/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Архитектура
bert · dense
Базовая модель
paraphrase-multilingual-MiniLM-L12-v2
Библиотека
sentence-transformers
Опубликована
28 фев 2025

allstats-search-miniLM-v1-5

ЭмбеддингиТекст → embedding10 профессий

Многоязычная модель эмбеддингов на базе MiniLM для семантического поиска и сравнения предложений и документов.

107скачиваний за 30 дней0лайковвеса обновлены28 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

yahyaabd/allstats-search-miniLM-v1-5 — модель Sentence Transformer, созданная дообучением sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 на парах запросов и документов из набора query-hard-pos-neg-doc-pairs-statictable. Архитектура основана на BERT; модель преобразует предложения и абзацы в плотные векторы размерности 384 и предназначена для семантического поиска и сравнения текстов по косинусному сходству.

Модель подходит для поиска документов по запросу, оценки семантического сходства, поиска перефразировок, кластеризации и извлечения признаков для классификации текста. Датасет содержит примеры запросов и документов, в том числе на индонезийском языке; базовая модель многоязычная. README указывает максимальную длину последовательности 128 токенов, тогда как метаданные каталога — контекст 512 токенов. В репозитории используются веса safetensors и библиотека sentence-transformers; параметров — 124,3 млн. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск документов по смыслу запроса
  • ранжирование документов по семантической близости к запросу
  • сравнение сходства двух предложений или абзацев
  • поиск перефразировок
  • кластеризация текстов по смыслу
  • извлечение векторов текста для классификации

Ограничения

README приводит максимальную длину последовательности 128 токенов, а метаданные каталога — контекст 512 токенов. Лицензия в предоставленных данных не указана.

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 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 on the query-hard-pos-neg-doc-pairs-statictable 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-miniLM-v1-5")
# Run inference
sentences = [
    'Arus dana Q3 2006',
    'Ringkasan Neraca Arus Dana, Triwulan III, 2006, (Miliar Rupiah)',
    'Rata-Rata Pengeluaran per Kapita Sebulan di Daerah Perkotaan Menurut Kelompok Barang dan Golongan Pengeluaran per Kapita Sebulan, 2000-2012',
]
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

Metricallstats-semantic-mini-v1_testallstats-semantic-mini-v1_dev
cosine_accuracy0.9770.977
cosine_accuracy_threshold0.7470.747
cosine_f10.96490.9649
cosine_f1_threshold0.74520.7452
cosine_precision0.95530.9553
cosine_recall0.97460.9746
cosine_ap0.99270.9927
cosine_mcc0.94790.9479

Training Details

Training Dataset

query-hard-pos-neg-doc-pairs-statictable

  • Dataset: query-hard-pos-neg-doc-pairs-statictable at 7b28b96
  • Size: 25,580 training samples
  • Columns: query, doc, and label
  • Approximate statistics based on the first 1000 samples:
    querydoclabel
    typestringstringint
    detailsmin: 7 tokensmean: 20.14 tokensmax: 55 tokensmin: 5 tokensmean: 24.9 tokensmax: 47 tokens0: ~70.80%1: ~29.20%
  • Samples:
    querydoclabel
    Status pekerjaan utama penduduk usia 15+ yang bekerja, 2020Jumlah Penghuni Lapas per Kanwil0
    status pekerjaan utama penduduk usia 15+ yang bekerja, 2020Jumlah Penghuni Lapas per Kanwil0
    STATUS PEKERJAAN UTAMA PENDUDUK USIA 15+ YANG BEKERJA, 2020Jumlah Penghuni Lapas per Kanwil0
  • Loss: OnlineContrastiveLoss

Evaluation Dataset

query-hard-pos-neg-doc-pairs-statictable

  • Dataset: query-hard-pos-neg-doc-pairs-statictable at 7b28b96
  • Size: 5,479 evaluation samples
  • Columns: query, doc, and label
  • Approximate statistics based on the first 1000 samples:
    querydoclabel
    typestringstringint
    detailsmin: 7 tokensmean: 20.78 tokensmax: 52 tokensmin: 4 tokensmean: 26.28 tokensmax: 43 tokens0: ~71.50%1: ~28.50%
  • Samples:
    querydoclabel
    Bagaimana perbandingan PNS pria dan wanita di berbagai golongan tahun 2014?Rata-rata Pendapatan Bersih Berusaha Sendiri Menurut Provinsi dan Lapangan Pekerjaan Utama (ribu rupiah), 20170
    bagaimana perbandingan pns pria dan wanita di berbagai golongan tahun 2014?Rata-rata Pendapatan Bersih Berusaha Sendiri Menurut Provinsi dan Lapangan Pekerjaan Utama (ribu rupiah), 20170
    BAGAIMANA PERBANDINGAN PNS PRIA DAN WANITA DI BERBAGAI GOLONGAN TAHUN 2014?Rata-rata Pendapatan Bersih Berusaha Sendiri Menurut Provinsi dan Lapangan Pekerjaan Utama (ribu rupiah), 20170
  • Loss: OnlineContrastiveLoss

