>481: ~0.10%</li><li>482: ~0.10%</li><li>483: ~0.10%</li><li>484: ~0.10%</li><li>485: ~0.10%</li><li>486: ~0.10%</li><li>487: ~0.10%</li><li>488: ~0.40%</li><li>489: ~0.10%</li><li>490: ~0.10%</li><li>491: ~0.10%</li><li>492: ~0.10%</li><li>493: ~0.10%</li><li>494: ~0.10%</li><li>495: ~0.10%</li><li>496: ~0.20%</li><li>497: ~0.20%</li><li>498: ~0.10%</li><li>499: ~0.10%</li><li>500: ~0.20%</li><li>501: ~0.10%</li><li>502: ~0.20%</li><li>503: ~0.10%</li><li>504: ~0.10%</li><li>505: ~0.20%</li><li>506: ~0.20%</li><li>507: ~0.20%</li><li>508: ~0.10%</li><li>509: ~0.10%</li><li>510: ~0.10%</li><li>511: ~0.10%</li><li>512: ~0.10%</li><li>513: ~0.10%</li><li>514: ~0.40%</li><li>515: ~0.30%</li><li>516: ~0.10%</li><li>517: ~0.10%</li><li>518: ~0.10%</li><li>519: ~0.20%</li><li>520: ~0.20%</li><li>521: ~0.20%</li><li>522: ~0.20%</li><li>523: ~0.10%</li><li>524: ~0.10%</li><li>525: ~0.10%</li><li>526: ~0.10%</li><li>527: ~0.10%</li><li>528: ~0.10%</li><li>529: ~0.10%</li><li>530: ~0.10%</li><li>531: ~0.10%</li><li>532: ~0.10%</li><li>533: ~0.10%</li><li>534: ~0.10%</li><li>535: ~0.10%</li><li>536: ~0.10%</li><li>537: ~0.10%</li><li>538: ~0.10%</li><li>539: ~0.10%</li><li>540: ~0.10%</li><li>541: ~0.10%</li><li>542: ~0.20%</li><li>543: ~0.10%</li><li>544: ~0.10%</li><li>545: ~0.20%</li><li>546: ~0.10%</li><li>547: ~0.10%</li><li>548: ~0.10%</li><li>549: ~0.10%</li><li>550: ~0.10%</li><li>551: ~0.10%</li><li>552: ~0.10%</li><li>553: ~0.10%</li><li>554: ~0.10%</li><li>555: ~0.10%</li><li>556: ~0.10%</li><li>557: ~0.10%</li><li>558: ~0.10%</li><li>559: ~0.10%</li><li>560: ~0.10%</li><li>561: ~0.10%</li><li>562: ~0.10%</li><li>563: ~0.10%</li><li>564: ~0.10%</li><li>565: ~0.10%</li><li>566: ~0.10%</li><li>567: ~0.10%</li><li>568: ~0.10%</li><li>569: ~0.10%</li><li>570: ~0.10%</li><li>571: ~0.10%</li><li>572: ~0.10%</li><li>573: ~0.10%</li><li>574: ~0.10%</li><li>575: ~0.10%</li><li>576: ~0.10%</li><li>577: ~0.10%</li><li>578: ~0.10%</li><li>579: ~0.10%</li><li>580: ~0.10%</li><li>581: ~0.10%</li><li>582: ~0.10%</li><li>583: ~0.10%</li><li>584: ~0.10%</li><li>585: ~0.10%</li><li>586: ~0.10%</li><li>587: ~0.10%</li><li>588: ~0.10%</li><li>589: ~0.10%</li><li>590: ~0.10%</li><li>591: ~0.10%</li><li>592: ~0.10%</li><li>593: ~0.10%</li><li>594: ~0.10%</li><li>595: ~0.10%</li><li>596: ~0.10%</li><li>597: ~0.10%</li><li>598: ~0.10%</li><li>599: ~0.10%</li><li>600: ~0.10%</li><li>601: ~0.10%</li><li>602: ~0.10%</li><li>603: ~0.10%</li><li>604: ~0.10%</li><li>605: ~0.10%</li><li>606: ~0.10%</li><li>607: ~0.10%</li><li>608: ~0.10%</li><li>609: ~0.10%</li><li>610: ~0.10%</li><li>611: ~0.10%</li><li>612: ~0.10%</li><li>613: ~0.10%</li><li>614: ~0.10%</li><li>615: ~0.10%</li><li>616: ~0.10%</li><li>617: ~0.10%</li><li>618: ~0.10%</li><li>619: ~0.10%</li><li>620: ~0.10%</li><li>621: ~0.10%</li><li>622: ~0.10%</li><li>623: ~0.10%</li><li>624: ~0.10%</li><li>625: ~0.10%</li><li>626: ~0.10%</li><li>627: ~0.10%</li><li>628: ~0.10%</li><li>629: ~0.10%</li><li>630: ~0.10%</li><li>631: ~0.10%</li><li>632: ~0.10%</li><li>633: ~0.10%</li><li>634: ~0.20%</li><li>635: ~0.10%</li><li>636: ~0.10%</li><li>637: ~0.10%</li><li>638: ~0.10%</li><li>639: ~0.10%</li><li>640: ~0.10%</li><li>641: ~0.10%</li><li>642: ~0.10%</li><li>643: ~0.10%</li><li>644: ~0.10%</li><li>645: ~0.10%</li><li>646: ~0.10%</li><li>647: ~0.10%</li><li>648: ~0.10%</li><li>649: ~0.10%</li><li>650: ~0.10%</li><li>651: ~0.10%</li><li>652: ~0.10%</li><li>653: ~0.10%</li><li>654: ~0.10%</li><li>655: ~0.10%</li><li>656: ~0.10%</li><li>657: ~0.10%</li><li>658: ~0.10%</li><li>659: ~0.10%</li><li>660: ~0.10%</li><li>661: ~0.10%</li><li>662: ~0.10%</li><li>663: ~0.10%</li><li>664: ~0.10%</li><li>665: ~0.10%</li><li>666: ~0.20%</li><li>667: ~0.10%</li><li>668: ~0.10%</li><li>669: ~0.10%</li><li>670: ~0.10%</li><li>671: ~0.10%</li><li>672: ~0.10%</li><li>673: ~0.10%</li><li>674: ~0.10%</li><li>675: ~0.10%</li><li>676: ~0.10%</li><li>677: ~0.10%</li><li>678: ~0.10%</li><li>679: ~0.10%</li><li>680: ~0.10%</li><li>681: ~0.10%</li><li>682: ~0.10%</li><li>683: ~0.20%</li><li>684: ~0.10%</li><li>685: ~0.10%</li><li>686: ~0.10%</li><li>687: ~0.10%</li><li>688: ~0.10%</li><li>689: ~0.10%</li><li>690: ~0.10%</li><li>691: ~0.10%</li><li>692: ~0.10%</li><li>693: ~0.10%</li><li>694: ~0.10%</li></ul> | |
|
|
* Samples: |
|
|
| sentence | label | |
|
|
|:-----------------------------------|:---------------| |
|
|
| <code>科目：共通仮設費。名称：仮囲い。</code> | <code>0</code> | |
|
|
| <code>科目：共通仮設費。名称：電動パネルゲート。</code> | <code>1</code> | |
|
|
| <code>科目：共通仮設費。名称：タワークレーン。</code> | <code>2</code> | |
|
|
* Loss: [<code>BatchAllTripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#batchalltripletloss) |
|
|
|
|
|
### Training Hyperparameters |
|
|
#### Non-Default Hyperparameters |
|
|
|
|
|
- `per_device_train_batch_size`: 256 |
|
|
- `per_device_eval_batch_size`: 256 |
|
|
- `learning_rate`: 1e-05 |
|
|
- `weight_decay`: 0.01 |
|
|
- `num_train_epochs`: 200 |
|
|
- `warmup_ratio`: 0.1 |
|
|
- `fp16`: True |
|
|
- `batch_sampler`: group_by_label |
|
|
|
|
|
#### All Hyperparameters |
|
|
<details><summary>Click to expand</summary> |
|
|
|
|
|
- `overwrite_output_dir`: False |
|
|
- `do_predict`: False |
|
|
- `eval_strategy`: no |
|
|
- `prediction_loss_only`: True |
|
|
- `per_device_train_batch_size`: 256 |
|
|
- `per_device_eval_batch_size`: 256 |
|
|
- `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`: 200 |
|
|
- `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`: 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`: 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 |
|
|
