metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:10501
  - loss:CosineSimilarityLoss
base_model: klue/roberta-base
widget:
  - source_sentence: 그밖에 자잘한 단점은 넘어가는거로 하겠습니다
    sentences:
      - 전기는 조금씩 사용하는 것이 좋겠습니다.
      - 한국어 학회 시작일이 언제야?
      - 인테리어가 좋고 아주 깨끗한 집입니다.
  - source_sentence: >-
      이번 다자간 전화 협의에는 한국, 캐나다, 호주, 브라질, 이탈리아, 터키 등 6개국 외교장관 및 유럽연합(EU) 외교안보정책
      고위대표가 참여했다.
    sentences:
      - 예비농업인의 신규 영농창업 또는 농업인의 영농 규모화가 활성화 될 수 있도록, 정책자금 지원조건(거치·상환) 제도를 개선한다.
      - 요리에는 기름이나 다른 음식은 없지만, 두 사람에게 좋은 숙박시설이었습니다.
      - >-
        이번 장관회의에 참석하는 국가는 우리나라를 비롯, 영국, 에스토니아, 덴마크, 캐나다, 이스라엘, 뉴질랜드, 우루과이, 포르투갈,
        멕시코 등이다.
  - source_sentence: 어느 장소가 겨울에 만나기에 좋은지 추천해 주세요.
    sentences:
      - 한우 먹는 날을 기념하기 위한 온라인 소비 촉진 행사도 진행 중입니다.
      - 겨울에 만나려면 어디가 좋겠나요?
      - 숙소는사진에서 보여주는 그대로의 모습입니다.
  - source_sentence: 특히 두 분 너무 친절하시고 답변도 빠르세요.
    sentences:
      - 특히, 두 분은 친절하고 대답이 빠르시네요.
      - 두 번째 회의에서는, 불확실성이 증폭된 중소기업, 자영업자, 금융시장에 총 100조원을 투자하기로 했습니다.
      - 만약 여러분의 짐이 무겁고 크다면, 다시 생각해 보세요!
  - source_sentence: "개정안에 따라 신혼부부와 생애최초 특별공급에 대한\_소득요건이 완화된다."
    sentences:
      - 개정안에 따르면, 신혼부부의 소득 요건과 그들의 생애 첫 특별공급이 완화될 것입니다.
      - 지메일 이용시 최대 첨부 파일 용량이 궁금해요.
      - 수건 넉넉히 제공하고 침구도 깨끗합니다.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - pearson_cosine
  - spearman_cosine
model-index:
  - name: SentenceTransformer based on klue/roberta-base
    results:
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: Unknown
          type: unknown
        metrics:
          - type: pearson_cosine
            value: 0.34770710450413145
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.35560473197486514
            name: Spearman Cosine
          - type: pearson_cosine
            value: 0.9613863456262849
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.9210441234774834
            name: Spearman Cosine

SentenceTransformer based on klue/roberta-base

This is a sentence-transformers model finetuned from klue/roberta-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.

Model Details

Model Description

Model Type: Sentence Transformer
Base model: klue/roberta-base
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 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': 512, 'do_lower_case': False}) with Transformer model: RobertaModel 
  (1): Pooling({'word_embedding_dimension': 768, '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("sentence_transformers_model_id")
# Run inference
sentences = [
    '개정안에 따라 신혼부부와 생애최초 특별공급에 대한\xa0소득요건이 완화된다.',
    '개정안에 따르면, 신혼부부의 소득 요건과 그들의 생애 첫 특별공급이 완화될 것입니다.',
    '지메일 이용시 최대 첨부 파일 용량이 궁금해요.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

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

Evaluation

Metrics

Semantic Similarity

Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.3477
spearman_cosine	0.3556

Semantic Similarity

Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.9614
spearman_cosine	0.921

Training Details

Training Dataset

Unnamed Dataset

Size: 10,501 training samples
Columns: sentence_0, sentence_1, and label
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1 label
type string string float
details
min: 7 tokens
mean: 20.02 tokens
max: 59 tokens

min: 6 tokens
mean: 19.41 tokens
max: 56 tokens

min: 0.0
mean: 0.43
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 7 tokens mean: 20.02 tokens max: 59 tokens	min: 6 tokens mean: 19.41 tokens max: 56 tokens	min: 0.0 mean: 0.43 max: 1.0

Samples:

sentence_0	sentence_1	label
`아웃룩을 윈도우 상에서 사용할 땐 용량이 얼마나 되나요?`	`제가 어느 이메일로 학교 성적표를 받기로 했었죠?`	`0.0`
`몇 월 며칠에 남해에 꽃이 피는지 궁금합니다.`	`비옷 대신으로 우산 챙기자.`	`0.0`
`다른것 보다 교통편이 너무너무 편했습니다.`	`다른 유명 관광지들보다도 그곳이 가장 마음에 들었습니다.`	`0.02`

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: 16
per_device_eval_batch_size: 16
num_train_epochs: 4
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: 16
per_device_eval_batch_size: 16
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: 4
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	spearman_cosine
-1	-1	-	0.3556
0.7610	500	0.0278	-
1.0	657	-	0.9143
1.5221	1000	0.0081	0.9130
2.0	1314	-	0.9148
2.2831	1500	0.005	-
3.0	1971	-	0.9198
3.0441	2000	0.0035	0.9195
3.8052	2500	0.0025	-
4.0	2628	-	0.9210

Framework Versions

Python: 3.11.11
Sentence Transformers: 3.4.1
Transformers: 4.48.3
PyTorch: 2.5.1+cu124
Accelerate: 1.3.0
Datasets: 3.3.2
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",
}