/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Базовая модель
bert-base-uncased
Библиотека
sentence-transformers
Опубликована
4 авг 2025

bert-base-uncased-augmentation-indomain-bm25-sts

ЭмбеддингиТекст → embedding10 профессий

Англоязычная Sentence Transformers-модель для получения эмбеддингов предложений и оценки их семантического сходства.

132скачиваний за 30 дней0лайковвеса обновлены4 авг 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Zlovoblachko/bert-base-uncased-augmentation-indomain-bm25-sts — англоязычная модель Sentence Transformers, дообученная разработчиком на базе google-bert/bert-base-uncased для сравнения предложений по смыслу. Она преобразует текстовые фрагменты в плотные векторы размерности 768; близость векторов оценивается косинусным сходством. В README указана максимальная длина последовательности 128 токенов, а метаданные Hugging Face указывают контекст до 512 токенов.

Модель подходит для семантического поиска, поиска перефразировок, кластеризации и сравнения пар предложений. Также в карточке перечислены классификация текста и другие задачи на основе эмбеддингов. На тесте sts-test указана корреляция Спирмена 0,4729 для косинусного сходства; результат характеризует конкретный набор данных и не гарантирует качество на других доменах.

Модель содержит 136,7 млн параметров, использует архитектуру BERT с усреднением токенных представлений и реализована на Sentence Transformers. Она рассчитана на английский язык; для языков и текстов вне обучающего распределения качество может быть ниже. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск предложений по смыслу
  • сравнение смысловой близости двух фраз
  • поиск перефразировок
  • кластеризация текстовых фрагментов
  • получение векторов предложений для классификатора

Ограничения

Модель ориентирована на английский язык. В README указан максимум 128 токенов на последовательность; приведённая оценка на sts-test не гарантирует качество на других данных и доменах.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SentenceTransformer based on google-bert/bert-base-uncased

This is a sentence-transformers model finetuned from google-bert/bert-base-uncased. 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: google-bert/bert-base-uncased
  • Maximum Sequence Length: 128 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Cosine Similarity
  • Language: en

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False, 'architecture': '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})
)

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("Zlovoblachko/bert-base-uncased-augmentation-indomain-bm25-sts")
# Run inference
sentences = [
    'While Queen may refer to both Queen regent (sovereign) or Queen consort, the King has always been the sovereign.',
    'There is a very good reason not to refer to the Queen\'s spouse as "King" - because they aren\'t the King.',
    'A man sitting on the floor in a room is strumming a guitar.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.7510, 0.5198],
#         [0.7510, 1.0000, 0.5726],
#         [0.5198, 0.5726, 1.0000]])

Evaluation

Metrics

Semantic Similarity

MetricValue
pearson_cosine0.479
spearman_cosine0.4729

Training Details

Training Dataset

Unnamed Dataset

  • Size: 20,129 training samples
  • Columns: sentence1, sentence2, and score
  • Approximate statistics based on the first 1000 samples:
    sentence1sentence2score
    typestringstringfloat
    detailsmin: 6 tokensmean: 10.0 tokensmax: 28 tokensmin: 5 tokensmean: 9.95 tokensmax: 25 tokensmin: 0.0mean: 0.45max: 1.0
  • Samples:
    sentence1sentence2score
    A plane is taking off.An air plane is taking off.1.0
    A man is playing a large flute.A man is playing a flute.0.76
    A man is spreading shreded cheese on a pizza.A man is spreading shredded cheese on an uncooked pizza.0.76
  • Loss: CosineSimilarityLoss with these parameters:
    {
        "loss_fct": "torch.nn.modules.loss.MSELoss"
    }
    

Evaluation Dataset

stsb

  • Dataset: stsb at ab7a5ac
  • Size: 1,500 evaluation samples
  • Columns: sentence1, sentence2, and score
  • Approximate statistics based on the first 1000 samples:
    sentence1sentence2score
    typestringstringfloat
    detailsmin: 5 tokensmean: 15.1 tokensmax: 45 tokensmin: 6 tokensmean: 15.11 tokensmax: 53 tokensmin: 0.0mean: 0.42max: 1.0
  • Samples:
    sentence1sentence2score
    A man with a hard hat is dancing.A man wearing a hard hat is dancing.1.0
    A young child is riding a horse.A child is riding a horse.0.95
    A man is feeding a mouse to a snake.The man is feeding a mouse to the snake.1.0
  • Loss: CosineSimilarityLoss with these parameters:
    {
        "loss_fct": "torch.nn.modules.loss.MSELoss"
    }
    

Training Logs

EpochStepsts-test_spearman_cosine
-1-10.4729

Framework Versions

  • Python: 3.12.11
  • Sentence Transformers: 5.0.0
  • Transformers: 4.54.1
  • PyTorch: 2.7.1+cu126
  • Accelerate: 1.9.0
  • Datasets: 4.0.0
  • Tokenizers: 0.21.4

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",
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
31c9d06

0 моделей