gmunkhtur/finetuned_paraphrase-multilingual_v2

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. 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 Type: Sentence Transformer
• Base model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
• Maximum Sequence Length: 128 tokens
• Output Dimensionality: 384 dimensions
• Similarity Function: Cosine Similarity

Model Sources

• Documentation: Sentence Transformers Documentation
• Repository: Sentence Transformers on GitHub
• Hugging Face: Sentence Transformers on Hugging Face

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("gmunkhtur/finetuned_paraphrase-multilingual_v2")
# Run inference
sentences = [
    'Номын нэр ямар утгатай вэ?',
    'news: Монгол Улсын Соёлын гавьяат зүтгэлтэн яруу найрагч Санжаажавын Оюун “Ижилгүй цоохор морь” хэмээх үргэлжилсэн үгийн шинэ номоо өлгийдөн авчээ. Түүний энэ удаагийн номыг яруу найрагч Д.Баянтунгалаг ариутган шүүсэн бөгөөд “Мөнхийн үсэг” компанид хэвлүүлсэн байна. Энэхүү номдоо тэрээр “Костюмт багш”, “Бурханы унаа”, “Би цоохор морь” зэрэг 11 бүтээлээ уншигч олондоо дэлгэн барьжээ. Булган аймгийн Могод сумын харьяат яруу найрагч С.Оюуныг уншигч олон “Хорвоод ганцхан ээждээ”, “Үнсье чамайгаа” зэрэг олон сайхан дуу, “Тань руу нүүж явна” кино зохиол зэргээр нь сайн таних юм. Т.ДАРХАН',
    'news: Бүх цаг үеэс сонгосон дэлхийн яруу найргийн дээж “Гурван зуун шүлэгт” антологи хэвлэгдэн уншигчдын гарт очлоо. Энэ антологийг эмхэтгэж сонголт хийсэн Соёлын гавьяат зүтгэлэн, яруу найраг Г.Мэнд-Ооёотой ярилцлаа. -Та саяхан “Бүх цаг үеэс сонгосон дэлхийн яруу найргийн дээж ГУРВАН ЗУУН ШҮЛЭГТ” нэртэй антологи гаргасан байна? Ийм антологи хийхэд мэдээж нилээд их цаг хугацаа, хүч хөдөлмөр орох байх? -Тиймээ. Би шүлэг зохиолд хорхойсч байх үеэсээ л өөрт сайхан санагдсан шүлгүүдийг тусгай дэвтэрт бичиж, түүнээ үе үе уншиж урам зориг авдаг байсан. Аандаа уг дэвтэр маань олон зуун шүлэгтэй болсон. Тэр ногоон дэвтэр энэ антологийн эхлэл юм. 2005 оноос эхлээд би “Дэлхийн шилдэг яруу найраг” нэртэй цуврал антологиуд хэвлүүлж эхэлсэн. “Оросын яруу найраг”, “Японы яруу найраг”, “Энэтхэгийн яруу найраг”, “Хятадын яруу найраг”, “Америкийн яруу найраг” гээд 10 ботийг гаргаад байгаа л даа. Цуврал маань цааш үргэлжилнэ. Ингээд би өөртөө яруу найргийн нилээд баялаг сан хөмрөгтэй болж, үүнийхээ',
]
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

Information Retrieval

• Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.2516
cosine_accuracy@3	0.4182
cosine_accuracy@5	0.4961
cosine_accuracy@10	0.5992
cosine_precision@1	0.2516
cosine_precision@3	0.1394
cosine_precision@5	0.0992
cosine_precision@10	0.0599
cosine_recall@1	0.2516
cosine_recall@3	0.4182
cosine_recall@5	0.4961
cosine_recall@10	0.5992
cosine_ndcg@10	0.4146
cosine_mrr@10	0.3569
cosine_map@100	0.3688

Training Details

Training Dataset

Unnamed Dataset

• Size: 26,619 training samples
• Columns: sentence_0 and sentence_1
• Approximate statistics based on the first 1000 samples:

  	sentence_0	sentence_1
  type	string	string
  details	min: 8 tokens mean: 17.93 tokens max: 43 tokens	min: 41 tokens mean: 124.86 tokens max: 128 tokens

