Hugging Face's logo

TARARARAK
/
HGU_rulebook-fine-tuned-Kure-v1-article_MultipleNegativesRankingLossHR_fold0_50_1e-06

Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:57
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Model card Files Community

SentenceTransformer based on nlpai-lab/KURE-v1

This is a sentence-transformers model finetuned from nlpai-lab/KURE-v1. It maps sentences & paragraphs to a 1024-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 Type: Sentence Transformer
  • Base model: nlpai-lab/KURE-v1
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 1024 dimensions
  • Similarity Function: Cosine Similarity

Model Sources

Full Model Architecture 

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, '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})
  (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
sentences = [
    '한동대학교에 합격한 후 어떤 절차를 언제까지 마쳐야 하나요? 기한을 넘기면 어떻게 되나요?',
    '제 17 조 (입학절차)\n입학허가 예정자는 지정된 기일 내 소정의 서류를 제출하고 수학에 필요한 제반절차를 이행하여야 한다.\n이유없이 기일 내 제1항의 절차를 이행하지 않을 때에는 입학허가를 취소한다.',
    '제목: 한동대학교 학칙\n소관부서: 교무팀 1073, 1074\n학교웹페이지: https://rule.handong.edu',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

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

Training Details

Training Dataset

Unnamed Dataset

  • Size: 57 training samples
  • Columns: sentence_0, sentence_1, sentence_2, and sentence_3
  • Approximate statistics based on the first 57 samples:
    sentence_0 sentence_1 sentence_2 sentence_3
    type string string string string
    details
    • min: 14 tokens
    • mean: 25.53 tokens
    • max: 43 tokens
    • min: 18 tokens
    • mean: 116.4 tokens
    • max: 512 tokens
    • min: 25 tokens
    • mean: 85.26 tokens
    • max: 435 tokens
    • min: 34 tokens
    • mean: 71.05 tokens
    • max: 321 tokens
  • Samples:
    sentence_0 sentence_1 sentence_2 sentence_3
    한동대학교에서 교과목은 어떻게 구분되나요? 필수과목과 선택과목의 차이도 궁금해요. 제 29 조 (교과목 구분)
    교과목은 일반기초교양과목, 글로벌융합교양과목, 전공과목 및 자유선택과목으로 구분하고 이를 각각 필수과목, 선택과목, 선택필수과목으로 구분한다.    		 제목: 한동대학교 학칙
    소관부서: 교무팀 1073, 1074
    학교웹페이지: https://rule.handong.edu    		 제 1 조 (목적)
    이 학칙은 한동대학교(이하 "이 대학교"라 한다) 교훈의 실천과 교육이념, 교육목적 및 교육목표를 달성하기 위한 교육조직, 학사운영 등에 관한 사항을 규정함을 목적으로 한다.
    한동대학교에서는 결석이 많으면 시험을 볼 수 없거나 성적이 인정되지 않나요? 제 40 조 (시험자격)
    각 교과목의 당해학기 결석 일수가 소정의 한계를 초과할 때에는 그 교과목의 성적을 인정하지 않는다.    		 제 40 조 (시험자격)
    각 교과목의 당해학기 결석 일수가 소정의 한계를 초과할 때에는 그 교과목의 성적을 인정하지 않는다.    		 제목: 한동대학교 학칙
    소관부서: 교무팀 1073, 1074
    학교웹페이지: https://rule.handong.edu
    한동대학교에 편입학하려면 어떤 자격이 필요한가요? 예전에 다닌 학교 학점도 인정되나요? 제 19 조 (편입학)
    입학전형은 당해연도 교육부의 대학 편입학 전형 기본계획과 이 대학교 모집요강에 따라 선발한다.
    편입학은 편입학 하고자 하는 학년의 직전 학기까지의 과정을 수료한 자 또는 이와 동등이상의 학력이 있다고 인정된 자로서 모집단위 별 1학년 또는 2학년 학생 중 직전 학기 및 직전 학년도에 제적된 인원을 소정의 절차를 거쳐 모집할 수 있다.
    다만, 법령이 정하는 경우는 정원의 제한 없이 정원외 편입학을 허가할 수 있다.
    학사학위를 취득한 자는 3학년에 편입학할 수 있다.
    다만, 편입학할 수 있는 인원은 당해 학년 입학정원의 5퍼센트 이내이어야 하고, 당해 학년 모집단위별 입학정원의 10퍼센트를 초과할 수 없다.
    제출 서류의 허위기재, 서류의 위조, 변조, 대리시험 또는 시험부정행위 등 편입학 부정행위가 편입학허가 전에 그 사실이 판명된 때에는 불합격처리 하고 편입학 허가 후에 사실이 판명된 때에도 편입학을 취소하고 학적을 말소한다.
    편입학한 학생이 전적학교에서 취득한 학점은 졸업 학점의 2분의 1 범위내에서 이 대학교 학점으로 인정할 수 있다.    		 제목: 한동대학교 학칙
    소관부서: 교무팀 1073, 1074
    학교웹페이지: https://rule.handong.edu    		 제 1 조 (목적)
    이 학칙은 한동대학교(이하 "이 대학교"라 한다) 교훈의 실천과 교육이념, 교육목적 및 교육목표를 달성하기 위한 교육조직, 학사운영 등에 관한 사항을 규정함을 목적으로 한다.
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
    "scale": 20.0,
    "similarity_fct": "cos_sim"
}

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • per_device_train_batch_size: 1
  • per_device_eval_batch_size: 1
  • num_train_epochs: 50
  • fp16: True
  • multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand
  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 1
  • per_device_eval_batch_size: 1
  • 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
  • num_train_epochs: 50
  • max_steps: -1
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.0
  • 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: 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: False
  • 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: round_robin

Training Logs

Epoch Step
0.6897 20

Framework Versions

  • Python: 3.10.13
  • Sentence Transformers: 3.3.1
  • Transformers: 4.46.2
  • PyTorch: 2.0.1+cu118
  • Accelerate: 0.34.2
  • Datasets: 3.0.0
  • Tokenizers: 0.20.1

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",
}

MultipleNegativesRankingLoss 

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}
Downloads last month
6
Safetensors
Model size
568M params
Tensor type
F32
·
Inference Providers NEW
Sentence Similarity
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for TARARARAK/HGU_rulebook-fine-tuned-Kure-v1-article_MultipleNegativesRankingLossHR_fold0_50_1e-06

Base model

BAAI/bge-m3
Finetuned
nlpai-lab/KURE-v1
Finetuned
(15)
this model