Hugging Face's logo

dpekach
/
mnr_electronics_only

Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:3804390
loss:RZTKMatryoshka2dLoss
Eval Results
text-embeddings-inference
Inference Endpoints
Model card Files Community

You need to agree to share your contact information to access this model

This repository is publicly accessible, but you have to accept the conditions to access its files and content.

Log in or Sign Up to review the conditions and access this model content.

SentenceTransformer based on intfloat/multilingual-e5-base

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-base on the core dataset. 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: intfloat/multilingual-e5-base
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Dot Product
  • Training Dataset:
    • core

Model Sources

Full Model Architecture 

RZTKSentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (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})
  (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("yklymchuk-rztk/multiple-datasets-e5-jina-mnr-3-electronics-only")
# Run inference
sentences = [
    'query: сумка жіноча шкіра',
    'passage: Жіноча сумка шкіряна Borsacomoda 813023 Чорна Сумки Borsacomoda Для кого Для жінок Вид Сумки Колір Чорний Кількість вантажних місць 1 Модель сумки Крос-боді Матеріал Шкіра Країна реєстрації бренда Україна Країна-виробник товару Україна Тип гарантійного талона Гарантія по чеку Застібка Змійка Доставка Premium Доставка Доставка в магазини ROZETKA',
    "passage: Індукційна варильна поверхня Gunter&Hauer I 6 FB (6778875) Варильні поверхні індукційні Gunter&Hauer Функції Індикатор залишкового тепла Функції Захист від дітей Можливість під'єднання до мережі 220 В",
]
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

RZTKInformation Retrieval

  • Datasets: core-uk--matryoshka_dim-768--, core-ru--matryoshka_dim-768--, vespa-uk--matryoshka_dim-768-- and vespa-ru--matryoshka_dim-768--
  • Evaluated with sentence_transformers_training.evaluation.information_retrieval_evaluator.RZTKInformationRetrievalEvaluator
Metric core-uk--matryoshka_dim-768-- core-ru--matryoshka_dim-768-- vespa-uk--matryoshka_dim-768-- vespa-ru--matryoshka_dim-768--
dot_accuracy_10 0.979 0.9724 0.8913 0.913
dot_precision_10 0.3797 0.3753 0.65 0.6391
dot_recall_10 0.4528 0.4489 0.2154 0.2149
dot_ndcg_10 0.5583 0.5583 0.7329 0.7177
dot_mrr_10 0.8503 0.8582 0.8578 0.8271
dot_map_60 0.3951 0.3979 0.5217 0.5151

