| --- |
| tags: |
| - sentence-transformers |
| - sentence-similarity |
| - feature-extraction |
| - dense |
| - generated_from_trainer |
| - dataset_size:10246566 |
| - loss:MultipleNegativesSymmetricRankingLoss |
| widget: |
| - source_sentence: Гитары всех типов доступны на сайте Crazysound.by. |
| sentences: |
| - Но Тимофей знал, что его напарник вовсе не сумасшедший. |
| - Самые дешевые продают в Волгограде и Ярославле - 15 рублей за штуку. |
| - >- |
| Во встрече также приняли участие первый заместитель Премьер-министра |
| Правительства РБ , министр финансов республики Айрат Гаскаров , глава |
| представительства ЕБРР по Приволжскому федеральному округу Михаэль Хоффман и |
| другие . |
| - source_sentence: Ошо арҡала бик ныҡ арыу һәм хәлһеҙлек хисе тыуа, аяҡтар бүрәнәгә әйләнә. |
| sentences: |
| - >- |
| Это вызывает резко появляющееся чувство сильнейшей усталости и бессилия, |
| «упирание в стену». |
| - — Скоро другую песню запоешь. В другом месте. |
| - По окончании учёбы в Санкт-Петербурге вернулся в Вильну. |
| - source_sentence: >- |
| Йәрминкәләрҙә 48 райондан килгән ауыл хужалығы тауарҙарын етештереүселәр |
| ҡатнашты . |
| sentences: |
| - >- |
| Используя эту информацию, выскажите предположения, к каким последствиям |
| может привести шум в лесу. |
| - >- |
| Семья Зайнетдиновых из Уфы завоевала победу на Международном конкурсе в |
| Турции |
| - >- |
| В ярмарках приняли участие сельхозтоваропроизводители из 48 муниципальных |
| районов . |
| - source_sentence: Ә бынан барыбыҙ ҙа отасаҡбыҙ ғына. |
| sentences: |
| - Мы все находимся под огнем. |
| - 'Ему вторила бабка Суакай:' |
| - Ведь есть такое понятие, как судьба. |
| - source_sentence: 19.Башҡортостан Республикаһында ниндәй милләттәр йәшәй? |
| sentences: |
| - Какие экономические реформы были проведены в России в XIX веке? |
| - Рон с семьей прибыли утром. |
| - >- |
| Валерий Газзаев также отметил, что сегодня футбол не просто является |
| спортом. |
| pipeline_tag: sentence-similarity |
| library_name: sentence-transformers |
| license: apache-2.0 |
| datasets: |
| - AigizK/bashkir-russian-parallel-corpora |
| language: |
| - ba |
| - ru |
| --- |
| |
| # SentenceTransformer |
|
|
| This is a [sentence-transformers](https://www.SBERT.net) model. It maps sentences & paragraphs to a 256-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more. |
|
|
| > [!IMPORTANT] |
| > It is a static embedding model! The main purpose of it is to calculate similarity between russian and bashkir sentences. |
|
|
| ## Model Details |
|
|
| ### Model Description |
| - **Model Type:** Sentence Transformer |
| <!-- - **Base model:** [Unknown](https://huggingface.co/unknown) --> |
| - **Maximum Sequence Length:** inf tokens |
| - **Output Dimensionality:** 256 dimensions |
| - **Similarity Function:** Cosine Similarity |
| <!-- - **Training Dataset:** Unknown --> |
| - **Language:** Bashkir |
| <!-- - **License:** Unknown --> |
|
|
| ### Model Sources |
|
|
| - **Documentation:** [Sentence Transformers Documentation](https://sbert.net) |
| - **Repository:** [Sentence Transformers on GitHub](https://github.com/huggingface/sentence-transformers) |
| - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers) |
|
|
| ### Full Model Architecture |
|
|
| ``` |
| SentenceTransformer( |
| (0): StaticEmbedding( |
| (embedding): EmbeddingBag(120138, 256, mode='mean') |
| ) |
| ) |
| ``` |
|
|
| ## 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("BorisTM/static_rus_bak") |
| # Run inference |
| sentences = [ |
| '19.Башҡортостан Республикаһында ниндәй милләттәр йәшәй?', |
| 'Какие экономические реформы были проведены в России в XIX веке?', |
| 'Валерий Газзаев также отметил, что сегодня футбол не просто является спортом.', |
| ] |
| embeddings = model.encode(sentences) |
| print(embeddings.shape) |
| # [3, 256] |
| |
| # Get the similarity scores for the embeddings |
| similarities = model.similarity(embeddings, embeddings) |
| print(similarities) |
| # tensor([[ 1.0000, 0.4605, -0.0718], |
| # [ 0.4605, 1.0000, -0.1179], |
| # [-0.0718, -0.1179, 1.0000]]) |
| ``` |
|
|
| <!-- |
| ### 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: 10,246,566 training samples |
| * Columns: <code>bak</code> and <code>rus</code> |
| * Approximate statistics based on the first 1000 samples: |
| | | bak | rus | |
| |:--------|:-----------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------| |
| | type | string | string | |
| | details | <ul><li>min: 2 characters</li><li>mean: 84.01 characters</li><li>max: 536 characters</li></ul> | <ul><li>min: 2 characters</li><li>mean: 83.26 characters</li><li>max: 563 characters</li></ul> | |
| * Samples: |
| | bak | rus | |
| |:-------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------| |
| | <code>Ref-de Профиль на transfermarkt.de (нем.)</code> | <code>Профиль на transfermarkt.de (нем.)</code> | |
| | <code>Уның тәүәккәл эш итеүе арҡаһында был әҙәм зарарһыҙландырыла.</code> | <code>Со свойственным ему упрямством этот человек пытается исполнить свою угрозу.</code> | |
