/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Архитектура
bert · dense
Базовая модель
all-MiniLM-L6-v2
Библиотека
sentence-transformers
Опубликована
28 янв 2025

jp-parallel-gloss

ЭмбеддингиТекст → embedding3 профессии

Англоязычный sentence-transformer для семантического сопоставления японских глосс и английских определений, поиска и кластеризации текстов.

153скачиваний за 30 дней0лайковвеса обновлены16 фев 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

jp-parallel-gloss — англоязычный sentence-transformer, разработанный для оценки семантического сходства японских глосс и их английских определений. Модель дообучена на более чем 4 млн пар параллельных и непараллельных глосс из JMDict, а также на парах синонимов и антонимов из WordNet. В основе — BERT-энкодер sentence-transformers/all-MiniLM-L6-v2; модель содержит 25,9 млн параметров и создаёт нормализованные векторы размерности 384. README указывает предел длины входа 256 токенов, а метаданные — контекст до 512 токенов.

Основное применение — поиск и сопоставление английских определений японских слов по смыслу. Векторы также подходят для семантического поиска, поиска перефразировок, кластеризации и классификации текста. Для сравнения используется косинусное сходство. В README приведены результаты оценки бинарной классификации, но они не гарантируют такое же качество на других данных и задачах. Модель работает с текстом на английском языке; лицензия в предоставленных сведениях не указана.

Сценарии применения

  • сопоставление английских определений японских слов по смыслу
  • поиск похожих глосс в словаре
  • семантический поиск по англоязычным определениям
  • поиск перефразировок определений
  • кластеризация словарных определений
  • классификация пар определений по сходству

Ограничения

Предназначена прежде всего для английских определений японских глосс, поэтому качество на произвольных текстах или других языках может отличаться. README указывает максимум 256 токенов на вход; заявленные результаты оценки не гарантируют качество на иных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

jp-parallel-gloss

jp-parallel-gloss makes predictions on similarity of Japanese-to-English glosses (definitions). This is a sentence-transformers model fine-tuned using a dataset of 4M+ parallel/non-parallel gloss pairs from the JMDict database and antonym/synonym pairs from WordNet. The base model used is cross-encoder/ms-macro-MiniLM-L-6-v2. It maps sentences & paragraphs to a 384-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more. See its application in Kotoba Tag

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: sentence-transformers/all-MiniLM-L6-v2
  • Maximum Sequence Length: 256 tokens
  • Output Dimensionality: 384 dimensions
  • Similarity Function: Cosine Similarity
  • Language: English

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, '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})
  (2): Normalize()
)

Usage

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
sentences = [
    'dearest',
    'to become verminous',
    "having an (overly) strong attachment to one's mother",
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Binary Classification

MetricValue
cosine_accuracy0.9897545950802664
cosine_accuracy_threshold0.4331962466239929
cosine_f10.9685565783209015
cosine_f1_threshold0.4324696958065033
cosine_precision0.9696722939424032
cosine_recall0.9674434272579558
cosine_ap0.9934008701351884
cosine_mcc0.9624377824608901

Training Details

  • Size: 4,404,844 training samples
  • Columns: text1, text2, and label
  • Approximate statistics based on the first 1000 samples:
    text1text2label
    typestringstringint
    detailsmin: 3 tokensmean: 5.65 tokensmax: 27 tokensmin: 3 tokensmean: 5.64 tokensmax: 31 tokensFalse: ~91.80%True: ~8.20%
  • Samples:
    text1text2label
    based onmaking up (a deficiency)False
    folk (esp. music)if possibleFalse
    to startto dieFalse
  • Loss: CoSENTLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "pairwise_cos_sim"
    }
    