Training Details

Training Dataset

core

  • Dataset: core
  • Size: 3,804,390 training samples
  • Columns: query and text
  • Approximate statistics based on the first 1000 samples:
    query text
    type string string
    details
    • min: 7 tokens
    • mean: 12.5 tokens
    • max: 256 tokens
    • min: 120 tokens
    • mean: 480.81 tokens
    • max: 512 tokens
  • Samples:
    query text
    query: 555 anker passage: Зарядна станція Anker PowerHouse 555 / 1000 Вт / 1048 Вт⋅год / LiFePO4 (A1760311) Зарядні станції Anker Гарантія 5 років Тип акумуляторів Літій-залізо-фосфатні (LiFePO4) Колір Чорний Ємність батареї, мА*год 320000 Заряджається від Від мережі Призначення Для телевізорів Призначення Для ноутбуків Призначення Для персональних комп'ютерів Особливості З ліхтариком Особливості Протиударний Особливості Швидке заряджання батареї Кількість вантажних місць 1 Країна реєстрації бренда США Країна-виробник товару Китай Функції зарядки PowerIQ Функції зарядки Power Delivery Функції зарядки Наскрізна зарядка Тип гарантійного талона Гарантійний талон магазина Вихідна напруга, В 20 Вихідна напруга, В 9 Вихідна напруга, В 12 Вихідна напруга, В 220 Вихідна напруга, В 5 Вихідна напруга, В 15 Індикація З дисплеєм Одночасне заряджання пристроїв 8 Вихідні інтерфейси Розетка 220 В Вихідні інтерфейси USB Type C Вихідні інтерфейси USB Type A Вихідні інтерфейси Гніздо прикурювача Вхідні інтерфейси USB Ty...
    query: 555 anker passage: Зарядная станция Anker PowerHouse 555 / 1000 Вт / 1048 Вт⋅ч / LiFePO4 (A1760311) Зарядные станции Anker Гарантия 5 лет Тип аккумуляторов Литий-железо-фосфатные (LiFePO4) Цвет Черный Емкость батареи, мА*ч 320000 Заряжается от От сети Назначение Для телевизоров Назначение Для ноутбуков Назначение Для персональных компьютеров Особенности С фонариком Особенности Противоударный Особенности Быстрая зарядка батареи Количество грузовых мест 1 Страна регистрации бренда США Страна-производитель товара Китай Функции зарядки PowerIQ Функции зарядки Power Delivery Функции зарядки Сквозная зарядка Тип гарантийного талона Гарантийный талон магазина Выходное напряжение, В 20 Выходное напряжение, В 9 Выходное напряжение, В 12 Выходное напряжение, В 220 Выходное напряжение, В 5 Выходное напряжение, В 15 Индикация С дисплеем Одновременно заряжаемых устройств 8 Выходные интерфейсы Розетка 220 В Выходные интерфейсы USB Type C Выходные интерфейсы USB Type A Выходные интерфейсы Гнездо прикуривателя ...
    query: anker-powerhouse-555 passage: Зарядная станция Anker PowerHouse 555 / 1000 Вт / 1048 Вт⋅ч / LiFePO4 (A1760311) Зарядные станции Anker Гарантия 5 лет Тип аккумуляторов Литий-железо-фосфатные (LiFePO4) Цвет Черный Емкость батареи, мА*ч 320000 Заряжается от От сети Назначение Для телевизоров Назначение Для ноутбуков Назначение Для персональных компьютеров Особенности С фонариком Особенности Противоударный Особенности Быстрая зарядка батареи Количество грузовых мест 1 Страна регистрации бренда США Страна-производитель товара Китай Функции зарядки PowerIQ Функции зарядки Power Delivery Функции зарядки Сквозная зарядка Тип гарантийного талона Гарантийный талон магазина Выходное напряжение, В 20 Выходное напряжение, В 9 Выходное напряжение, В 12 Выходное напряжение, В 220 Выходное напряжение, В 5 Выходное напряжение, В 15 Индикация С дисплеем Одновременно заряжаемых устройств 8 Выходные интерфейсы Розетка 220 В Выходные интерфейсы USB Type C Выходные интерфейсы USB Type A Выходные интерфейсы Гнездо прикуривателя ...
  • Loss: sentence_transformers_training.model.matryoshka2d_loss.RZTKMatryoshka2dLoss with these parameters:
    {
    "loss": "RZTKMultipleNegativesRankingLoss",
    "n_layers_per_step": 1,
    "last_layer_weight": 1.0,
    "prior_layers_weight": 1.0,
    "kl_div_weight": 1.0,
    "kl_temperature": 0.3,
    "matryoshka_dims": [
        768,
        512,
        256,
        128
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": 1
}

