metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:5749
  - loss:MultipleNegativesRankingLoss
  - loss:CosineSimilarityLoss
base_model: ritulk/MPNET-fine-tuned-political-clustering
widget:
  - source_sentence: Der Mann hat über die Internetkamera mit einem Mädchen gesprochen.
    sentences:
      - Eine Gruppe älterer Menschen posiert um einen Esstisch.
      - Ein Teenager spricht über eine Webcam mit einem Mädchen.
      - >-
        Mindestlohngesetze schaden den am wenigsten Qualifizierten, den am
        wenigsten Produktiven am meisten.
  - source_sentence: Eine Frau schreibt etwas.
    sentences:
      - Es gibt kein "Standbild", das nicht relativ zu einem anderen Objekt ist.
      - >-
        Ein blondhaariges Kind, das vor einem Haus auf der Trompete spielt,
        während sein jüngerer Bruder zusieht.
      - Eine Frau schneidet grüne Zwiebeln.
  - source_sentence: >-
      Sterne entstehen in Sternentstehungsgebieten, die ihrerseits aus
      Molekülwolken entstehen.
    sentences:
      - >-
        Sie bezieht sich auf die maximale Blendenzahl (definiert als das
        Verhältnis von Brennweite zu effektivem Blendendurchmesser).
      - >-
        Es ist möglich, dass ein Sonnensystem wie unseres außerhalb einer
        Galaxie existiert.
      - >-
        Es gibt einen sehr guten Grund, die Gattin der Königin nicht als "König"
        zu bezeichnen - denn sie sind nicht der König.
  - source_sentence: Der Spieler schießt die Siegpunkte.
    sentences:
      - Die Dame frittierte das panierte Fleisch in heißem Öl.
      - Der Basketballspieler ist dabei, Punkte für sein Team zu sammeln.
      - >-
        Obwohl ich glaube, dass Searle sich irrt, glaube ich nicht, dass Sie das
        Problem gefunden haben.
  - source_sentence: Zwei Weißkopfseeadler auf einem Ast.
    sentences:
      - Die Frau schneidet Kartoffeln.
      - >-
        Ein Mann, der in einem Raum auf dem Boden sitzt, klimpert auf einer
        Gitarre.
      - Zwei Adler sitzen auf einem Ast.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - pearson_cosine
  - spearman_cosine
model-index:
  - name: SentenceTransformer based on ritulk/MPNET-fine-tuned-political-clustering
    results:
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: Unknown
          type: unknown
        metrics:
          - type: pearson_cosine
            value: 0.6568108475174784
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.657621425130489
            name: Spearman Cosine
          - type: pearson_cosine
            value: 0.6759557480156315
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.6750383325651396
            name: Spearman Cosine
          - type: pearson_cosine
            value: 0.7640996792459651
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.7619248730277344
            name: Spearman Cosine
datasets:
  - PhilipMay/stsb_multi_mt

SentenceTransformer based on ritulk/MPNET-fine-tuned-political-clustering

This is a sentence-transformers model finetuned from ritulk/MPNET-fine-tuned-political-clustering. 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: ritulk/MPNET-fine-tuned-political-clustering
Maximum Sequence Length: 512 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': 512, 'do_lower_case': False}) with Transformer model: MPNetModel 
  (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})
)

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("ritulk/MPNET_finetuned_on_stsb_multi_mt_dataset")
# Run inference
sentences = [
    'Zwei Weißkopfseeadler auf einem Ast.',
    'Zwei Adler sitzen auf einem Ast.',
    'Ein Mann, der in einem Raum auf dem Boden sitzt, klimpert auf einer Gitarre.',
]
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]

Evaluation

Metrics

Semantic Similarity

Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.6568
spearman_cosine	0.6576

Semantic Similarity

Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.676
spearman_cosine	0.675

Semantic Similarity

Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.7641
spearman_cosine	0.7619

Training Details

Training Dataset

PhilipMay/stsb_multi_mt

Size: 5,749 training samples
Columns: text, text_pair, and score
Approximate statistics based on the first 1000 samples:
text text_pair score
type string string float
details
min: 7 tokens
mean: 14.58 tokens
max: 49 tokens

min: 7 tokens
mean: 14.6 tokens
max: 47 tokens

min: 0.0
mean: 0.45
max: 1.0

	text	text_pair	score
type	string	string	float
details	min: 7 tokens mean: 14.58 tokens max: 49 tokens	min: 7 tokens mean: 14.6 tokens max: 47 tokens	min: 0.0 mean: 0.45 max: 1.0