• Samples:

  sentence_0	sentence_1
  "Юрийн галавын үе" киноны амжилтыг юугаар тайлбарлах вэ?	news: Киноны кадраас «Юрийн галавын үе» кино прокатад тавигдсныхаа дараах эхний амралтын өдрөөр хамгийн их орлого оллоо гэж Business Insider хэвлэл мэдээлэв. Хойд Америкт л гэхэд эхний амралтын өдрүүдэд 204,6 сая доллар цуглуулж чадлаа. Гадаад орнуудын үзүүлэлт нь 307,2 сая ам.доллар байв. Нийт кассын орлого 511,8 сая ам.доллар болжээ. Энэхүү үзүүлэлт нь Universal кино компанийн дээд амжилт төдийгүй дэлхийн кино аж үйлдвэрийн томоохон үсрэлт боллоо. Үүнээс өмнө амралтын эхний өдрүүдэд 500 сая долларын босго давсан их мөнгө цуглуулж байсан түүх байхгүй. «Гарри Поттер ба үхлийн тахил: II хэсэг» 483 сая долларын орлого олсноороо хоёрдугаарт явж байна. Universal компанийн дөрөвдүгээр сард гаргасан «Галзуу хурд 7» кино харин эхний амралтын өдрүүдэд 147 сая доллар цуглуулсан юм. Эхний амралтын өдрүүдийн орлого нь кино бизнесийн чухал үзүүлэлт бөгөөд тэр үзүүлэлтээр киноны прокатын хувь заяа шалтгаалдаг. Бэлтгэсэн Ш.МЯГМАР
  Энэ киноны амжилт дэлхийн кино үйлдвэрт ямар нөлөө үзүүлэх вэ?	news: Киноны кадраас «Юрийн галавын үе» кино прокатад тавигдсныхаа дараах эхний амралтын өдрөөр хамгийн их орлого оллоо гэж Business Insider хэвлэл мэдээлэв. Хойд Америкт л гэхэд эхний амралтын өдрүүдэд 204,6 сая доллар цуглуулж чадлаа. Гадаад орнуудын үзүүлэлт нь 307,2 сая ам.доллар байв. Нийт кассын орлого 511,8 сая ам.доллар болжээ. Энэхүү үзүүлэлт нь Universal кино компанийн дээд амжилт төдийгүй дэлхийн кино аж үйлдвэрийн томоохон үсрэлт боллоо. Үүнээс өмнө амралтын эхний өдрүүдэд 500 сая долларын босго давсан их мөнгө цуглуулж байсан түүх байхгүй. «Гарри Поттер ба үхлийн тахил: II хэсэг» 483 сая долларын орлого олсноороо хоёрдугаарт явж байна. Universal компанийн дөрөвдүгээр сард гаргасан «Галзуу хурд 7» кино харин эхний амралтын өдрүүдэд 147 сая доллар цуглуулсан юм. Эхний амралтын өдрүүдийн орлого нь кино бизнесийн чухал үзүүлэлт бөгөөд тэр үзүүлэлтээр киноны прокатын хувь заяа шалтгаалдаг. Бэлтгэсэн Ш.МЯГМАР
  Киноны эхний амралтын өдрүүдийн орлого яагаад ийм чухал вэ?	news: Киноны кадраас «Юрийн галавын үе» кино прокатад тавигдсныхаа дараах эхний амралтын өдрөөр хамгийн их орлого оллоо гэж Business Insider хэвлэл мэдээлэв. Хойд Америкт л гэхэд эхний амралтын өдрүүдэд 204,6 сая доллар цуглуулж чадлаа. Гадаад орнуудын үзүүлэлт нь 307,2 сая ам.доллар байв. Нийт кассын орлого 511,8 сая ам.доллар болжээ. Энэхүү үзүүлэлт нь Universal кино компанийн дээд амжилт төдийгүй дэлхийн кино аж үйлдвэрийн томоохон үсрэлт боллоо. Үүнээс өмнө амралтын эхний өдрүүдэд 500 сая долларын босго давсан их мөнгө цуглуулж байсан түүх байхгүй. «Гарри Поттер ба үхлийн тахил: II хэсэг» 483 сая долларын орлого олсноороо хоёрдугаарт явж байна. Universal компанийн дөрөвдүгээр сард гаргасан «Галзуу хурд 7» кино харин эхний амралтын өдрүүдэд 147 сая доллар цуглуулсан юм. Эхний амралтын өдрүүдийн орлого нь кино бизнесийн чухал үзүүлэлт бөгөөд тэр үзүүлэлтээр киноны прокатын хувь заяа шалтгаалдаг. Бэлтгэсэн Ш.МЯГМАР