Evaluation Datasets

core_uk

  • Dataset: core_uk
  • Size: 3,220 evaluation samples
  • Columns: query and text
  • Approximate statistics based on the first 1000 samples:
    query text
    type string string
    details
    • min: 8 tokens
    • mean: 10.66 tokens
    • max: 16 tokens
    • min: 19 tokens
    • mean: 114.2 tokens
    • max: 512 tokens
  • Samples:
    query text
    query: лампочка е27 passage: Світлодіодна лампа Osram LED Star+ DIM A60 9W (806Lm) Е27 (4058075430754) Лампи OSRAM Гарантія 36 місяців Виробник світлодіодів Osram Тип світлодіодів SMD Тип цоколя E27 Колір світіння / Температура кольорів RGB (різнокольоровий) Колір світіння / Температура кольорів Теплий білий Світловий потік 806 Лм Еквівалент потужності лампи розжарювання 60 Вт Робоча напруга, в 230 Тип Світлодіодні лампи Форма колби Стандартна (груша) Колір колби Матовий Кількість вантажних місць 1 Країна реєстрації бренда Німеччина Кількість предметів, шт 1 Країна-виробник товару Китай Особливості З дистанційним управлінням Особливості З регулюванням яскравості (димер) Строк служби лампи, год 25000 теги лампи недорого Тип гарантійного талона Гарантія по чеку Потужність, Вт 9 Можливість доставки Почтомати Доставка Premium Доставка Доставка в магазини ROZETKA
    query: лампочка е27 passage: Світлодіодна лампа Philips Ecohome LED Bulb 11 W E27 3000 K 1PF/20RCA (929002299567R) 2 шт. Лампи Philips Гарантія 24 місяці Тип цоколя E27 Колір світіння / Температура кольорів Теплий Світловий потік 1150 Лм Еквівалент потужності лампи розжарювання 95 Вт Робоча напруга, в 170-240 Тип Світлодіодні лампи Форма колби Стандартна (груша) Колір колби Білий Кількість вантажних місць 1 Країна реєстрації бренда Нідерланди Кількість предметів, шт 2 Країна-виробник товару Китай Строк служби лампи, год теги лампи недорого Тип гарантійного талона Гарантійний талон магазина Потужність, Вт 11 Застосування Побутові Призначення Для настільної лампи Призначення Для люстри Призначення Для стельових світильників Температура світіння 3000 К Матеріал колби Пластик Доставка Premium Доставка Доставка в магазини ROZETKA
    query: лампочка е27 passage: Набір світлодіодних ламп Евросвет 12 W 4200 K Е27 (56702) 4 шт. Лампи Євросвітло Гарантія 12 місяців Тип світлодіодів SMD Тип цоколя E27 Колір світіння / Температура кольорів Нейтральний-білий Світловий потік 1200 Лм Еквівалент потужності лампи розжарювання 120 Вт Робоча напруга, в 220-240 Тип Світлодіодні лампи Форма колби Стандартна (груша) Кількість вантажних місць 1 Країна реєстрації бренда Україна Кількість предметів, шт 4 Країна-виробник товару Китай Строк служби лампи, год 15000 теги лампи недорого Тип гарантійного талона Гарантія по чеку Потужність, Вт 12 Застосування Побутові Призначення Для настільної лампи Призначення Для люстри Призначення Для стельових світильників Температура світіння 4200К Матеріал колби Пластик Доставка Готовий до відправлення Доставка Доставка в магазини ROZETKA
  • Loss: sentence_transformers_training.model.matryoshka2d_loss.RZTKMatryoshka2dLoss with these parameters:
    {
    "loss": "RZTKMultipleNegativesRankingLoss",
    "n_layers_per_step": 1,
    "last_layer_weight": 1.0,
    "prior_layers_weight": 1.0,
    "kl_div_weight": 1.0,
    "kl_temperature": 0.3,
    "matryoshka_dims": [
        768,
        512,
        256,
        128
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": 1
}