Evaluation

  • Size: 550,605 evaluation samples
  • Columns: text1, text2, and label
  • Approximate statistics based on the first 1000 samples:
    text1text2label
    typestringstringint
    detailsmin: 3 tokensmean: 5.74 tokensmax: 28 tokensmin: 3 tokensmean: 5.7 tokensmax: 32 tokensFalse: ~91.60%True: ~8.40%
  • Samples:
    text1text2label
    taking one's children along (to an event, into a new marriage, etc.)disconnectFalse
    to thundersheetFalse
    throwing event (e.g. javelin, discus, shot put)extinctive prescriptionFalse
  • Loss: CoSENTLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "pairwise_cos_sim"
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • per_device_train_batch_size: 128
  • per_device_eval_batch_size: 32
  • weight_decay: 0.01
  • num_train_epochs: 8
  • warmup_ratio: 0.1

All Hyperparameters

  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 128
  • per_device_eval_batch_size: 32
  • 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: 0.01
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1.0
  • num_train_epochs: 8
  • 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: False
  • 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: batch_sampler
  • multi_dataset_batch_sampler: proportional

Training Logs

EpochStepTraining LossValidation Lossdev_cosine_ap
-1-1--0.8061
0.01455007.2395--
0.029110007.2421--
0.043615006.5757--
0.058120005.96--
0.072625005.5217--
0.087230005.3224--
0.101735005.2104--
0.116240005.0525--
0.130845005.1228--
0.145350005.03171.57420.8818
0.159855004.9875--
0.174460004.85--
0.188965004.9348--
0.203470004.7928--
0.217975004.8412--
0.232580004.8304--
0.247085004.8031--
0.261590004.7567--
0.276195004.7847--
0.2906100004.77431.32810.9066
0.3051105004.6624--
0.3196110004.6653--
0.3342115004.6047--
0.3487120004.5972--
0.3632125004.6678--
0.3778130004.5873--
0.3923135004.6007--
0.4068140004.526--
0.4214145004.576--
0.4359150004.55871.16740.9213
0.4504155004.4398--
0.4649160004.529--
0.4795165004.4231--
0.4940170004.5204--
0.5085175004.508--
0.5231180004.4563--
0.5376185004.4922--
0.5521190004.3455--
0.5666195004.393--
0.5812200004.37541.13460.9267
0.5957205004.3033--
0.6102210004.4046--
0.6248215004.4623--
0.6393220004.3426--
0.6538225004.3791--
0.6684230004.4055--
0.6829235004.3898--
0.6974240004.3318--
0.7119245004.3469--
0.7265250004.391.10030.9304
0.7410255004.2806--
0.7555260004.3901--
0.7701265004.3526--
0.7846270004.2083--
0.7991275004.4242--
0.8136280004.3139--
0.8282285004.2971--
0.8427290004.2024--
0.8572295004.2684--
0.8718300004.31750.98300.9365
0.8863305004.2168--
0.9008310004.1969--
0.9154315004.248--
0.9299320004.1886--
0.9444325004.269--
0.9589330004.1733--
0.9735335004.1176--
0.9880340004.2357--
1.0025345004.0826--
1.0171350003.69370.92220.9416
1.0316355003.9462--
1.0461360003.8201--
1.0606365003.8564--
1.0752370003.8252--
1.0897375003.8981--
1.1042380003.8162--
1.1188385003.742--
1.1333390003.7388--
1.1478395003.852--
1.1624400003.77870.88730.9440
1.1769405003.6863--
1.1914410003.7342--
1.2059415003.7647--
1.2205420003.7589--
1.2350425003.7183--
1.2495430003.8539--
1.2641435003.7406--
1.2786440003.7291--
1.2931445003.729--