• Loss: MatryoshkaLoss with these parameters:

  {
      "loss": "MultipleNegativesRankingLoss",
      "matryoshka_dims": [
          384,
          256,
          128,
          64,
          32
      ],
      "matryoshka_weights": [
          1,
          1,
          1,
          1,
          1
      ],
      "n_dims_per_step": -1
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 20
• per_device_eval_batch_size: 20
• num_train_epochs: 10
• 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: 20
• per_device_eval_batch_size: 20
• 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: 10
• 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: 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: round_robin

Training Logs

Epoch	Step	Training Loss	cosine_ndcg@10
0.0376	50	-	0.2937
0.0751	100	-	0.3049
0.1127	150	-	0.3175
0.1503	200	-	0.3277
0.1878	250	-	0.3382
0.2254	300	-	0.3472
0.2630	350	-	0.3585
0.3005	400	-	0.3635
0.3381	450	-	0.3666
0.3757	500	9.7164	0.3697
0.4132	550	-	0.3739
0.4508	600	-	0.3788
0.4884	650	-	0.3799
0.5259	700	-	0.3825
0.5635	750	-	0.3828
0.6011	800	-	0.3852
0.6386	850	-	0.3889
0.6762	900	-	0.3873
0.7137	950	-	0.3863
0.7513	1000	6.4327	0.3925
0.7889	1050	-	0.3913
0.8264	1100	-	0.3910
0.8640	1150	-	0.3941
0.9016	1200	-	0.3936
0.9391	1250	-	0.3907
0.9767	1300	-	0.3969
1.0	1331	-	0.3952
1.0143	1350	-	0.3973
1.0518	1400	-	0.3955
1.0894	1450	-	0.4016
1.1270	1500	5.0976	0.3987
1.1645	1550	-	0.3993
1.2021	1600	-	0.4001
1.2397	1650	-	0.4028
1.2772	1700	-	0.3989
1.3148	1750	-	0.3980
1.3524	1800	-	0.4015
1.3899	1850	-	0.3999
1.4275	1900	-	0.3983
1.4651	1950	-	0.3978
1.5026	2000	4.429	0.4002
1.5402	2050	-	0.3992
1.5778	2100	-	0.4045
1.6153	2150	-	0.4075
1.6529	2200	-	0.4062
1.6905	2250	-	0.4055
1.7280	2300	-	0.4045
1.7656	2350	-	0.4107
1.8032	2400	-	0.4114
1.8407	2450	-	0.4058
1.8783	2500	4.0496	0.4097
1.9159	2550	-	0.4049
1.9534	2600	-	0.4065
1.9910	2650	-	0.4114
2.0	2662	-	0.4093
2.0285	2700	-	0.4091
2.0661	2750	-	0.4094
2.1037	2800	-	0.4085
2.1412	2850	-	0.4140
2.1788	2900	-	0.4117
2.2164	2950	-	0.4131
2.2539	3000	3.3969	0.4129
2.2915	3050	-	0.4146

Framework Versions

• Python: 3.10.12
• Sentence Transformers: 3.3.1
• Transformers: 4.47.1
• PyTorch: 2.5.1+cu121
• Accelerate: 1.2.1
• 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",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

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}
}