core_ru

  • Dataset: core_ru
  • Size: 3,220 evaluation samples
  • Columns: query and text
  • Approximate statistics based on the first 1000 samples:
    query text
    type string string
    details
    • min: 8 tokens
    • mean: 10.66 tokens
    • max: 16 tokens
    • min: 18 tokens
    • mean: 109.38 tokens
    • max: 512 tokens
  • Samples:
    query text
    query: лампочка е27 passage: Светодиодная лампа Osram LED Star+ DIM A60 9W (806Lm) Е27 (4058075430754) Лампы OSRAM Гарантия 36 месяцев Производитель светодиодов Osram Тип светодиодов SMD Тип цоколя E27 Цвет свечения / Цветовая температура RGB (разноцветный) Цвет свечения / Цветовая температура Теплый белый Световой поток 806 Лм Эквивалент мощности лампы накаливания 60 Вт Рабочее напряжение, В 230 Тип Светодиодные лампы Форма колбы Стандартная (груша) Цвет колбы Матовый Количество грузовых мест 1 Страна регистрации бренда Германия Количество предметов, шт 1 Страна-производитель товара Китай Особенности С дистанционным управлением Особенности С регулировкой яркости (диммер) Срок службы лампы, ч 25000 теги лампы недорого Тип гарантийного талона Гарантия по чеку Мощность, Вт 9 Возможность доставки Почтоматы Доставка Premium Доставка Доставка в магазины ROZETKA
    query: лампочка е27 passage: Светодиодная лампа Philips Ecohome LED Bulb 11W E27 3000К 1PF/20RCA (929002299567R) 2 шт. Лампы Philips Гарантия 24 месяца Тип цоколя E27 Цвет свечения / Цветовая температура Теплый Световой поток 1150 Лм Эквивалент мощности лампы накаливания 95 Вт Рабочее напряжение, В 170-240 Тип Светодиодные лампы Форма колбы Стандартная (груша) Цвет колбы Белый Количество грузовых мест 1 Страна регистрации бренда Нидерланды Количество предметов, шт 2 Страна-производитель товара Китай Срок службы лампы, ч 6000 теги лампы недорого Тип гарантийного талона Гарантийный талон магазина Мощность, Вт 11 Применение Бытовые Назначение Для настольной лампы Назначение Для люстры Назначение Для потолочных светильников Температура свечения 3000К Материал колбы Пластик Доставка Premium Доставка Доставка в магазины ROZETKA
    query: лампочка е27 passage: Набор светодиодных ламп ЕВРОСВЕТ 12W 4200к Е27 (56702) 4 шт Лампы Євросвітло Гарантия 12 месяцев Тип светодиодов SMD Тип цоколя E27 Цвет свечения / Цветовая температура Нейтральный-белый Световой поток 1200 Лм Эквивалент мощности лампы накаливания 120 Вт Рабочее напряжение, В 220-240 Тип Светодиодные лампы Форма колбы Стандартная (груша) Количество грузовых мест 1 Страна регистрации бренда Украина Количество предметов, шт 4 Страна-производитель товара Китай Срок службы лампы, ч 15000 теги лампы недорого Тип гарантийного талона Гарантия по чеку Мощность, Вт 12 Применение Бытовые Назначение Для настольной лампы Назначение Для люстры Назначение Для потолочных светильников Температура свечения 4200К Материал колбы Пластик Доставка Готов к отправке Доставка Доставка в магазины ROZETKA
  • Loss: sentence_transformers_training.model.matryoshka2d_loss.RZTKMatryoshka2dLoss with these parameters:
    {
    "loss": "RZTKMultipleNegativesRankingLoss",
    "n_layers_per_step": 1,
    "last_layer_weight": 1.0,
    "prior_layers_weight": 1.0,
    "kl_div_weight": 1.0,
    "kl_temperature": 0.3,
    "matryoshka_dims": [
        768,
        512,
        256,
        128
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": 1
}

vespa_uk

  • Dataset: vespa_uk
  • Size: 5,315 evaluation samples
  • Columns: query and text
  • Approximate statistics based on the first 1000 samples:
    query text
    type string string
    details
    • min: 7 tokens
    • mean: 9.58 tokens
    • max: 22 tokens
    • min: 19 tokens
    • mean: 89.9 tokens
    • max: 239 tokens
  • Samples:
    query text
    query: шланга диаметром 32 мм для викачки брудної води з басейну passage: Перехідники для шлангу басейну Intex з 32 мм на 38 мм (IP-175136) Обладнання для басейнів Intex Вид Комплектувальні
    query: шланга диаметром 32 мм для викачки брудної води з басейну passage: З'єднання для шланга Peraqua діаметр 32 мм Аксесуари для басейнів Вид Інструменти для прибирання басейнів
    query: шланга диаметром 32 мм для викачки брудної води з басейну passage: З'єднання для шлангу Peraqua діаметр 32/38 мм Аксесуари для басейнів Вид Інструменти для прибирання басейнів
  • Loss: sentence_transformers_training.model.matryoshka2d_loss.RZTKMatryoshka2dLoss with these parameters:
    {
    "loss": "RZTKMultipleNegativesRankingLoss",
    "n_layers_per_step": 1,
    "last_layer_weight": 1.0,
    "prior_layers_weight": 1.0,
    "kl_div_weight": 1.0,
    "kl_temperature": 0.3,
    "matryoshka_dims": [
        768,
        512,
        256,
        128
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": 1
}