| | <code>Ростов стадионы архитектура үҙенсәлектәре башҡа стадиондарҙыҡынан айырылып торасаҡ.</code> | <code>Нарушение технологического процесса в одном, безусловно, скажется на других этапах.</code> | |
| * Loss: [<code>MultipleNegativesSymmetricRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativessymmetricrankingloss) with these parameters: |
| ```json |
| { |
| "scale": 20.0, |
| "similarity_fct": "cos_sim", |
| "gather_across_devices": false |
| } |
| ``` |
|
|
| ### Evaluation Dataset |
|
|
| #### rus_bak_real |
|
|
| * Dataset: rus_bak_real |
| * Size: 10,000 evaluation samples |
| * Columns: <code>bak</code> and <code>rus</code> |
| * Approximate statistics based on the first 1000 samples: |
| | | bak | rus | |
| |:--------|:------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------| |
| | type | string | string | |
| | details | <ul><li>min: 3 characters</li><li>mean: 85.78 characters</li><li>max: 1025 characters</li></ul> | <ul><li>min: 4 characters</li><li>mean: 85.84 characters</li><li>max: 967 characters</li></ul> | |
| * Samples: |
| | bak | rus | |
| |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| |
| | <code>с йылдырымом юсуп а не валерой!</code> | <code>Освежает потрясающе!</code> | |
| | <code>Беренсе шуныһы ташлана күҙе - блузка уңайлы, туника, салбар.</code> | <code>Первое, что бросается в глаза - чехол, плотный и удобный.</code> | |
| | <code>Һауаның уртаса йыллыҡ театраһы — 2,3°С, ғин. уртаса температура — -15°С, июлдә — 21°С. Абсолютная максимальная температура — 38°С, абс. миним. театра — -48,0°С. Яуым-төшөмдөң уртаса йыллыҡ миҡдары — 450 мм.</code> | <code>Среднегодовая температура воздуха – 2,3°С, средняя температура янв. – -15°С, июля – 21°С. Абсолютная максимальная температура – 38°С, абс. миним. театра – -48,0°С. Среднегодовое количество осадков – 450 мм.</code> | |
| * Loss: [<code>MultipleNegativesSymmetricRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativessymmetricrankingloss) with these parameters: |
| ```json |
| { |
| "scale": 20.0, |
| "similarity_fct": "cos_sim", |
| "gather_across_devices": false |
| } |
| ``` |
|
|
| ### Training Hyperparameters |
| #### Non-Default Hyperparameters |
|
|
| - `eval_strategy`: steps |
| - `per_device_train_batch_size`: 8192 |
| - `per_device_eval_batch_size`: 256 |
| - `learning_rate`: 0.02 |
| - `weight_decay`: 0.01 |
| - `max_steps`: 1200 |
| - `warmup_ratio`: 0.05 |
| - `bf16`: True |
| - `bf16_full_eval`: True |
| - `remove_unused_columns`: False |
| - `load_best_model_at_end`: True |
|
|
| #### 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`: 8192 |
| - `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`: 0.02 |
| - `weight_decay`: 0.01 |
| - `adam_beta1`: 0.9 |
| - `adam_beta2`: 0.999 |
| - `adam_epsilon`: 1e-08 |
| - `max_grad_norm`: 1.0 |
| - `num_train_epochs`: 3.0 |
| - `max_steps`: 1200 |
| - `lr_scheduler_type`: linear |
| - `lr_scheduler_kwargs`: {} |
| - `warmup_ratio`: 0.05 |
| - `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 |
| - `bf16`: True |
| - `fp16`: False |
| - `fp16_opt_level`: O1 |
| - `half_precision_backend`: auto |
| - `bf16_full_eval`: True |
| - `fp16_full_eval`: False |
| - `tf32`: None |
| - `local_rank`: 0 |
| - `ddp_backend`: None |
| - `tpu_num_cores`: None |
| - `tpu_metrics_debug`: False |
| - `debug`: [] |
| - `dataloader_drop_last`: True |
| - `dataloader_num_workers`: 0 |
| - `dataloader_prefetch_factor`: None |
| - `past_index`: -1 |
| - `disable_tqdm`: False |
| - `remove_unused_columns`: False |
| - `label_names`: None |
| - `load_best_model_at_end`: True |
| - `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} |
| - `parallelism_config`: None |
| - `deepspeed`: None |
| - `label_smoothing_factor`: 0.0 |
| - `optim`: adamw_torch |
| - `optim_args`: None |
| - `adafactor`: False |
| - `group_by_length`: False |
| - `length_column_name`: length |
| - `project`: huggingface |
| - `trackio_space_id`: trackio |
| - `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 |
| - `hub_revision`: None |
| - `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`: no |
| - `neftune_noise_alpha`: None |
| - `optim_target_modules`: None |
| - `batch_eval_metrics`: False |
| - `eval_on_start`: False |
| - `use_liger_kernel`: False |
| - `liger_kernel_config`: None |
| - `eval_use_gather_object`: False |
| - `average_tokens_across_devices`: True |
| - `prompts`: None |
| - `batch_sampler`: batch_sampler |
| - `multi_dataset_batch_sampler`: proportional |
| - `router_mapping`: {} |
| - `learning_rate_mapping`: {} |
|
|
| </details> |
|
|
|
|
| ### Framework Versions |
| - Python: 3.10.14 |
| - Sentence Transformers: 5.1.2 |
| - Transformers: 4.57.3 |
| - PyTorch: 2.3.1 |
| - Accelerate: 1.12.0 |
| - Datasets: 4.4.1 |
| - Tokenizers: 0.22.1 |
|
|
|
|
| ## Model Card Authors |
|
|
| Malashenko Boris |
|
|
| ## Model Card Contact |
|
|
| quelquemath@gmail.com |
