Hugging Face's logo

Detomo
/
cl-nagoya-sup-simcse-ja-for-standard-name-v1_0

Sentence Similarity
sentence-transformers
Safetensors
bert
feature-extraction
Generated from Trainer
dataset_size:5777
loss:BatchAllTripletLoss
Model card Files
xet
Community
dtm-hoinv commited on
Commit
7805445
·
verified ·
1 Parent(s): f0e9833

Add new SentenceTransformer model

Browse files
Files changed (10) hide show
  1. 1_Pooling/config.json +10 -0
  2. README.md +413 -0
  3. config.json +25 -0
  4. config_sentence_transformers.json +10 -0
  5. model.safetensors +3 -0
  6. modules.json +14 -0
  7. sentence_bert_config.json +4 -0
  8. special_tokens_map.json +37 -0
  9. tokenizer_config.json +64 -0
  10. vocab.txt +0 -0
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 768,
3
+ "pooling_mode_cls_token": true,
4
+ "pooling_mode_mean_tokens": false,
5
+ "pooling_mode_max_tokens": false,
6
+ "pooling_mode_mean_sqrt_len_tokens": false,
7
+ "pooling_mode_weightedmean_tokens": false,
8
+ "pooling_mode_lasttoken": false,
9
+ "include_prompt": true
10
+ }
README.md ADDED
@@ -0,0 +1,413 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ tags:
3
+ - sentence-transformers
4
+ - sentence-similarity
5
+ - feature-extraction
6
+ - generated_from_trainer
7
+ - dataset_size:5777
8
+ - loss:BatchAllTripletLoss
9
+ base_model: cl-nagoya/sup-simcse-ja-base
10
+ widget:
11
+ - source_sentence: 科目：金属。名称：ライニング壁スチールパネル。
12
+ sentences:
13
+ - 科目：金属。名称：内壁-内壁EXP・Jカバー壁B。
14
+ - 科目：鉄骨。名称：滑り支承用耐火被覆-FK。
15
+ - 科目：既製コンクリート。名称：地下二重壁押出成型セメントパネル。
16
+ - source_sentence: 科目：金属。名称：地下1階湧水槽3タラップA。
17
+ sentences:
18
+ - 科目：金属。名称：ブラインドボックス下り天井軽量鉄骨天井下地。
19
+ - 科目：ユニット及びその他。名称：P-#フロア案内サインA。
20
+ - 科目：建具。名称：AW-#欄間FIX窓付引違い窓。
21
+ - source_sentence: 科目：内外装。名称：天井廻縁。
22
+ sentences:
23
+ - 科目：植栽。名称：客土。
24
+ - 科目：ユニット及びその他。名称：P-#室名サインB。
25
+ - 科目：土工。名称：埋戻し(A種)。
26
+ - source_sentence: 科目：内外装。名称：4F議場壁化粧吸音板。
27
+ sentences:
28
+ - 科目：地業。名称：建設発生土処分。
29
+ - 科目：免震。名称：SS#免震装置設置手間。
30
+ - 科目：地業。名称：施工費(P1)。
31
+ - source_sentence: 科目：土工。名称：水替。
32
+ sentences:
33
+ - 科目：既製コンクリート。名称：地下二重壁押出成型セメントパネル足元金物。
34
+ - 科目：木工。名称：4F議場木製リブ(一般部)。
35
+ - 科目：既製コンクリート。名称：押出成形セメント板水抜パイプ。
36
+ pipeline_tag: sentence-similarity
37
+ library_name: sentence-transformers
38
+ ---
39
+
40
+ # SentenceTransformer based on cl-nagoya/sup-simcse-ja-base
41
+
42
+ This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [cl-nagoya/sup-simcse-ja-base](https://huggingface.co/cl-nagoya/sup-simcse-ja-base). 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.
43
+
44
+ ## Model Details
45
+
46
+ ### Model Description
47
+ - **Model Type:** Sentence Transformer
48
+ - **Base model:** [cl-nagoya/sup-simcse-ja-base](https://huggingface.co/cl-nagoya/sup-simcse-ja-base) <!-- at revision d7315d93baf2c20fffa2b6845330049963509f79 -->
49
+ - **Maximum Sequence Length:** 512 tokens
50
+ - **Output Dimensionality:** 768 dimensions
51
+ - **Similarity Function:** Cosine Similarity
52
+ <!-- - **Training Dataset:** Unknown -->
53
+ <!-- - **Language:** Unknown -->
54
+ <!-- - **License:** Unknown -->
55
+
56
+ ### Model Sources
57
+
58
+ - **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
59
+ - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
60
+ - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
61
+
62
+ ### Full Model Architecture
63
+
64
+ ```
65
+ SentenceTransformer(
66
+ (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel
67
+ (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})
68
+ )
69
+ ```
70
+
71
+ ## Usage
72
+
73
+ ### Direct Usage (Sentence Transformers)
74
+
75
+ First install the Sentence Transformers library:
76
+
77
+ ```bash
78
+ pip install -U sentence-transformers
79
+ ```
80
+
81
+ Then you can load this model and run inference.