vespa_ru

  • Dataset: vespa_ru
  • Size: 5,315 evaluation samples
  • Columns: query and text
  • Approximate statistics based on the first 1000 samples:
    query text
    type string string
    details
    • min: 7 tokens
    • mean: 9.58 tokens
    • max: 22 tokens
    • min: 20 tokens
    • mean: 87.33 tokens
    • max: 232 tokens
  • Samples:
    query text
    query: шланга диаметром 32 мм для викачки брудної води з басейну passage: Переходники для шланга бассейна Intex с 32 мм на 38 мм (IP-175136) Оборудование для бассейнов Intex Вид Комплектующие
    query: шланга диаметром 32 мм для викачки брудної води з басейну passage: Соединение для шланга Peraqua диаметр 32 мм Аксессуары для бассейнов Вид Инструменты для уборки бассейнов
    query: шланга диаметром 32 мм для викачки брудної води з басейну passage: Соединение для шланга Peraqua диаметр 32/38 мм Аксессуары для бассейнов Вид Инструменты для уборки бассейнов
  • Loss: sentence_transformers_training.model.matryoshka2d_loss.RZTKMatryoshka2dLoss with these parameters:
    {
    "loss": "RZTKMultipleNegativesRankingLoss",
    "n_layers_per_step": 1,
    "last_layer_weight": 1.0,
    "prior_layers_weight": 1.0,
    "kl_div_weight": 1.0,
    "kl_temperature": 0.3,
    "matryoshka_dims": [
        768,
        512,
        256,
        128
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": 1
}

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • per_device_train_batch_size: 80
  • per_device_eval_batch_size: 16
  • learning_rate: 2e-05
  • warmup_ratio: 0.1
  • bf16: True
  • bf16_full_eval: True
  • tf32: True
  • dataloader_num_workers: 4
  • load_best_model_at_end: True
  • optim: adafactor
  • push_to_hub: True
  • hub_model_id: yklymchuk-rztk/multiple-datasets-e5-jina-mnr-3-electronics-only
  • hub_private_repo: True
  • prompts: {'query': 'query: ', 'text': 'passage: '}
  • batch_sampler: no_duplicates

All Hyperparameters

Click to expand
  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 80
  • 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: 2e-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: 3
  • max_steps: -1
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.1
  • 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: True
  • fp16: False
  • fp16_opt_level: O1
  • half_precision_backend: auto
  • bf16_full_eval: True
  • fp16_full_eval: False
  • tf32: True
  • local_rank: 0
  • ddp_backend: None
  • tpu_num_cores: None
  • tpu_metrics_debug: False
  • debug: []
  • dataloader_drop_last: True
  • dataloader_num_workers: 4
  • 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: adafactor
  • 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: True
  • resume_from_checkpoint: None
  • hub_model_id: yklymchuk-rztk/multiple-datasets-e5-jina-mnr-3-electronics-only
  • hub_strategy: every_save
  • hub_private_repo: True
  • 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: {'query': 'query: ', 'text': 'passage: '}
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional
  • ddp_static_graph: False
  • ddp_comm_hook: bf16
  • gradient_as_bucket_view: False
  • num_proc: 30