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • per_device_train_batch_size: 24
  • per_device_eval_batch_size: 24
  • num_train_epochs: 2
  • warmup_ratio: 0.2
  • fp16: True
  • load_best_model_at_end: True
  • 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: 24
  • per_device_eval_batch_size: 24
  • 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: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1.0
  • num_train_epochs: 2
  • max_steps: -1
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.2
  • 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}
  • 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: 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 Lossallstats-semantic-mini-v1_test_cosine_apallstats-semantic-mini-v1_dev_cosine_ap
-1-1--0.8789-
00-0.7267-0.8789
0.0188200.6680.6453-0.8848
0.0375400.61170.4411-0.9003
0.0563600.31080.3592-0.9130
0.0750800.38240.2899-0.9336
0.09381000.21180.2530-0.9442
0.11261200.2320.1945-0.9582
0.13131400.12330.1663-0.9656
0.15011600.12930.1655-0.9654
0.16891800.07140.2142-0.9578
0.18762000.11980.1455-0.9702
0.20642200.10810.1258-0.9766
0.22512400.04840.1210-0.9753
0.24392600.14630.1100-0.9792
0.26272800.04220.1228-0.9777
0.28143000.11870.1302-0.9725
0.30023200.06350.1257-0.9733
0.31893400.04220.1125-0.9736
0.33773600.04790.0882-0.9796
0.35653800.1190.1319-0.9697
0.37524000.0990.1445-0.9702
0.39404200.04090.1434-0.9706
0.41284400.10530.1520-0.9686
0.43154600.10350.1382-0.9727
0.45034800.08480.1150-0.9789
0.46905000.03870.0944-0.9826
0.48785200.00970.1041-0.9811
0.50665400.06670.1041-0.9783
0.52535600.10280.1386-0.9736
0.54415800.05430.1350-0.9769
0.56296000.08590.1254-0.9776
0.58166200.08530.1483-0.9728
0.60046400.0240.1159-0.9781
0.61916600.07620.1046-0.9784
0.63796800.04330.1275-0.9686
0.65677000.07720.0592-0.9882
0.67547200.01850.0542-0.9889
0.69427400.03760.1123-0.9801
0.71297600.06120.1002-0.9817
0.73177800.01560.0948-0.9809
0.75058000.04740.0778-0.9817
0.76928200.04270.0824-0.9828
0.78808400.02890.0911-0.9833
0.80688600.01750.0991-0.9827
0.82558800.02410.0951-0.9824
0.84439000.05270.0816-0.9860
0.86309200.05350.0707-0.9875
0.88189400.02110.0767-0.9868
0.90069600.0130.0758-0.9872
0.91939800.00790.0781-0.9848
0.938110000.04060.0820-0.9845
0.956810200.02770.0685-0.9874
0.975610400.01320.0760-0.9859
0.994410600.02680.0881-0.9833
1.013110800.00890.0772-0.9857
1.031911000.02760.0773-0.9850
1.050711200.01810.0729-0.9860
1.069411400.00650.0683-0.9867
1.088211600.010.0639-0.9873
1.106911800.00680.0662-0.9870
1.125712000.00.0722-0.9863
1.144512200.00670.0710-0.9866
1.163212400.00690.0666-0.9877
1.182012600.00.0639-0.9880
1.200812800.02440.0610-0.9882
1.219513000.01430.0630-0.9877
1.238313200.01730.0530-0.9896
1.257013400.01710.0496-0.9907
1.275813600.02250.0521-0.9909
1.294613800.0110.0569-0.9900
1.313314000.00880.0605-0.9898
1.332114200.00.0619-0.9897
1.350814400.01350.0608-0.9894
1.369614600.00.0593-0.9892
1.388414800.01450.0578-0.9894
1.407115000.00.0608-0.9896
1.425915200.00690.0567-0.9906
1.444715400.00.0561-0.9907
1.463415600.02240.0531-0.9912
1.482215800.00.0523-0.9911
1.500916000.00660.0503-0.9912
1.519716200.00.0472-0.9915
1.538516400.0180.0452-0.9923
1.557216600.01170.0449-0.9925
1.576016800.00.0456-0.9925
1.594717000.00.0448-0.9925
1.613517200.00.0448-0.9925
1.632317400.00720.0458-0.9924
1.651017600.00.0456-0.9923
1.669817800.01630.0482-0.9925
1.688618000.00630.0463-0.9926
1.707318200.00780.0482-0.9925
1.726118400.01790.0472-0.9927
1.744818600.00.0477-0.9927
1.763618800.00.0477-0.9927
1.782419000.00650.0461-0.9926
1.801119200.00770.0458-0.9926
1.819919400.00650.0453-0.9927
1.838619600.00.0451-0.9927
1.857419800.00.0451-0.9927
1.876220000.00.0451-0.9927
1.894920200.00.0451-0.9927
1.913720400.00.0451-0.9927
1.932520600.00.0451-0.9927
1.951220800.00.0451-0.9927
1.970021000.0070.0442-0.9927
1.988721200.00670.0441-0.9927
-1-1--0.9927-
  • The bold row denotes the saved checkpoint.

Framework Versions

  • Python: 3.10.12
  • Sentence Transformers: 3.4.0
  • Transformers: 4.48.1
  • PyTorch: 2.5.1+cu124
  • Accelerate: 1.3.0
  • Datasets: 3.2.0
  • Tokenizers: 0.21.0

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
c3eb520

0 моделей