1.3076450003.69440.86960.9457
1.3222455003.8864--
1.3367460003.7167--
1.3512465003.7737--
1.3658470003.7781--
1.3803475003.7873--
1.3948480003.6664--
1.4094485003.8184--
1.4239490003.6521--
1.4384495003.7833--
1.4529500003.72940.80750.9504
1.4675505003.7328--
1.4820510003.7784--
1.4965515003.6691--
1.5111520003.6275--
1.5256525003.7145--
1.5401530003.6423--
1.5546535003.6464--
1.5692540003.6415--
1.5837545003.7093--
1.5982550003.69960.77410.9527
1.6128555003.6644--
1.6273560003.6496--
1.6418565003.6891--
1.6564570003.7227--
1.6709575003.6413--
1.6854580003.6085--
1.6999585003.4957--
1.7145590003.5888--
1.7290595003.6562--
1.7435600003.60910.74410.9549
1.7581605003.4945--
1.7726610003.5744--
1.7871615003.6632--
1.8016620003.5322--
1.8162625003.4866--
1.8307630003.5391--
1.8452635003.4714--
1.8598640003.4245--
1.8743645003.4765--
1.8888650003.44990.72030.9563
1.9034655003.5459--
1.9179660003.6055--
1.9324665003.5734--
1.9469670003.5724--
1.9615675003.5344--
1.9760680003.4783--
1.9905685003.5332--
2.0051690003.1724--
2.0196695002.8641--
2.0341700002.75430.72520.9577
2.0486705002.8778--
2.0632710002.5721--
2.0777715002.7482--
2.0922720002.8025--
2.1068725002.8993--
2.1213730002.9477--
2.1358735002.8873--
2.1504740002.9593--
2.1649745002.8642--
2.1794750002.91130.72520.9582
2.1939755002.8282--
2.2085760002.9086--
2.2230765002.7911--
2.2375770002.9013--
2.2521775002.9883--
2.2666780002.7996--
2.2811785002.9005--
2.2956790002.8725--
2.3102795002.9003--
2.3247800003.00290.67990.9607
2.3392805002.9904--
2.3538810002.9155--
2.3683815002.933--
2.3828820002.8691--
2.3973825003.003--
2.4119830002.9573--
2.4264835002.8678--
2.4409840003.0882--
2.4555845002.8722--
2.4700850002.95270.67600.9610
2.4845855003.1515--
2.4991860002.9227--
2.5136865002.9474--
2.5281870002.9981--
2.5426875002.8989--
2.5572880002.8141--
2.5717885003.0488--
2.5862890002.8426--
2.6008895002.7394--
2.6153900003.03990.64300.9628
2.6298905002.9426--
2.6443910002.7746--
2.6589915002.9781--
2.6734920002.8177--
2.6879925002.6764--
2.7025930002.8852--
2.7170935002.8658--
2.7315940002.9031--
2.7461945002.9051--
2.7606950002.97150.63470.9636
2.7751955002.8294--
2.7896960002.9833--
2.8042965002.8931--
2.8187970002.866--
2.8332975002.7796--
2.8478980002.7783--
2.8623985002.9983--
2.8768990002.965--
2.8913995002.9125--
2.90591000002.83080.61620.9649
2.92041005002.7666--
2.93491010002.8829--
2.94951015002.7808--
2.96401020003.0559--
2.97851025002.8531--
2.99311030002.8534--
3.00761035002.3948--
3.02211040001.9878--
3.03661045002.204--
3.05121050002.09510.63580.9651
3.06571055002.1723--
3.08021060002.096--
3.09481065002.1398--
3.10931070002.1534--
3.12381075002.0605--
3.13831080001.9515--
3.15291085002.1798--
3.16741090002.1395--
3.18191095002.0357--
3.19651100002.05790.62750.9656
3.21101105002.2834--
3.22551110002.1215--
3.24011115002.3135--
3.25461120002.1642--
3.26911125002.1095--
3.28361130002.1022--
3.29821135002.2954--
3.31271140002.2834--
3.32721145002.2489--
3.34181150002.23170.62050.9663
3.35631155002.234--
3.37081160002.1769--
3.38531165002.1369--
3.39991170002.1962--
3.41441175002.1586--
3.42891180002.2802--
3.44351185002.2446--
3.45801190002.3673--