Training Logs

Click to expand
Epoch Step Training Loss core uk loss core ru loss vespa uk loss vespa ru loss core-uk--matryoshka_dim-768--_dot_ndcg_10 core-ru--matryoshka_dim-768--_dot_ndcg_10 vespa-uk--matryoshka_dim-768--_dot_ndcg_10 vespa-ru--matryoshka_dim-768--_dot_ndcg_10
0.0151 179 4.8952 - - - - - - - -
0.0301 358 4.9239 - - - - - - - -
0.0452 537 4.7362 - - - - - - - -
0.0602 716 4.4058 - - - - - - - -
0.0753 895 4.2344 - - - - - - - -
0.0903 1074 3.5898 - - - - - - - -
0.1054 1253 3.3581 - - - - - - - -
0.1205 1432 3.2171 - - - - - - - -
0.1355 1611 2.9499 - - - - - - - -
0.1506 1790 3.0239 - - - - - - - -
0.1656 1969 2.5125 - - - - - - - -
0.1807 2148 2.8661 - - - - - - - -
0.1957 2327 2.7486 - - - - - - - -
0.2108 2506 3.2432 - - - - - - - -
0.2259 2685 3.1127 - - - - - - - -
0.2409 2864 2.9176 - - - - - - - -
0.2560 3043 2.5284 - - - - - - - -
0.2710 3222 2.8496 - - - - - - - -
0.2861 3401 2.9145 - - - - - - - -
0.3001 3567 - 0.7853 0.7567 0.7556 0.7125 0.5442 0.5471 0.7309 0.7106
0.3011 3580 2.816 - - - - - - - -
0.3162 3759 2.9181 - - - - - - - -
0.3313 3938 3.0285 - - - - - - - -
0.3463 4117 2.7559 - - - - - - - -
0.3614 4296 2.5055 - - - - - - - -
0.3764 4475 2.9042 - - - - - - - -
0.3915 4654 2.7473 - - - - - - - -
0.4065 4833 2.7661 - - - - - - - -
0.4216 5012 2.7554 - - - - - - - -
0.4367 5191 2.8431 - - - - - - - -
0.4517 5370 2.4573 - - - - - - - -
0.4668 5549 2.5761 - - - - - - - -
0.4818 5728 2.7071 - - - - - - - -
0.4969 5907 2.8493 - - - - - - - -
0.5119 6086 2.8784 - - - - - - - -
0.5270 6265 2.7202 - - - - - - - -
0.5421 6444 2.7756 - - - - - - - -
0.5571 6623 2.6471 - - - - - - - -
0.5722 6802 2.7666 - - - - - - - -
0.5872 6981 2.4328 - - - - - - - -
0.6001 7134 - 0.7132 0.7699 0.6077 0.6837 0.5537 0.5558 0.7246 0.7043
0.6023 7160 2.7531 - - - - - - - -
0.6173 7339 2.8405 - - - - - - - -
0.6324 7518 2.5655 - - - - - - - -
0.6475 7697 2.2858 - - - - - - - -
0.6625 7876 2.5737 - - - - - - - -
0.6776 8055 2.5102 - - - - - - - -
0.6926 8234 2.7832 - - - - - - - -
0.7077 8413 2.4454 - - - - - - - -
0.7227 8592 2.4814 - - - - - - - -
0.7378 8771 2.5788 - - - - - - - -
0.7529 8950 2.3763 - - - - - - - -
0.7679 9129 2.4836 - - - - - - - -
0.7830 9308 2.233 - - - - - - - -
0.7980 9487 2.4032 - - - - - - - -
0.8131 9666 2.6613 - - - - - - - -
0.8281 9845 2.2809 - - - - - - - -
0.8432 10024 2.0115 - - - - - - - -
0.8583 10203 2.5228 - - - - - - - -
0.8733 10382 2.1149 - - - - - - - -
0.8884 10561 2.5053 - - - - - - - -
0.9002 10701 - 0.6233 0.7107 0.5342 0.5265 0.5634 0.5636 0.7626 0.7526
0.9034 10740 2.1663 - - - - - - - -
0.9185 10919 2.6719 - - - - - - - -