82
+ ```python
83
+ from sentence_transformers import SentenceTransformer
84
+
85
+ # Download from the 🤗 Hub
86
+ model = SentenceTransformer("Detomo/cl-nagoya-sup-simcse-ja-for-standard-name-v1_0")
87
+ # Run inference
88
+ sentences = [
89
+ '科目：土工。名称：水替。',
90
+ '科目：既製コンクリート。名称：押出成形セメント板水抜パイプ。',
91
+ '科目：既製コンクリート。名称：地下二重壁押出成型セメントパネル足元金物。',
92
+ ]
93
+ embeddings = model.encode(sentences)
94
+ print(embeddings.shape)
95
+ # [3, 768]
96
+
97
+ # Get the similarity scores for the embeddings
98
+ similarities = model.similarity(embeddings, embeddings)
99
+ print(similarities.shape)
100
+ # [3, 3]
101
+ ```
102
+
103
+ <!--
104
+ ### Direct Usage (Transformers)
105
+
106
+ <details><summary>Click to see the direct usage in Transformers</summary>
107
+
108
+ </details>
109
+ -->
110
+
111
+ <!--
112
+ ### Downstream Usage (Sentence Transformers)
113
+
114
+ You can finetune this model on your own dataset.
115
+
116
+ <details><summary>Click to expand</summary>
117
+
118
+ </details>
119
+ -->
120
+
121
+ <!--
122
+ ### Out-of-Scope Use
123
+
124
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
125
+ -->
126
+
127
+ <!--
128
+ ## Bias, Risks and Limitations
129
+
130
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
131
+ -->
132
+
133
+ <!--
134
+ ### Recommendations
135
+
136
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
137
+ -->
138
+
139
+ ## Training Details
140
+
141
+ ### Training Dataset
142
+
143
+ #### Unnamed Dataset
144
+
145
+
146
+ * Size: 5,777 training samples
147
+ * Columns: <code>sentence</code> and <code>label</code>
148
+ * Approximate statistics based on the first 1000 samples:
149
+ | | sentence | label |
150
+ |:--------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
151
+ | type | string | int |
152
+ | details | <ul><li>min: 11 tokens</li><li>mean: 17.53 tokens</li><li>max: 29 tokens</li></ul> | <ul><li>0: ~0.10%</li><li>1: ~0.10%</li><li>2: ~0.10%</li><li>3: ~0.10%</li><li>4: ~0.10%</li><li>5: ~0.10%</li><li>6: ~0.10%</li><li>7: ~0.10%</li><li>8: ~0.10%</li><li>9: ~0.10%</li><li>10: ~0.10%</li><li>11: ~0.10%</li><li>12: ~0.10%</li><li>13: ~0.10%</li><li>14: ~0.10%</li><li>15: ~0.10%</li><li>16: ~0.10%</li><li>17: ~0.10%</li><li>18: ~0.10%</li><li>19: ~0.10%</li><li>20: ~0.10%</li><li>21: ~0.10%</li><li>22: ~0.10%</li><li>23: ~0.10%</li><li>24: ~0.10%</li><li>25: ~0.10%</li><li>26: ~0.10%</li><li>27: ~0.10%</li><li>28: ~0.10%</li><li>29: ~0.10%</li><li>30: ~0.10%</li><li>31: ~0.10%</li><li>32: ~0.20%</li><li>33: ~0.10%</li><li>34: ~0.10%</li><li>35: ~0.10%</li><li>36: ~0.10%</li><li>37: ~0.60%</li><li>38: ~0.40%</li><li>39: ~0.10%</li><li>40: ~0.10%</li><li>41: ~0.10%</li><li>42: ~0.10%</li><li>43: ~0.20%</li><li>44: ~0.10%</li><li>45: ~0.10%</li><li>46: ~0.10%</li><li>47: ~0.10%</li><li>48: ~0.10%</li><li>49: ~0.10%</li><li>50: ~0.10%</li><li>51: ~0.10%</li><li>52: ~0.10%</li><li>53: ~0.20%</li><li>54: ~0.10%</li><li>55: ~0.10%</li><li>56: ~0.20%</li><li>57: ~0.10%</li><li>58: ~0.50%</li><li>59: ~0.50%</li><li>60: ~0.10%</li><li>61: ~0.10%</li><li>62: ~0.10%</li><li>63: ~0.10%</li><li>64: ~0.10%</li><li>65: ~0.10%</li><li>66: ~0.10%</li><li>67: ~0.10%</li><li>68: ~0.10%</li><li>69: ~0.10%</li><li>70: ~0.10%</li><li>71: ~0.10%</li><li>72: ~0.10%</li><li>73: ~0.10%</li><li>74: ~0.10%</li><li>75: ~0.10%</li><li>76: ~0.20%</li><li>77: ~0.10%</li><li>78: ~0.10%</li><li>79: ~0.10%</li><li>80: ~0.10%</li><li>81: ~0.10%</li><li>82: ~0.10%</li><li>83: ~0.10%</li><li>84: ~0.20%</li><li>85: ~0.10%</li><li>86: ~0.10%</li><li>87: ~0.20%</li><li>88: ~0.10%</li><li>89: ~0.10%</li><li>90: ~0.10%</li><li>91: ~0.10%</li><li>92: ~0.10%</li><li>93: ~0.10%</li><li>94: ~0.20%</li><li>95: ~0.20%</li><li>96: ~0.10%</li><li>97: ~0.20%</li><li>98: ~0.10%</li><li>99: ~0.20%</li><li>100: ~0.10%</li><li>101: ~0.30%</li><li>102: ~0.60%</li><li>103: ~0.10%</li><li>104: ~1.00%</li><li>105: ~0.10%</li><li>106: ~0.10%</li><li>107: ~0.10%</li><li>108: ~0.10%</li><li>109: ~0.20%</li><li>110: ~0.10%</li><li>111: ~0.20%</li><li>112: ~0.20%</li><li>113: ~0.10%</li><li>114: ~0.10%</li><li>115: ~0.10%</li><li>116: ~0.10%</li><li>117: ~0.10%</li><li>118: ~0.10%</li><li>119: ~0.10%</li><li>120: ~0.20%</li><li>121: ~0.10%</li><li>122: ~0.10%</li><li>123: ~0.10%</li><li>124: ~0.10%</li><li>125: ~0.10%</li><li>126: ~0.10%</li><li>127: ~0.10%</li><li>128: ~0.10%</li><li>129: ~0.10%</li><li>130: ~0.40%</li><li>131: ~0.10%</li><li>132: ~0.10%</li><li>133: ~0.20%</li><li>134: ~0.20%</li><li>135: ~0.20%</li><li>136: ~0.20%</li><li>137: ~0.10%</li><li>138: ~0.10%</li><li>139: ~0.10%</li><li>140: ~0.10%</li><li>141: ~0.10%</li><li>142: ~0.10%</li><li>143: ~0.20%</li><li>144: ~0.10%</li><li>145: ~0.10%</li><li>146: ~0.10%</li><li>147: ~0.10%</li><li>148: ~0.10%</li><li>149: ~0.10%</li><li>150: ~0.10%</li><li>151: ~0.20%</li><li>152: ~0.10%</li><li>153: ~0.10%</li><li>154: ~0.20%</li><li>155: ~0.10%</li><li>156: ~0.10%</li><li>157: ~0.10%</li><li>158: ~0.20%</li><li>159: ~0.20%</li><li>160: ~0.10%</li><li>161: ~0.10%</li><li>162: ~0.20%</li><li>163: ~0.20%</li><li>164: ~0.10%</li><li>165: ~0.10%</li><li>166: ~0.10%</li><li>167: ~0.10%</li><li>168: ~0.10%</li><li>169: ~0.10%</li><li>170: ~0.10%</li><li>171: ~0.10%</li><li>172: ~0.10%</li><li>173: ~0.10%</li><li>174: ~0.20%</li><li>175: ~0.10%</li><li>176: ~0.10%</li><li>177: ~0.10%</li><li>178: ~0.10%</li><li>179: ~0.10%</li><li>180: ~0.10%</li><li>181: ~0.10%</li><li>182: ~0.10%</li><li>183: ~0.10%</li><li>184: ~0.10%</li><li>185: ~0.10%</li><li>186: ~0.10%</li><li>187: ~0.10%</li><li>188: ~0.10%</li><li>189: ~0.10%</li><li>190: ~0.10%</li><li>191: ~0.20%</li><li>192: ~0.20%</li><li>193: ~0.10%</li><li>194: ~0.20%</li><li>195: ~0.10%</li><li>196: ~0.10%</li><li>197: ~0.10%</li><li>198: ~0.10%</li><li>199: ~0.20%</li><li>200: ~0.20%</li><li>201: ~0.10%</li><li>202: ~0.10%</li><li>203: ~0.10%</li><li>204: ~0.10%</li><li>205: ~0.10%</li><li>206: ~0.10%</li><li>207: ~0.10%</li><li>208: ~0.10%</li><li>209: ~0.10%</li><li>210: ~0.10%</li><li>211: ~0.10%</li><li>212: ~0.10%</li><li>213: ~2.30%</li><li>214: ~1.10%</li><li>215: ~0.10%</li><li>216: ~0.10%</li><li>217: ~0.10%</li><li>218: ~0.20%</li><li>219: ~0.10%</li><li>220: ~0.30%</li><li>221: ~0.50%</li><li>222: ~0.10%</li><li>223: ~0.20%</li><li>224: ~0.10%</li><li>225: ~0.10%</li><li>226: ~0.20%</li><li>227: ~0.10%</li><li>228: ~0.30%</li><li>229: ~0.10%</li><li>230: ~0.10%</li><li>231: ~0.10%</li><li>232: ~0.10%</li><li>233: ~0.20%</li><li>234: ~0.10%</li><li>235: ~0.10%</li><li>236: ~0.10%</li><li>237: ~0.10%</li><li>238: ~0.10%</li><li>239: ~0.10%</li><li>240: ~0.10%</li><li>241: ~0.10%</li><li>242: ~0.10%</li><li>243: ~0.10%</li><li>244: ~0.10%</li><li>245: ~0.10%</li><li>246: ~0.20%</li><li>247: ~0.10%</li><li>248: ~0.10%</li><li>249: ~0.10%</li><li>250: ~0.10%</li><li>251: ~0.10%</li><li>252: ~0.10%</li><li>253: ~0.10%</li><li>254: ~0.10%</li><li>255: ~0.30%</li><li>256: ~0.10%</li><li>257: ~0.40%</li><li>258: ~0.10%</li><li>259: ~0.10%</li><li>260: ~0.10%</li><li>261: ~0.10%</li><li>262: ~0.20%</li><li>263: ~0.20%</li><li>264: ~0.20%</li><li>265: ~0.10%</li><li>266: ~0.30%</li><li>267: ~0.20%</li><li>268: ~0.10%</li><li>269: ~0.10%</li><li>270: ~0.10%</li><li>271: ~0.10%</li><li>272: ~0.10%</li><li>273: ~0.30%</li><li>274: ~0.10%</li><li>275: ~0.10%</li><li>276: ~0.10%</li><li>277: ~0.10%</li><li>278: ~0.20%</li><li>279: ~0.10%</li><li>280: ~0.20%</li><li>281: ~0.10%</li><li>282: ~0.10%</li><li>283: ~0.10%</li><li>284: ~0.10%</li><li>285: ~0.10%</li><li>286: ~0.10%</li><li>287: ~0.10%</li><li>288: ~0.10%</li><li>289: ~0.10%</li><li>290: ~0.10%</li><li>291: ~0.10%</li><li>292: ~0.10%</li><li>293: ~0.10%</li><li>294: ~0.20%</li><li>295: ~0.10%</li><li>296: ~0.10%</li><li>297: ~0.10%</li><li>298: ~0.10%</li><li>299: ~0.20%</li><li>300: ~0.20%</li><li>301: ~0.10%</li><li>302: ~0.10%</li><li>303: ~0.10%</li><li>304: ~0.10%</li><li>305: ~0.10%</li><li>306: ~0.10%</li><li>307: ~0.30%</li><li>308: ~0.10%</li><li>309: ~0.10%</li><li>310: ~0.10%</li><li>311: ~0.10%</li><li>312: ~0.10%</li><li>313: ~0.10%</li><li>314: ~0.10%</li><li>315: ~0.10%</li><li>316: ~0.10%</li><li>317: ~0.10%</li><li>318: ~0.10%</li><li>319: ~0.20%</li><li>320: ~0.10%</li><li>321: ~0.10%</li><li>322: ~0.10%</li><li>323: ~0.10%</li><li>324: ~0.10%</li><li>325: ~0.10%</li><li>326: ~0.20%</li><li>327: ~0.10%</li><li>328: ~0.10%</li><li>329: ~0.10%</li><li>330: ~0.10%</li><li>331: ~0.10%</li><li>332: ~0.20%</li><li>333: ~0.10%</li><li>334: ~0.10%</li><li>335: ~0.10%</li><li>336: ~0.30%</li><li>337: ~0.60%</li><li>338: ~0.80%</li><li>339: ~0.50%</li><li>340: ~1.40%</li><li>341: ~0.70%</li><li>342: ~0.10%</li><li>343: ~0.10%</li><li>344: ~0.10%</li><li>345: ~1.00%</li><li>346: ~0.20%</li><li>347: ~0.10%</li><li>348: ~1.10%</li><li>349: ~0.10%</li><li>350: ~0.10%</li><li>351: ~0.10%</li><li>352: ~0.10%</li><li>353: ~1.10%</li><li>354: ~0.10%</li><li>355: ~0.10%</li><li>356: ~0.20%</li><li>357: ~0.10%</li><li>358: ~0.20%</li><li>359: ~0.10%</li><li>360: ~0.10%</li><li>361: ~0.10%</li><li>362: ~0.10%</li><li>363: ~0.10%</li><li>364: ~0.10%</li><li>365: ~0.10%</li><li>366: ~0.20%</li><li>367: ~0.10%</li><li>368: ~0.10%</li><li>369: ~0.10%</li><li>370: ~0.10%</li><li>371: ~0.10%</li><li>372: ~0.10%</li><li>373: ~0.10%</li><li>374: ~0.10%</li><li>375: ~0.10%</li><li>376: ~0.20%</li><li>377: ~0.10%</li><li>378: ~0.10%</li><li>379: ~0.20%</li><li>380: ~0.10%</li><li>381: ~0.20%</li><li>382: ~0.10%</li><li>383: ~0.10%</li><li>384: ~0.10%</li><li>385: ~0.10%</li><li>386: ~0.10%</li><li>387: ~0.10%</li><li>388: ~0.20%</li><li>389: ~0.30%</li><li>390: ~0.20%</li><li>391: ~0.10%</li><li>392: ~0.20%</li><li>393: ~0.10%</li><li>394: ~0.10%</li><li>395: ~0.10%</li><li>396: ~0.10%</li><li>397: ~0.10%</li><li>398: ~0.30%</li><li>399: ~0.10%</li><li>400: ~0.30%</li><li>401: ~0.10%</li><li>402: ~0.10%</li><li>403: ~0.10%</li><li>404: ~0.10%</li><li>405: ~0.10%</li><li>406: ~0.10%</li><li>407: ~0.10%</li><li>408: ~0.10%</li><li>409: ~0.10%</li><li>410: ~0.20%</li><li>411: ~0.20%</li><li>412: ~0.80%</li><li>413: ~0.20%</li><li>414: ~0.20%</li><li>415: ~0.10%</li><li>416: ~0.10%</li><li>417: ~0.90%</li><li>418: ~0.10%</li><li>419: ~0.10%</li><li>420: ~0.10%</li><li>421: ~0.10%</li><li>422: ~0.10%</li><li>423: ~1.00%</li><li>424: ~0.10%</li><li>425: ~0.10%</li><li>426: ~0.30%</li><li>427: ~0.10%</li><li>428: ~0.30%</li><li>429: ~0.10%</li><li>430: ~0.10%</li><li>431: ~0.10%</li><li>432: ~0.20%</li><li>433: ~0.10%</li><li>434: ~0.10%</li><li>435: ~0.20%</li><li>436: ~0.10%</li><li>437: ~0.10%</li><li>438: ~0.20%</li><li>439: ~0.10%</li><li>440: ~0.20%</li><li>441: ~0.10%</li><li>442: ~0.10%</li><li>443: ~0.10%</li><li>444: ~0.10%</li><li>445: ~0.10%</li><li>446: ~0.10%</li><li>447: ~0.10%</li><li>448: ~0.20%</li><li>449: ~0.20%</li><li>450: ~0.10%</li><li>451: ~0.10%</li><li>452: ~0.30%</li><li>453: ~0.20%</li><li>454: ~0.10%</li><li>455: ~0.10%</li><li>456: ~0.10%</li><li>457: ~0.70%</li><li>458: ~0.20%</li><li>459: ~0.50%</li><li>460: ~0.20%</li><li>461: ~0.10%</li><li>462: ~0.10%</li><li>463: ~0.40%</li><li>464: ~0.60%</li><li>465: ~0.20%</li><li>466: ~0.10%</li><li>467: ~0.20%</li><li>468: ~0.10%</li><li>469: ~0.10%</li><li>470: ~0.10%</li><li>471: ~0.10%</li><li>472: ~0.10%</li><li>473: ~0.10%</li><li>474: ~0.10%</li><li>475: ~0.20%</li><li>476: ~0.10%</li><li>477: ~0.10%</li><li>478: ~0.10%</li><li>479: ~0.10%</li><li>480: ~0.10%</li><li>481: ~0.10%</li><li>482: ~0.10%</li><li>483: ~0.10%</li><li>484: ~0.10%</li><li>485: ~0.10%</li><li>486: ~0.10%</li><li>487: ~0.10%</li><li>488: ~0.40%</li><li>489: ~0.10%</li><li>490: ~0.10%</li><li>491: ~0.10%</li><li>492: ~0.10%</li><li>493: ~0.10%</li><li>494: ~0.10%</li><li>495: ~0.10%</li><li>496: ~0.20%</li><li>497: ~0.20%</li><li>498: ~0.10%</li><li>499: ~0.10%</li><li>500: ~0.20%</li><li>501: ~0.10%</li><li>502: ~0.20%</li><li>503: ~0.10%</li><li>504: ~0.10%</li><li>505: ~0.20%</li><li>506: ~0.20%</li><li>507: ~0.20%</li><li>508: ~0.10%</li><li>509: ~0.10%</li><li>510: ~0.10%</li><li>511: ~0.10%</li><li>512: ~0.10%</li><li>513: ~0.10%</li><li>514: ~0.40%</li><li>515: ~0.30%</li><li>516: ~0.10%</li><li>517: ~0.10%</li><li>518: ~0.10%</li><li>519: ~0.20%</li><li>520: ~0.20%</li><li>521: ~0.20%</li><li>522: ~0.20%</li><li>523: ~0.10%</li><li>524: ~0.10%</li><li>525: ~0.10%</li><li>526: ~0.10%</li><li>527: ~0.10%</li><li>528: ~0.10%</li><li>529: ~0.10%</li><li>530: ~0.10%</li><li>531: ~0.10%</li><li>532: ~0.10%</li><li>533: ~0.10%</li><li>534: ~0.10%</li><li>535: ~0.10%</li><li>536: ~0.10%</li><li>537: ~0.10%</li><li>538: ~0.10%</li><li>539: ~0.10%</li><li>540: ~0.10%</li><li>541: ~0.10%</li><li>542: ~0.20%</li><li>543: ~0.10%</li><li>544: ~0.10%</li><li>545: ~0.20%</li><li>546: ~0.10%</li><li>547: ~0.10%</li><li>548: ~0.10%</li><li>549: ~0.10%</li><li>550: ~0.10%</li><li>551: ~0.10%</li><li>552: ~0.10%</li><li>553: ~0.10%</li><li>554: ~0.10%</li><li>555: ~0.10%</li><li>556: ~0.10%</li><li>557: ~0.10%</li><li>558: ~0.10%</li><li>559: ~0.10%</li><li>560: ~0.10%</li><li>561: ~0.10%</li><li>562: ~0.10%</li><li>563: ~0.10%</li><li>564: ~0.10%</li><li>565: ~0.10%</li><li>566: ~0.10%</li><li>567: ~0.10%</li><li>568: ~0.10%</li><li>569: ~0.10%</li><li>570: ~0.10%</li><li>571: ~0.10%</li><li>572: ~0.10%</li><li>573: ~0.10%</li><li>574: ~0.10%</li><li>575: ~0.10%</li><li>576: ~0.10%</li><li>577: ~0.10%</li><li>578: ~0.10%</li><li>579: ~0.10%</li><li>580: ~0.10%</li><li>581: ~0.10%</li><li>582: ~0.10%</li><li>583: ~0.10%</li><li>584: ~0.10%</li><li>585: ~0.10%</li><li>586: ~0.10%</li><li>587: ~0.10%</li><li>588: ~0.10%</li><li>589: ~0.10%</li><li>590: ~0.10%</li><li>591: ~0.10%</li><li>592: ~0.10%</li><li>593: ~0.10%</li><li>594: ~0.10%</li><li>595: ~0.10%</li><li>596: ~0.10%</li><li>597: ~0.10%</li><li>598: ~0.10%</li><li>599: ~0.10%</li><li>600: ~0.10%</li><li>601: ~0.10%</li><li>602: ~0.10%</li><li>603: ~0.10%</li><li>604: ~0.10%</li><li>605: ~0.10%</li><li>606: ~0.10%</li><li>607: ~0.10%</li><li>608: ~0.10%</li><li>609: ~0.10%</li><li>610: ~0.10%</li><li>611: ~0.10%</li><li>612: ~0.10%</li><li>613: ~0.10%</li><li>614: ~0.10%</li><li>615: ~0.10%</li><li>616: ~0.10%</li><li>617: ~0.10%</li><li>618: ~0.10%</li><li>619: ~0.10%</li><li>620: ~0.10%</li><li>621: ~0.10%</li><li>622: ~0.10%</li><li>623: ~0.10%</li><li>624: ~0.10%</li><li>625: ~0.10%</li><li>626: ~0.10%</li><li>627: ~0.10%</li><li>628: ~0.10%</li><li>629: ~0.10%</li><li>630: ~0.10%</li><li>631: ~0.10%</li><li>632: ~0.10%</li><li>633: ~0.10%</li><li>634: ~0.20%</li><li>635: ~0.10%</li><li>636: ~0.10%</li><li>637: ~0.10%</li><li>638: ~0.10%</li><li>639: ~0.10%</li><li>640: ~0.10%</li><li>641: ~0.10%</li><li>642: ~0.10%</li><li>643: ~0.10%</li><li>644: ~0.10%</li><li>645: ~0.10%</li><li>646: ~0.10%</li><li>647: ~0.10%</li><li>648: ~0.10%</li><li>649: ~0.10%</li><li>650: ~0.10%</li><li>651: ~0.10%</li><li>652: ~0.10%</li><li>653: ~0.10%</li><li>654: ~0.10%</li><li>655: ~0.10%</li><li>656: ~0.10%</li><li>657: ~0.10%</li><li>658: ~0.10%</li><li>659: ~0.10%</li><li>660: ~0.10%</li><li>661: ~0.10%</li><li>662: ~0.10%</li><li>663: ~0.10%</li><li>664: ~0.10%</li><li>665: ~0.10%</li><li>666: ~0.20%</li><li>667: ~0.10%</li><li>668: ~0.10%</li><li>669: ~0.10%</li><li>670: ~0.10%</li><li>671: ~0.10%</li><li>672: ~0.10%</li><li>673: ~0.10%</li><li>674: ~0.10%</li><li>675: ~0.10%</li><li>676: ~0.10%</li><li>677: ~0.10%</li><li>678: ~0.10%</li><li>679: ~0.10%</li><li>680: ~0.10%</li><li>681: ~0.10%</li><li>682: ~0.10%</li><li>683: ~0.20%</li><li>684: ~0.10%</li><li>685: ~0.10%</li><li>686: ~0.10%</li><li>687: ~0.10%</li><li>688: ~0.10%</li><li>689: ~0.10%</li><li>690: ~0.10%</li><li>691: ~0.10%</li><li>692: ~0.10%</li><li>693: ~0.10%</li><li>694: ~0.10%</li></ul> |
153
+ * Samples:
154
+ | sentence | label |
