/ Модель

Характеристики

Контекст
512 токенов
Параметры
152 млн
Архитектура
bert · dense
Базовая модель
indobert-base-p1
Библиотека
sentence-transformers
Опубликована
8 фев 2025

k3mbed-tsdae-v1

ЭмбеддингиТекст → embedding

Дообученная на индонезийских материалах по охране труда BERT-модель для получения эмбеддингов и поиска семантически близких текстов.

108скачиваний за 30 дней0лайковвеса обновлены4 мар 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

k3mbed-tsdae-v1 — модель Sentence Transformers для создания эмбеддингов предложений и абзацев на индонезийском языке. Она дообучена разработчиком wira-pratama на базе indobenchmark/indobert-base-p1 на материалах по охране труда и технике безопасности (K3/OSH), собранных из открытых источников. Обучающий набор содержит 19 977 пар предложений, использовалась функция потерь DenoisingAutoEncoderLoss.

Модель построена на BERT и преобразует текст в плотные векторы размерности 768; максимальная длина входа — 512 токенов. Векторы можно применять для оценки семантического сходства, семантического поиска, поиска перефразирований, классификации и кластеризации текста.

Модель специализируется на индонезийских материалах по охране труда, поэтому качество на других языках и в далёких от этой тематики областях не подтверждено. Лицензия в предоставленных данных не указана.

Сценарии применения

  • семантический поиск по индонезийским документам по охране труда
  • поиск похожих формулировок и перефразирований на индонезийском языке
  • сравнение семантического сходства предложений
  • кластеризация материалов по охране труда
  • классификация индонезийских текстов по эмбеддингам

Ограничения

Модель ориентирована на индонезийский язык и обучалась на материалах по охране труда; качество для других языков и тематик не подтверждено. Максимальная длина входа — 512 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

k3mbed: Indonesian OSH Sentence Embedding Model

This is a sentence-transformers model finetuned from indobenchmark/indobert-base-p1. 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. This model was trained from data scraped from open access Indonesian occupational safety and health (OSH or K3 in Indonesian) materials available on the internet.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: indobenchmark/indobert-base-p1
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 768 dimensions
  • Language: Indonesian

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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("wira-pratama/k3mbed-tsdae-v1")

Training Details

Training Dataset

Private Dataset from Public Access Data

  • Size: 19,977 training samples
  • Columns: sentence_0 and sentence_1
  • Approximate statistics based on the first 1000 samples:
    sentence_0sentence_1
    typestringstring
    detailsmin: 4 tokensmean: 11.79 tokensmax: 41 tokensmin: 15 tokensmean: 26.36 tokensmax: 107 tokens
  • Loss: DenoisingAutoEncoderLoss

Non-Default Training Hyperparameters

  • num_train_epochs: 10
  • multi_dataset_batch_sampler: round_robin

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",
}

DenoisingAutoEncoderLoss

@inproceedings{wang-2021-TSDAE,
    title = "TSDAE: Using Transformer-based Sequential Denoising Auto-Encoderfor Unsupervised Sentence Embedding Learning",
    author = "Wang, Kexin and Reimers, Nils and Gurevych, Iryna",
    booktitle = "Findings of the Association for Computational Linguistics: EMNLP 2021",
    month = nov,
    year = "2021",
    address = "Punta Cana, Dominican Republic",
    publisher = "Association for Computational Linguistics",
    pages = "671--688",
    url = "https://arxiv.org/abs/2104.06979",
}

Model Card Authors

This model and model card was created and maintained by the following contributors:

  • Adi Wira Pratama – Primary author, responsible for data curation, model training, evaluation, and documentation.

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
94dc1ed

0 моделей