0.9335 11098 2.4423 - - - - - - - -
0.9486 11277 2.8741 - - - - - - - -
0.9637 11456 2.5291 - - - - - - - -
0.9787 11635 2.5211 - - - - - - - -
0.9938 11814 2.6053 - - - - - - - -
1.0089 11993 2.1993 - - - - - - - -
1.0240 12172 2.4606 - - - - - - - -
1.0390 12351 2.285 - - - - - - - -
1.0541 12530 2.2181 - - - - - - - -
1.0691 12709 2.412 - - - - - - - -
1.0842 12888 2.3145 - - - - - - - -
1.0993 13067 2.1323 - - - - - - - -
1.1143 13246 2.4581 - - - - - - - -
1.1294 13425 2.3835 - - - - - - - -
1.1444 13604 2.2885 - - - - - - - -
1.1595 13783 2.0034 - - - - - - - -
1.1745 13962 2.2039 - - - - - - - -
1.1896 14141 2.2068 - - - - - - - -
1.2003 14268 - 0.6910 0.6097 0.5389 0.5179 0.5561 0.5573 0.7319 0.7196
1.2047 14320 2.468 - - - - - - - -
1.2197 14499 2.4987 - - - - - - - -
1.2348 14678 2.4321 - - - - - - - -
1.2498 14857 2.2351 - - - - - - - -
1.2649 15036 2.167 - - - - - - - -
1.2799 15215 2.6282 - - - - - - - -
1.2950 15394 2.3824 - - - - - - - -
1.3101 15573 2.4719 - - - - - - - -
1.3251 15752 2.4836 - - - - - - - -
1.3402 15931 2.5208 - - - - - - - -
1.3552 16110 2.3985 - - - - - - - -
1.3703 16289 2.3604 - - - - - - - -
1.3853 16468 2.5651 - - - - - - - -
1.4004 16647 2.5203 - - - - - - - -
1.4155 16826 2.3643 - - - - - - - -
1.4305 17005 2.4428 - - - - - - - -
1.4456 17184 2.2424 - - - - - - - -
1.4606 17363 2.501 - - - - - - - -
1.4757 17542 2.366 - - - - - - - -
1.4907 17721 2.4872 - - - - - - - -
1.5003 17835 - 0.6270 0.6293 0.5664 0.5494 0.5581 0.5602 0.7362 0.7159
1.5058 17900 2.6305 - - - - - - - -
1.5209 18079 2.421 - - - - - - - -
1.5359 18258 2.628 - - - - - - - -
1.5510 18437 2.4255 - - - - - - - -
1.5660 18616 2.4615 - - - - - - - -
1.5811 18795 2.3092 - - - - - - - -
1.5961 18974 2.3587 - - - - - - - -
1.6112 19153 2.8552 - - - - - - - -
1.6263 19332 2.3535 - - - - - - - -
1.6413 19511 2.3277 - - - - - - - -
1.6564 19690 2.2047 - - - - - - - -
1.6714 19869 2.4503 - - - - - - - -
1.6865 20048 2.6128 - - - - - - - -
1.7015 20227 2.433 - - - - - - - -
1.7166 20406 2.3849 - - - - - - - -
1.7317 20585 2.3902 - - - - - - - -
1.7467 20764 2.2826 - - - - - - - -
1.7618 20943 2.3408 - - - - - - - -
1.7768 21122 2.093 - - - - - - - -
1.7919 21301 2.2373 - - - - - - - -
1.8004 21402 - 0.6020 0.6222 0.4753 0.5565 0.5574 0.5555 0.7510 0.7339
1.8069 21480 2.4067 - - - - - - - -
1.8220 21659 2.303 - - - - - - - -
1.8371 21838 1.8552 - - - - - - - -
1.8521 22017 2.1746 - - - - - - - -
1.8672 22196 2.0771 - - - - - - - -
1.8822 22375 2.339 - - - - - - - -
1.8973 22554 2.0942 - - - - - - - -
1.9123 22733 2.3181 - - - - - - - -
1.9274 22912 2.3703 - - - - - - - -
1.9425 23091 2.4736 - - - - - - - -
