/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Архитектура
bert · dense
Базовая модель
allstats-search-mini-v1-1-mnrl
Библиотека
sentence-transformers
Опубликована
22 мая 2025

allstats-search-mini-v1-1-mnrl-sts

ЭмбеддингиТекст → embedding5 профессий

BERT-модель Sentence Transformers создаёт 384-мерные эмбеддинги для оценки сходства текстов и семантического поиска, с обучением на индонезийских статистических данных.

115скачиваний за 30 дней0лайковвеса обновлены22 мая 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

yahyaabd разработал yahyaabd/allstats-search-mini-v1-1-mnrl-sts — модель Sentence Transformers на архитектуре BERT, дообученную на датасете BPS-STS-dataset-v1 для сравнения смысловой близости текстов. Она кодирует предложения и абзацы в плотные векторы размерности 384; для оценки сходства используется косинусная мера. Модель подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов.

Модель принимает текст, а на выходе выдаёт векторы; максимальная длина последовательности в README — 128 токенов, тогда как метаданные указывают нативный контекст 512 токенов. Обучение и примеры в карточке сосредоточены на текстах о статистике и целях устойчивого развития Индонезии; приведённые оценки на STS-наборах показывают корреляцию Спирмена 0,8363 и 0,8631. Лицензия в предоставленных данных не указана.

Сценарии применения

  • семантический поиск по индонезийским статистическим публикациям
  • поиск похожих предложений и документов
  • оценка смысловой близости пары текстов
  • поиск перефразировок
  • кластеризация текстов по смыслу
  • классификация текста на основе эмбеддингов

Ограничения

README задаёт максимальную длину последовательности 128 токенов, поэтому длинный текст может потребовать разбиения; результаты и примеры обучения ориентированы на индонезийскую статистическую тематику. Приведённые метрики получены на указанных STS-наборах и сами по себе не гарантируют качество на других доменах.

Для каких профессий подходит5

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 yahyaabd/allstats-search-mini-v1-1-mnrl

This is a sentence-transformers model finetuned from yahyaabd/allstats-search-mini-v1-1-mnrl on the bps-sts-dataset-v1 dataset. 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.

Model Details

Model Description

Model Sources

Full Model Architecture

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

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("yahyaabd/allstats-search-mini-v1-1-mnrl-sts")
# Run inference
sentences = [
    'PDRB per kapita Provinsi Riau sangat dipengaruhi oleh harga minyak bumi dunia.',
    'The Riau Islands province is known for its beautiful beaches and marine tourism.',
    'Di wilayah perkotaan, angka kemiskinan pada Maret 2023 adalah 7,29%.',
]
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

Semantic Similarity

Metricsts-devsts-test
pearson_cosine0.83840.8686
spearman_cosine0.83630.8631

Training Details

Training Dataset

bps-sts-dataset-v1

  • Dataset: bps-sts-dataset-v1 at 5c8f96e
  • Size: 2,436 training samples
  • Columns: sentence1, sentence2, and score
  • Approximate statistics based on the first 1000 samples:
    sentence1sentence2score
    typestringstringfloat
    detailsmin: 6 tokensmean: 20.49 tokensmax: 36 tokensmin: 9 tokensmean: 20.71 tokensmax: 45 tokensmin: 0.0mean: 0.51max: 1.0
  • Samples:
    sentence1sentence2score
    bagaimana capaian Tujuan Pembangunan Berkelanjutan di Indonesia?Laporan Pencapaian Indikator Tujuan Pembangunan Berkelanjutan (TPB/SDGs) Indonesia, Edisi 20240.8
    Jumlah perpustakaan umum di Indonesia tahun 2022 sebanyak 170.000 unit.Minat baca masyarakat Indonesia masih perlu ditingkatkan melalui berbagai program literasi.0.4
    Jumlah sekolah negeri jenjang SMP di Kota Bandar Lampung adalah 30 sekolah.Laju deforestasi di Provinsi Kalimantan Tengah masih mengkhawatirkan.0.0
  • Loss: CosineSimilarityLoss with these parameters:
    {
        "loss_fct": "torch.nn.modules.loss.MSELoss"
    }
    

Evaluation Dataset

bps-sts-dataset-v1

  • Dataset: bps-sts-dataset-v1 at 5c8f96e
  • Size: 522 evaluation samples
  • Columns: sentence1, sentence2, and score
  • Approximate statistics based on the first 522 samples:
    sentence1sentence2score
    typestringstringfloat
    detailsmin: 9 tokensmean: 20.83 tokensmax: 39 tokensmin: 8 tokensmean: 20.84 tokensmax: 44 tokensmin: 0.0mean: 0.5max: 1.0
  • Samples:
    sentence1sentence2score
    Persentase desa yang memiliki fasilitas internet di Provinsi Y pada tahun 2021 adalah 85%.Luas perkebunan kelapa sawit di Provinsi Y pada tahun 2021 adalah 500.000 hektar.0.2
    Kontribusi sektor UMKM terhadap PDRB Kota Malang pada tahun 2023 sebesar 60%.Usaha Mikro, Kecil, dan Menengah menyumbang 60 persen terhadap total Produk Domestik Regional Bruto di kota pendidikan Malang pada tahun 2023.1.0
    Jumlah Industri Kecil dan Menengah (IKM) di Kabupaten Tegal, Jawa Tengah, bertambah 200 unit pada tahun 2024.Di Tegal, sebuah kabupaten di Jateng, terjadi penambahan 200 unit IKM sepanjang tahun 2024.1.0
  • Loss: CosineSimilarityLoss with these parameters:
    {
        "loss_fct": "torch.nn.modules.loss.MSELoss"
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • per_device_train_batch_size: 32
  • per_device_eval_batch_size: 32
  • learning_rate: 1e-05
  • warmup_ratio: 0.1
  • fp16: True
  • load_best_model_at_end: True
  • label_smoothing_factor: 0.01
  • eval_on_start: True

All Hyperparameters

  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 32
  • 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: 1e-05
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1.0
  • num_train_epochs: 3
  • 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: True
  • 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: 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}
  • tp_size: 0
  • 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: 0.01
  • 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
  • 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: True
  • 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 Losssts-dev_spearman_cosinests-test_spearman_cosine
00-0.05880.7404-
0.1299100.05350.05770.7454-
0.2597200.0460.05390.7614-
0.3896300.05520.04970.7796-
0.5195400.04420.04700.7947-
0.6494500.04370.04500.8057-
0.7792600.04250.04380.8123-
0.9091700.04650.04230.8183-
1.0390800.03840.04140.8223-
1.1688900.03620.04050.8260-
1.29871000.03090.04010.8276-
1.42861100.03350.03970.8289-
1.55841200.0330.03940.8307-
1.68831300.02720.03920.8317-
1.81821400.0320.03900.8324-
1.94811500.03170.03870.8331-
2.07791600.03220.03850.8338-
2.20781700.02850.03830.8345-
2.33771800.02990.03820.8349-
2.46751900.03260.03810.8351-
2.59742000.02580.03800.8356-
2.72732100.02820.03790.8361-
2.85712200.02860.03790.8363-
2.9872300.0250.03790.8363-
-1-1---0.8631
  • The bold row denotes the saved checkpoint.

Framework Versions

  • Python: 3.11.12
  • Sentence Transformers: 3.4.0
  • Transformers: 4.51.3
  • PyTorch: 2.6.0+cu124
  • Accelerate: 1.6.0
  • Datasets: 3.2.0
  • Tokenizers: 0.21.1

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
6a6c276

0 моделей