155
+ |:-----------------------------------|:---------------|
156
+ | <code>科目：共通仮設費。名称：仮囲い。</code> | <code>0</code> |
157
+ | <code>科目：共通仮設費。名称：電動パネルゲート。</code> | <code>1</code> |
158
+ | <code>科目：共通仮設費。名称：タワークレーン。</code> | <code>2</code> |
159
+ * Loss: [<code>BatchAllTripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#batchalltripletloss)
160
+
161
+ ### Training Hyperparameters
162
+ #### Non-Default Hyperparameters
163
+
164
+ - `per_device_train_batch_size`: 256
165
+ - `per_device_eval_batch_size`: 256
166
+ - `learning_rate`: 1e-05
167
+ - `weight_decay`: 0.01
168
+ - `num_train_epochs`: 200
169
+ - `warmup_ratio`: 0.1
170
+ - `fp16`: True
171
+ - `batch_sampler`: group_by_label
172
+
173
+ #### All Hyperparameters
174
+ <details><summary>Click to expand</summary>
175
+
176
+ - `overwrite_output_dir`: False
177
+ - `do_predict`: False
178
+ - `eval_strategy`: no
179
+ - `prediction_loss_only`: True
180
+ - `per_device_train_batch_size`: 256
181
+ - `per_device_eval_batch_size`: 256
182
+ - `per_gpu_train_batch_size`: None
183
+ - `per_gpu_eval_batch_size`: None
184
+ - `gradient_accumulation_steps`: 1
185
+ - `eval_accumulation_steps`: None
186
+ - `torch_empty_cache_steps`: None
187
+ - `learning_rate`: 1e-05
188
+ - `weight_decay`: 0.01
189
+ - `adam_beta1`: 0.9
190
+ - `adam_beta2`: 0.999
191
+ - `adam_epsilon`: 1e-08
192
+ - `max_grad_norm`: 1.0
193
+ - `num_train_epochs`: 200
194
+ - `max_steps`: -1
195
+ - `lr_scheduler_type`: linear
196
+ - `lr_scheduler_kwargs`: {}
197
+ - `warmup_ratio`: 0.1
198
+ - `warmup_steps`: 0
199
+ - `log_level`: passive
200
+ - `log_level_replica`: warning
201
+ - `log_on_each_node`: True
202
+ - `logging_nan_inf_filter`: True
203
+ - `save_safetensors`: True
204
+ - `save_on_each_node`: False
205
+ - `save_only_model`: False
206
+ - `restore_callback_states_from_checkpoint`: False
207
+ - `no_cuda`: False
208
+ - `use_cpu`: False
209
+ - `use_mps_device`: False
210
+ - `seed`: 42
211
+ - `data_seed`: None
212
+ - `jit_mode_eval`: False
213
+ - `use_ipex`: False
214
+ - `bf16`: False
215
+ - `fp16`: True
216
+ - `fp16_opt_level`: O1
217
+ - `half_precision_backend`: auto
218
+ - `bf16_full_eval`: False
219
+ - `fp16_full_eval`: False
220
+ - `tf32`: None
221
+ - `local_rank`: 0
222
+ - `ddp_backend`: None
223
+ - `tpu_num_cores`: None
224
+ - `tpu_metrics_debug`: False
225
+ - `debug`: []
226
+ - `dataloader_drop_last`: False
227
+ - `dataloader_num_workers`: 0
228
+ - `dataloader_prefetch_factor`: None
229
+ - `past_index`: -1
230
+ - `disable_tqdm`: False
231
+ - `remove_unused_columns`: True
232
+ - `label_names`: None
233
+ - `load_best_model_at_end`: False
234
+ - `ignore_data_skip`: False
235
+ - `fsdp`: []
236
+ - `fsdp_min_num_params`: 0
237
+ - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
238
+ - `fsdp_transformer_layer_cls_to_wrap`: None
239
+ - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
240
+ - `deepspeed`: None
241
+ - `label_smoothing_factor`: 0.0
242
+ - `optim`: adamw_torch
243
+ - `optim_args`: None
244
+ - `adafactor`: False
245
+ - `group_by_length`: False
246
+ - `length_column_name`: length
247
+ - `ddp_find_unused_parameters`: None
248
+ - `ddp_bucket_cap_mb`: None
249
+ - `ddp_broadcast_buffers`: False
250
+ - `dataloader_pin_memory`: True
251
+ - `dataloader_persistent_workers`: False
252
+ - `skip_memory_metrics`: True
253
+ - `use_legacy_prediction_loop`: False
254
+ - `push_to_hub`: False
255
+ - `resume_from_checkpoint`: None
256
+ - `hub_model_id`: None
257
+ - `hub_strategy`: every_save
258
+ - `hub_private_repo`: None
259
+ - `hub_always_push`: False
260
+ - `gradient_checkpointing`: False
261
+ - `gradient_checkpointing_kwargs`: None
262
+ - `include_inputs_for_metrics`: False
263
+ - `include_for_metrics`: []
264
+ - `eval_do_concat_batches`: True
265
+ - `fp16_backend`: auto
266
+ - `push_to_hub_model_id`: None
267
+ - `push_to_hub_organization`: None