1.9575 23270 2.6902 - - - - - - - -
1.9726 23449 2.2046 - - - - - - - -
1.9876 23628 2.4463 - - - - - - - -
2.0028 23807 2.2212 - - - - - - - -
2.0178 23986 2.2298 - - - - - - - -
2.0329 24165 2.4247 - - - - - - - -
2.0479 24344 2.0451 - - - - - - - -
2.0630 24523 2.2404 - - - - - - - -
2.0781 24702 2.3939 - - - - - - - -
2.0931 24881 2.0558 - - - - - - - -
2.1005 24969 - 0.6300 0.6967 0.5741 0.5561 0.5425 0.5420 0.7484 0.7261
2.1082 25060 2.2546 - - - - - - - -
2.1232 25239 2.28 - - - - - - - -
2.1383 25418 2.2238 - - - - - - - -
2.1533 25597 2.1565 - - - - - - - -
2.1684 25776 1.9775 - - - - - - - -
2.1835 25955 2.2428 - - - - - - - -
2.1985 26134 2.0969 - - - - - - - -
2.2136 26313 2.3999 - - - - - - - -
2.2286 26492 2.4524 - - - - - - - -
2.2437 26671 2.319 - - - - - - - -
2.2587 26850 2.0698 - - - - - - - -
2.2738 27029 2.4082 - - - - - - - -
2.2889 27208 2.4815 - - - - - - - -
2.3039 27387 2.3198 - - - - - - - -
2.3190 27566 2.413 - - - - - - - -
2.3340 27745 2.6617 - - - - - - - -
2.3491 27924 2.3676 - - - - - - - -
2.3641 28103 2.1355 - - - - - - - -
2.3792 28282 2.6304 - - - - - - - -
2.3943 28461 2.274 - - - - - - - -
2.4006 28536 - 0.6525 0.6612 0.5334 0.5171 0.5543 0.5561 0.7376 0.7215
2.4093 28640 2.3882 - - - - - - - -
2.4244 28819 2.3836 - - - - - - - -
2.4394 28998 2.5454 - - - - - - - -
2.4545 29177 2.2851 - - - - - - - -
2.4695 29356 2.2482 - - - - - - - -
2.4846 29535 2.3114 - - - - - - - -
2.4997 29714 2.6511 - - - - - - - -
2.5147 29893 2.4293 - - - - - - - -
2.5298 30072 2.5897 - - - - - - - -
2.5448 30251 2.4804 - - - - - - - -
2.5599 30430 2.3792 - - - - - - - -
2.5749 30609 2.4037 - - - - - - - -
2.5900 30788 2.2137 - - - - - - - -
2.6051 30967 2.755 - - - - - - - -
2.6201 31146 2.4339 - - - - - - - -
2.6352 31325 2.3045 - - - - - - - -
2.6502 31504 2.1352 - - - - - - - -
2.6653 31683 2.4401 - - - - - - - -
2.6803 31862 2.481 - - - - - - - -
2.6954 32041 2.55 - - - - - - - -
2.7006 32103 - 0.5987 0.6102 0.4596 0.5642 0.5583 0.5583 0.7329 0.7177

Framework Versions

  • Python: 3.11.10
  • Sentence Transformers: 3.3.0
  • Transformers: 4.46.3
  • PyTorch: 2.5.1+cu124
  • Accelerate: 1.1.1
  • Datasets: 3.1.0
  • Tokenizers: 0.20.3

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",
}
Downloads last month
3
Safetensors
Model size
278M params
Tensor type
BF16
·
Inference Providers NEW
Sentence Similarity
This model is not currently available via any of the supported Inference Providers.

Model tree for dpekach/mnr_electronics_only

Base model

intfloat/multilingual-e5-base
Finetuned
(47)
this model

Evaluation results

View on Papers With Code