- `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`: group_by_label |
|
|
- `multi_dataset_batch_sampler`: proportional |
|
|
|
|
|
</details> |
|
|
|
|
|
### Training Logs |
|
|
| Epoch | Step | Training Loss | |
|
|
|:--------:|:----:|:-------------:| |
|
|
| 3.0870 | 20 | 0.8892 | |
|
|
| 6.1739 | 40 | 0.8935 | |
|
|
| 9.2609 | 60 | 0.862 | |
|
|
| 13.0870 | 80 | 0.803 | |
|
|
| 16.1739 | 100 | 0.8154 | |
|
|
| 19.2609 | 120 | 0.7741 | |
|
|
| 23.0870 | 140 | 0.7383 | |
|
|
| 26.1739 | 160 | 0.7381 | |
|
|
| 29.2609 | 180 | 0.7082 | |
|
|
| 33.0870 | 200 | 0.6593 | |
|
|
| 36.1739 | 220 | 0.6816 | |
|
|
| 39.2609 | 240 | 0.6507 | |
|
|
| 43.0870 | 260 | 0.6357 | |
|
|
| 46.1739 | 280 | 0.643 | |
|
|
| 49.2609 | 300 | 0.6336 | |
|
|
| 53.0870 | 320 | 0.6392 | |
|
|
| 56.1739 | 340 | 0.6153 | |
|
|
| 59.2609 | 360 | 0.6385 | |
|
|
| 63.0870 | 380 | 0.6034 | |
|
|
| 66.1739 | 400 | 0.6194 | |
|
|
| 69.2609 | 420 | 0.6334 | |
|
|
| 73.0870 | 440 | 0.5934 | |
|
|
| 76.1739 | 460 | 0.6216 | |
|
|
| 79.2609 | 480 | 0.6211 | |
|
|
| 83.0870 | 500 | 0.5974 | |
|
|
| 86.1739 | 520 | 0.6612 | |
|
|
| 89.2609 | 540 | 0.5143 | |
|
|
| 93.0870 | 560 | 0.5871 | |
|
|
| 96.1739 | 580 | 0.5752 | |
|
|
| 99.2609 | 600 | 0.5661 | |
|
|
| 103.0870 | 620 | 0.5879 | |
|
|
| 106.1739 | 640 | 0.5866 | |
|
|
| 109.2609 | 660 | 0.5677 | |
|
|
| 113.0870 | 680 | 0.4864 | |
|
|
| 116.1739 | 700 | 0.5891 | |
|
|
| 119.2609 | 720 | 0.617 | |
|
|
| 123.0870 | 740 | 0.5785 | |
|
|
| 126.1739 | 760 | 0.534 | |
|
|
| 129.2609 | 780 | 0.5854 | |
|
|
| 133.0870 | 800 | 0.5971 | |
|
|
| 136.1739 | 820 | 0.5309 | |
|
|
| 139.2609 | 840 | 0.5514 | |
|
|
| 143.0870 | 860 | 0.5656 | |
|
|
| 146.1739 | 880 | 0.5106 | |
|
|
| 149.2609 | 900 | 0.4831 | |
|
|
| 153.0870 | 920 | 0.497 | |
|
|
| 156.1739 | 940 | 0.4606 | |
|
|
| 159.2609 | 960 | 0.4699 | |
|
|
| 163.0870 | 980 | 0.5007 | |
|
|
| 166.1739 | 1000 | 0.5483 | |
|
|
| 169.2609 | 1020 | 0.4527 | |
|
|
| 173.0870 | 1040 | 0.448 | |
|
|
| 176.1739 | 1060 | 0.4639 | |
|
|
| 179.2609 | 1080 | 0.6067 | |
|
|
| 183.0870 | 1100 | 0.4516 | |
|
|
| 186.1739 | 1120 | 0.4747 | |
|
|
| 189.2609 | 1140 | 0.4732 | |
|
|
| 193.0870 | 1160 | 0.5844 | |
|
|
| 196.1739 | 1180 | 0.4461 | |
|
|
| 199.2609 | 1200 | 0.4609 | |
|
|
|
|
|
|
|
|
### Framework Versions |
|
|
- Python: 3.11.11 |
|
|
- Sentence Transformers: 3.3.1 |
|
|
- Transformers: 4.48.3 |
|
|
- PyTorch: 2.5.1+cu124 |
|
|
- Accelerate: 1.3.0 |
|
|
- Datasets: 3.3.2 |
|
|
- Tokenizers: 0.21.0 |
|
|
|
|
|
## 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", |
|
|
} |
|
|
``` |
|
|
|
|
|
#### BatchAllTripletLoss |
|
|
```bibtex |
|
|
@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} |
|
|
} |
|
|
``` |
|
|
|
|
|
<!-- |
|
|
## 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.* |
|
|
--> |
