/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Архитектура
bert · dense
Базовая модель
multilingual-e5-small-ko-v2
Библиотека
sentence-transformers
Опубликована
15 июл 2026

e5-word-meta-ko

ЭмбеддингиТекст → embedding7 профессий

Корейская модель эмбеддингов для семантического поиска терминов и сопоставления коротких запросов с описаниями.

101скачиваний за 30 дней0лайковвеса обновлены15 июл 2026

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

kongchan/e5-word-meta-ko — модель эмбеддингов на базе Sentence Transformers, дообученная разработчиком на 25 358 примерах из набора json от dragonkue/multilingual-e5-small-ko-v2. Она кодирует текстовые запросы и описания в плотные векторы размерности 384, нормализует их и предназначена для семантического поиска и сопоставления запросов с документами по косинусному сходству. Архитектура состоит из трансформера BERT с усреднением токенных представлений; максимальная длина последовательности — 512 токенов.

В README приведена оценка на наборе meta-assistant-terms: точность cosine_accuracy@1 составляет 0,9889, а @3 и @5 — 0,9997. Примеры обучающих данных показывают корейские запросы и определения терминов, поэтому модель подходит для поиска по корейским терминам и метаданным. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск определений корейских терминов по короткому запросу
  • семантический поиск по корейским описаниям и метаданным
  • сопоставление запроса с наиболее релевантным документом
  • ранжирование кандидатов по близости эмбеддингов

Ограничения

Максимальная длина входной последовательности — 512 токенов. Оценка в README приведена на одном наборе meta-assistant-terms, поэтому качество на других корпусах не подтверждено.

Для каких профессий подходит7

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 dragonkue/multilingual-e5-small-ko-v2

This is a sentence-transformers model finetuned from dragonkue/multilingual-e5-small-ko-v2 on the json dataset. It maps sentences & paragraphs to a 384-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: dragonkue/multilingual-e5-small-ko-v2
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 384 dimensions
  • Similarity Function: Cosine Similarity
  • Supported Modality: Text
  • Training Dataset:
    • json

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'BertModel'})
  (1): Pooling({'embedding_dimension': 384, 'pooling_mode': 'mean', 'include_prompt': True})
  (2): Normalize({})
)

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("sentence_transformers_model_id")
# Run inference
queries = [
    'query: 병과명',
]
documents = [
    'passage: 한글명: 병과명\n영문약어명: BR_NM\n단어조합: 병과 + 명\n단어영문약어조합: BR + NM\n단어도메인분류조합: 명\n마지막단어: 명\n마지막단어도메인분류명: 명\n설명: 군사조직에서 군인이 능력에 따라 수행하는 주요 임무를 분류한 것의 이름',
    'passage: 한글명: 변환파일명\n영문약어명: TRSF_FILE_NM\n단어조합: 변환 + 파일 + 명\n단어영문약어조합: TRSF + FILE + NM\n단어도메인분류조합: 명\n마지막단어: 명\n마지막단어도메인분류명: 명\n설명: 다르게 하여 바꾼 파일의 이름',
    'passage: 한글명: 국가명\n영문약어명: NTN_NM\n단어조합: 국가 + 명\n단어영문약어조합: NTN + NM\n단어도메인분류조합: 명\n마지막단어: 명\n마지막단어도메인분류명: 명\n설명: 일정한 영토와 거기에 사는 사람들로 구성되고, 주권(主權)에 따른 하나의 통치 조직을 가지고 있는 사회 집단의 이름\n이음동의어: 나라명, 국가명칭, 국가이름, 나라명칭, 나라이름',
]
query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# [1, 384] [3, 384]

# Get the similarity scores for the embeddings
similarities = model.similarity(query_embeddings, document_embeddings)
print(similarities)
# tensor([[0.9488, 0.0378, 0.2989]])

Evaluation

Metrics

Information Retrieval

MetricValue
cosine_accuracy@10.9889
cosine_accuracy@30.9997
cosine_accuracy@50.9997
cosine_precision@10.9889
cosine_precision@30.3332
cosine_precision@50.1999
cosine_precision@100.1
cosine_recall@10.9889
cosine_recall@30.9997
cosine_recall@50.9997
cosine_recall@101.0
cosine_ndcg@100.9955
cosine_mrr@100.994
cosine_map@1000.994