268
+ - `mp_parameters`:
269
+ - `auto_find_batch_size`: False
270
+ - `full_determinism`: False
271
+ - `torchdynamo`: None
272
+ - `ray_scope`: last
273
+ - `ddp_timeout`: 1800
274
+ - `torch_compile`: False
275
+ - `torch_compile_backend`: None
276
+ - `torch_compile_mode`: None
277
+ - `dispatch_batches`: None
278
+ - `split_batches`: None
279
+ - `include_tokens_per_second`: False
280
+ - `include_num_input_tokens_seen`: False
281
+ - `neftune_noise_alpha`: None
282
+ - `optim_target_modules`: None
283
+ - `batch_eval_metrics`: False
284
+ - `eval_on_start`: False
285
+ - `use_liger_kernel`: False
286
+ - `eval_use_gather_object`: False
287
+ - `average_tokens_across_devices`: False
288
+ - `prompts`: None
289
+ - `batch_sampler`: group_by_label
290
+ - `multi_dataset_batch_sampler`: proportional
291
+
292
+ </details>
293
+
294
+ ### Training Logs
295
+ | Epoch | Step | Training Loss |
296
+ |:--------:|:----:|:-------------:|
297
+ | 3.0870 | 20 | 0.8892 |
298
+ | 6.1739 | 40 | 0.8935 |
299
+ | 9.2609 | 60 | 0.862 |
300
+ | 13.0870 | 80 | 0.803 |
301
+ | 16.1739 | 100 | 0.8154 |
302
+ | 19.2609 | 120 | 0.7741 |
303
+ | 23.0870 | 140 | 0.7383 |
304
+ | 26.1739 | 160 | 0.7381 |
305
+ | 29.2609 | 180 | 0.7082 |
306
+ | 33.0870 | 200 | 0.6593 |
307
+ | 36.1739 | 220 | 0.6816 |
308
+ | 39.2609 | 240 | 0.6507 |
309
+ | 43.0870 | 260 | 0.6357 |
310
+ | 46.1739 | 280 | 0.643 |
311
+ | 49.2609 | 300 | 0.6336 |
312
+ | 53.0870 | 320 | 0.6392 |
313
+ | 56.1739 | 340 | 0.6153 |
314
+ | 59.2609 | 360 | 0.6385 |
315
+ | 63.0870 | 380 | 0.6034 |
316
+ | 66.1739 | 400 | 0.6194 |
317
+ | 69.2609 | 420 | 0.6334 |
318
+ | 73.0870 | 440 | 0.5934 |
319
+ | 76.1739 | 460 | 0.6216 |
320
+ | 79.2609 | 480 | 0.6211 |
321
+ | 83.0870 | 500 | 0.5974 |
322
+ | 86.1739 | 520 | 0.6612 |
323
+ | 89.2609 | 540 | 0.5143 |
324
+ | 93.0870 | 560 | 0.5871 |
325
+ | 96.1739 | 580 | 0.5752 |
326
+ | 99.2609 | 600 | 0.5661 |
327
+ | 103.0870 | 620 | 0.5879 |
328
+ | 106.1739 | 640 | 0.5866 |
329
+ | 109.2609 | 660 | 0.5677 |
330
+ | 113.0870 | 680 | 0.4864 |
331
+ | 116.1739 | 700 | 0.5891 |
332
+ | 119.2609 | 720 | 0.617 |
333
+ | 123.0870 | 740 | 0.5785 |
334
+ | 126.1739 | 760 | 0.534 |
335
+ | 129.2609 | 780 | 0.5854 |
336
+ | 133.0870 | 800 | 0.5971 |
337
+ | 136.1739 | 820 | 0.5309 |
338
+ | 139.2609 | 840 | 0.5514 |
339
+ | 143.0870 | 860 | 0.5656 |
340
+ | 146.1739 | 880 | 0.5106 |
341
+ | 149.2609 | 900 | 0.4831 |
342
+ | 153.0870 | 920 | 0.497 |
343
+ | 156.1739 | 940 | 0.4606 |
344
+ | 159.2609 | 960 | 0.4699 |
345
+ | 163.0870 | 980 | 0.5007 |
346
+ | 166.1739 | 1000 | 0.5483 |
347
+ | 169.2609 | 1020 | 0.4527 |
348
+ | 173.0870 | 1040 | 0.448 |
349
+ | 176.1739 | 1060 | 0.4639 |
350
+ | 179.2609 | 1080 | 0.6067 |
351
+ | 183.0870 | 1100 | 0.4516 |
352
+ | 186.1739 | 1120 | 0.4747 |
353
+ | 189.2609 | 1140 | 0.4732 |
354
+ | 193.0870 | 1160 | 0.5844 |
355
+ | 196.1739 | 1180 | 0.4461 |
356
+ | 199.2609 | 1200 | 0.4609 |
357
+
358
+
359
+ ### Framework Versions
360
+ - Python: 3.11.11
361
+ - Sentence Transformers: 3.3.1
362
+ - Transformers: 4.48.3
363
+ - PyTorch: 2.5.1+cu124
364
+ - Accelerate: 1.3.0
365
+ - Datasets: 3.3.2
366
+ - Tokenizers: 0.21.0
367
+
368
+ ## Citation
369
+
370
+ ### BibTeX
371
+
372
+ #### Sentence Transformers
373
+ ```bibtex
374
+ @inproceedings{reimers-2019-sentence-bert,
375
+ title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
376
+ author = "Reimers, Nils and Gurevych, Iryna",
377
+ booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
378
+ month = "11",
379
+ year = "2019",
380
+ publisher = "Association for Computational Linguistics",
381
+ url = "https://arxiv.org/abs/1908.10084",
382
+ }
383
+ ```
384
+
385
+ #### BatchAllTripletLoss
386
+ ```bibtex
387
+ @misc{hermans2017defense,
388
+ title={In Defense of the Triplet Loss for Person Re-Identification},
389
+ author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
390