Samples:

text	text_pair	score
`Ein Flugzeug hebt gerade ab.`	`Ein Flugzeug hebt gerade ab.`	`1.0`
`Ein Mann spielt eine große Flöte.`	`Ein Mann spielt eine Flöte.`	`0.7599999904632568`
`Ein Mann streicht geriebenen Käse auf eine Pizza.`	`Ein Mann streicht geriebenen Käse auf eine ungekochte Pizza.`	`0.7599999904632568`

Loss: CosineSimilarityLoss with these parameters:

{
    "loss_fct": "torch.nn.modules.loss.MSELoss"
}

Evaluation Dataset

Unnamed Dataset

Size: 1,500 evaluation samples
Columns: text, text_pair, and score
Approximate statistics based on the first 1000 samples:
text text_pair score
type string string float
details
min: 6 tokens
mean: 25.19 tokens
max: 65 tokens

min: 7 tokens
mean: 25.21 tokens
max: 70 tokens

min: 0.0
mean: 0.42
max: 1.0

	text	text_pair	score
type	string	string	float
details	min: 6 tokens mean: 25.19 tokens max: 65 tokens	min: 7 tokens mean: 25.21 tokens max: 70 tokens	min: 0.0 mean: 0.42 max: 1.0

Samples:

text	text_pair	score
`Ein Mann mit einem Schutzhelm tanzt.`	`Ein Mann mit einem Schutzhelm tanzt.`	`1.0`
`Ein kleines Kind reitet auf einem Pferd.`	`Ein Kind reitet auf einem Pferd.`	`0.95`
`Ein Mann verfüttert eine Maus an eine Schlange.`	`Der Mann füttert die Schlange mit einer Maus.`	`1.0`

Loss: CosineSimilarityLoss with these parameters:

{
    "loss_fct": "torch.nn.modules.loss.MSELoss"
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
num_train_epochs: 5
warmup_ratio: 0.1
fp16: True
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
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: 1.0
num_train_epochs: 5
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}
tp_size: 0
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: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	Validation Loss	spearman_cosine
0.2778	100	0.6009	0.9181	-
0.5556	200	0.4724	0.8744	-
0.8333	300	0.449	0.8405	-
-1	-1	-	-	0.6576
0.2778	100	0.0781	0.9378	-
0.5556	200	0.0772	0.9290	-
0.8333	300	0.2281	0.8876	-
1.1111	400	0.3267	0.9336	-
1.3889	500	0.2936	0.8612	-
1.6667	600	0.2283	0.8569	-
1.9444	700	0.2448	0.8589	-
2.2222	800	0.1877	0.8418	-
2.5	900	0.1693	0.8351	-
2.7778	1000	0.1635	0.8588	-
3.0556	1100	0.1642	0.8260	-
3.3333	1200	0.1027	0.8380	-
3.6111	1300	0.0983	0.8407	-
3.8889	1400	0.0978	0.8317	-
4.1667	1500	0.1187	0.8376	-
4.4444	1600	0.0977	0.8465	-
4.7222	1700	0.0686	0.8492	-
5.0	1800	0.0587	0.8485	-
-1	-1	-	-	0.6750
0.2778	100	0.0656	0.0464	-
0.5556	200	0.0564	0.0454	-
0.8333	300	0.0498	0.0496	-
1.1111	400	0.042	0.0408	-
1.3889	500	0.0384	0.0416	-
1.6667	600	0.0319	0.0427	-
1.9444	700	0.0332	0.0427	-
2.2222	800	0.0249	0.0416	-
2.5	900	0.0232	0.0408	-
2.7778	1000	0.0219	0.0415	-
3.0556	1100	0.0215	0.0409	-
3.3333	1200	0.0158	0.0402	-
3.6111	1300	0.0171	0.0387	-
3.8889	1400	0.0152	0.0393	-
4.1667	1500	0.0126	0.0389	-
4.4444	1600	0.0124	0.0389	-
4.7222	1700	0.0118	0.0393	-
5.0	1800	0.0127	0.0391	-
-1	-1	-	-	0.7619

Framework Versions

Python: 3.11.12
Sentence Transformers: 4.0.2
Transformers: 4.50.3
PyTorch: 2.6.0+cu124
Accelerate: 1.5.2
Datasets: 3.5.0
Tokenizers: 0.21.1

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",
}