Training Details

Training Dataset

json

  • Dataset: json
  • Size: 25,358 training samples
  • Columns: anchor, positive, and negative
  • Approximate statistics based on the first 100 samples:
    anchorpositivenegative
    typestringstringstring
    modalitytexttexttext
    detailsmin: 6 tokensmean: 7.65 tokensmax: 10 tokensmin: 64 tokensmean: 84.45 tokensmax: 105 tokensmin: 73 tokensmean: 102.46 tokensmax: 150 tokens
  • Samples:
    anchorpositivenegative
    query: 고도passage: 한글명: 고도영문약어명: ALTD단어조합: 고도단어영문약어조합: ALTD단어도메인분류조합: 수마지막단어: 고도마지막단어도메인분류명: 수설명: 평균 해수면 따위를 0으로 하여 측정한 대상 물체의 높이passage: 한글명: 해발고도영문약어명: ELVT_ALTD단어조합: 해발 + 고도단어영문약어조합: ELVT + ALTD단어도메인분류조합: 수마지막단어: 고도마지막단어도메인분류명: 수설명: 평균 해수면을 기준으로 하여 잰 어떤 지점의 높이
    query: 국비passage: 한글명: 국비영문약어명: GVEXP단어조합: 국비단어영문약어조합: GVEXP단어도메인분류조합: 비용마지막단어: 국비마지막단어도메인분류명: 비용설명: 나라의 재정으로 부담하는 비용passage: 한글명: 국민주택기금금액영문약어명: NHFND_AMT단어조합: 국민주택기금 + 금액단어영문약어조합: NHFND + AMT단어도메인분류조합: 금액마지막단어: 금액마지막단어도메인분류명: 금액설명: 한 세대당 85㎡ 이하로 규정된 국민 주택의 건설하는 것을 지원할 목적으로 마련한 기금에서 지원·융자 또는 보조하는 돈의 액수
    query: 군번passage: 한글명: 군번영문약어명: SRVNO단어조합: 군번단어영문약어조합: SRVNO단어도메인분류조합: 번호마지막단어: 군번마지막단어도메인분류명: 번호설명: 군인 개인마다 주어지는 고유 번호passage: 한글명: 군경력개월수영문약어명: MLCR_MCNT단어조합: 군경력 + 개월수단어영문약어조합: MLCR + MCNT단어도메인분류조합: 수마지막단어: 개월수마지막단어도메인분류명: 수설명: 군에 복무한 경력에 대한 개월의 수
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim",
        "gather_across_devices": false,
        "directions": [
            "query_to_doc"
        ],
        "partition_mode": "joint",
        "hardness_mode": null,
        "hardness_strength": 0.0
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • per_device_train_batch_size: 32
  • num_train_epochs: 2
  • learning_rate: 2e-05
  • warmup_steps: 0.1
  • fp16: True
  • dataloader_drop_last: True
  • batch_sampler: no_duplicates