+ year={2017},
391
+ eprint={1703.07737},
392
+ archivePrefix={arXiv},
393
+ primaryClass={cs.CV}
394
+ }
395
+ ```
396
+
397
+ <!--
398
+ ## Glossary
399
+
400
+ *Clearly define terms in order to be accessible across audiences.*
401
+ -->
402
+
403
+ <!--
404
+ ## Model Card Authors
405
+
406
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
407
+ -->
408
+
409
+ <!--
410
+ ## Model Card Contact
411
+
412
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
413
+ -->
config.json ADDED
@@ -0,0 +1,25 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "/content/gdrive/MyDrive/Colab Folder/NSS/models/cl-nagoya-sup-simcse-ja-for-standard-name-v1_0",
3
+ "architectures": [
4
+ "BertModel"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "classifier_dropout": null,
8
+ "hidden_act": "gelu",
9
+ "hidden_dropout_prob": 0.1,
10
+ "hidden_size": 768,
11
+ "initializer_range": 0.02,
12
+ "intermediate_size": 3072,
13
+ "layer_norm_eps": 1e-12,
14
+ "max_position_embeddings": 512,
15
+ "model_type": "bert",
16
+ "num_attention_heads": 12,
17
+ "num_hidden_layers": 12,
18
+ "pad_token_id": 0,
19
+ "position_embedding_type": "absolute",
20
+ "torch_dtype": "float32",
21
+ "transformers_version": "4.48.3",
22
+ "type_vocab_size": 2,
23
+ "use_cache": true,
24
+ "vocab_size": 32768
25
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "__version__": {
3
+ "sentence_transformers": "3.3.1",
4
+ "transformers": "4.48.3",
5
+ "pytorch": "2.5.1+cu124"
6
+ },
7
+ "prompts": {},
8
+ "default_prompt_name": null,
9
+ "similarity_fn_name": "cosine"
10
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:320c5b0dced37315f00a93d5d4bf1c26af5a30f61082ab341af970116945918f
3
+ size 444851048
modules.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [
2
+ {
3
+ "idx": 0,
4
+ "name": "0",
5
+ "path": "",
6
+ "type": "sentence_transformers.models.Transformer"
7
+ },
8
+ {
9
+ "idx": 1,
10
+ "name": "1",
11
+ "path": "1_Pooling",
12
+ "type": "sentence_transformers.models.Pooling"
13
+ }
14
+ ]
sentence_bert_config.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "max_seq_length": 512,
3
+ "do_lower_case": false
4
+ }
special_tokens_map.json ADDED
@@ -0,0 +1,37 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "cls_token": {
3
+ "content": "[CLS]",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "mask_token": {
10
+ "content": "[MASK]",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "pad_token": {
17
+ "content": "[PAD]",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "sep_token": {
24
+ "content": "[SEP]",
25
+ "lstrip": false,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "unk_token": {
31
+ "content": "[UNK]",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ }
37
+ }
tokenizer_config.json ADDED
@@ -0,0 +1,64 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "[PAD]",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "1": {
12
+ "content": "[UNK]",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "2": {
20
+ "content": "[CLS]",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "3": {
28
+ "content": "[SEP]",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "4": {
36
+ "content": "[MASK]",
37
+ "lstrip": false,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "clean_up_tokenization_spaces": true,
45
+ "cls_token": "[CLS]",
46
+ "do_lower_case": false,
47
+ "do_subword_tokenize": true,
48
+ "do_word_tokenize": true,
49
+ "extra_special_tokens": {},
50
+ "jumanpp_kwargs": null,
51
+ "mask_token": "[MASK]",
52
+ "mecab_kwargs": {
53
+ "mecab_dic": "unidic_lite"
54
+ },
55
+ "model_max_length": 512,
56
+ "never_split": null,
57
+ "pad_token": "[PAD]",
58
+ "sep_token": "[SEP]",
59
+ "subword_tokenizer_type": "wordpiece",
60
+ "sudachi_kwargs": null,
61
+ "tokenizer_class": "BertJapaneseTokenizer",
62
+ "unk_token": "[UNK]",
63
+ "word_tokenizer_type": "mecab"
64
+ }
vocab.txt ADDED
The diff for this file is too large to render. See raw diff