3.47251195002.1549--
3.48711200002.29630.59480.9672
3.50161205002.331--
3.51611210002.2441--
3.53061215002.0613--
3.54521220002.2732--
3.55971225002.1462--
3.57421230002.2862--
3.58881235002.466--
3.60331240002.1136--
3.61781245002.2851--
3.63231250002.28980.58870.9677
3.64691255002.1318--
3.66141260002.2125--
3.67591265002.2985--
3.69051270002.2355--
3.70501275002.1965--
3.71951280002.2711--
3.73411285002.2094--
3.74861290002.1588--
3.76311295002.3413--
3.77761300002.12230.58780.9683
3.79221305002.1582--
3.80671310002.3648--
3.82121315002.2182--
3.83581320002.1239--
3.85031325002.0056--
3.86481330002.1289--
3.87931335002.223--
3.89391340002.3067--
3.90841345002.2172--
3.92291350002.29920.55340.9699
3.93751355002.1945--
3.95201360002.2532--
3.96651365002.3272--
3.98111370002.2678--
3.99561375002.2451--
4.01011380001.506--
4.02461385001.552--
4.03921390001.5056--
4.05371395001.5867--
4.06821400001.49770.56680.9697
4.08281405001.5145--
4.09731410001.571--
4.11181415001.5091--
4.12631420001.5696--
4.14091425001.6053--
4.15541430001.5816--
4.16991435001.6723--
4.18451440001.5638--
4.19901445001.5457--
4.21351450001.54420.56630.9698
4.22811455001.6303--
4.24261460001.4715--
4.25711465001.5385--
4.27161470001.6144--
4.28621475001.4881--
4.30071480001.8148--
4.31521485001.5511--
4.32981490001.6536--
4.34431495001.5755--
4.35881500001.69970.56080.9702
4.37331505001.6931--
4.38791510001.5777--
4.40241515001.7588--
4.41691520001.5043--
4.43151525001.5527--
4.44601530001.5128--
4.46051535001.5893--
4.47511540001.6465--
4.48961545001.6211--
4.50411550001.56750.56230.9704
4.51861555001.752--
4.53321560001.8182--
4.54771565001.5368--
4.56221570001.6635--
4.57681575001.5425--
4.59131580001.5988--
4.60581585001.7011--
4.62031590001.5353--
4.63491595001.625--
4.64941600001.54830.54260.9714
4.66391605001.6127--
4.67851610001.6512--
4.69301615001.7213--
4.70751620001.5976--
4.72211625001.5711--
4.73661630001.5911--
4.75111635001.6364--
4.76561640001.6361--
4.78021645001.7027--
4.79471650001.64620.53880.9717
4.80921655001.7102--
4.82381660001.6149--
4.83831665001.5491--
4.85281670001.6389--
4.86731675001.5092--
4.88191680001.6771--
4.89641685001.6812--
4.91091690001.6414--
4.92551695001.6066--
4.94001700001.47290.52360.9724
4.95451705001.6032--
4.96911710001.6274--
4.98361715001.8478--
4.99811720001.6356--
5.01261725001.1942--
5.02721730001.1838--
5.04171735001.0514--
5.05621740001.0647--
5.07081745001.0718--
5.08531750001.01620.53850.9720
5.09981755001.0253--
5.11431760001.115--
5.12891765001.0504--
5.14341770001.1573--
5.15791775001.0937--
5.17251780001.0939--
5.18701785001.0392--
5.20151790001.0852--
5.21611795001.165--
5.23061800001.10480.52910.9723
5.24511805001.1814--
5.25961810001.2639--
5.27421815001.1395--
5.28871820001.1452--
5.30321825001.2131--
5.31781830001.236--
5.33231835001.1449--
5.34681840001.1425--
5.36131845001.2328--
5.37591850001.11140.52520.9727

Framework Versions

  • Python: 3.9.21
  • Sentence Transformers: 3.4.0
  • Transformers: 4.48.1
  • PyTorch: 2.5.1
  • Accelerate: 1.3.0
  • Datasets: 3.2.0
  • Tokenizers: 0.21.0

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
7a5fe7f

0 моделей