All Hyperparameters

  • per_device_train_batch_size: 32
  • num_train_epochs: 2
  • max_steps: -1
  • learning_rate: 2e-05
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: None
  • warmup_steps: 0.1
  • optim: adamw_torch_fused
  • optim_args: None
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • optim_target_modules: None
  • gradient_accumulation_steps: 1
  • average_tokens_across_devices: True
  • max_grad_norm: 1.0
  • label_smoothing_factor: 0.0
  • bf16: False
  • fp16: True
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • use_liger_kernel: False
  • liger_kernel_config: None
  • use_cache: False
  • neftune_noise_alpha: None
  • torch_empty_cache_steps: None
  • auto_find_batch_size: False
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • include_num_input_tokens_seen: no
  • log_level: passive
  • log_level_replica: warning
  • disable_tqdm: False
  • project: huggingface
  • trackio_space_id: None
  • trackio_bucket_id: None
  • trackio_static_space_id: None
  • per_device_eval_batch_size: 8
  • prediction_loss_only: True
  • eval_on_start: False
  • eval_do_concat_batches: True
  • eval_use_gather_object: False
  • eval_accumulation_steps: None
  • include_for_metrics: []
  • batch_eval_metrics: False
  • save_only_model: False
  • save_on_each_node: False
  • enable_jit_checkpoint: False
  • push_to_hub: False
  • hub_private_repo: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_always_push: False
  • hub_revision: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • restore_callback_states_from_checkpoint: False
  • full_determinism: False
  • seed: 42
  • data_seed: None
  • use_cpu: False
  • 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
  • dataloader_drop_last: True
  • dataloader_num_workers: 0
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • dataloader_prefetch_factor: None
  • remove_unused_columns: True
  • label_names: None
  • train_sampling_strategy: random
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • ddp_static_graph: None
  • ddp_backend: None
  • ddp_timeout: 1800
  • fsdp: None
  • fsdp_config: None
  • deepspeed: None
  • debug: []
  • skip_memory_metrics: True
  • do_predict: False
  • resume_from_checkpoint: None
  • warmup_ratio: None
  • local_rank: -1
  • prompts: None
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional
  • router_mapping: {}
  • learning_rate_mapping: {}

Training Logs

EpochStepTraining Lossmeta-assistant-terms_cosine_ndcg@10
-1-1-0.9082
0.0253201.0291-
0.0505400.4264-
0.0758600.1148-
0.1010800.0439-
0.12631000.0415-
0.15151200.0254-
0.17681400.0248-
0.20201600.0183-
0.22731800.0152-
0.25252000.0155-
0.27782200.0180-
0.30302400.0240-
0.32832600.0119-
0.35352800.0235-
0.37883000.0164-
0.40403200.0094-
0.42933400.0075-
0.45453600.0067-
0.47983800.0072-
0.50514000.0081-
0.53034200.0071-
0.55564400.0078-
0.58084600.0077-
0.60614800.0093-
0.63135000.0109-
0.65665200.0075-
0.68185400.0036-
0.70715600.0046-
0.73235800.0056-
0.75766000.0061-
0.78286200.0052-
0.80816400.0056-
0.83336600.0081-
0.85866800.0065-
0.88387000.0043-
0.90917200.0067-
0.93437400.0049-
0.95967600.0038-
0.98487800.0054-
1.0792-0.9951
1.01018000.0088-
1.03548200.0053-
1.06068400.0049-
1.08598600.0070-
1.11118800.0038-
1.13649000.0037-
1.16169200.0041-
1.18699400.0028-
1.21219600.0111-
1.23749800.0041-
1.262610000.0040-
1.287910200.0043-
1.313110400.0034-
1.338410600.0068-
1.363610800.0040-
1.388911000.0027-
1.414111200.0036-
1.439411400.0047-
1.464611600.0051-
1.489911800.0073-
1.515212000.0052-
1.540412200.0034-
1.565712400.0056-
1.590912600.0054-
1.616212800.0100-
1.641413000.0049-
1.666713200.0034-
1.691913400.0045-
1.717213600.0027-
1.742413800.0036-
1.767714000.0024-
1.792914200.0071-
1.818214400.0050-
1.843414600.0020-
1.868714800.0028-
1.893915000.0065-
1.919215200.0028-
1.944415400.0051-
1.969715600.0075-
1.994915800.0034-
2.01584-0.9955

Training Time

  • Training: 7.6 minutes

Framework Versions

  • Python: 3.12.13
  • Sentence Transformers: 5.6.0
  • Transformers: 5.12.1
  • PyTorch: 2.11.0+cu128
  • Accelerate: 1.14.0
  • Datasets: 4.0.0
  • Tokenizers: 0.22.2

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",
}

MultipleNegativesRankingLoss

@misc{oord2019representationlearningcontrastivepredictive,
      title={Representation Learning with Contrastive Predictive Coding},
      author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
      year={2019},
      eprint={1807.03748},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/1807.03748},
}

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
0d1fddd

0 моделей