metadata

base_model: intfloat/multilingual-e5-large
library_name: sentence-transformers
pipeline_tag: sentence-similarity
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:278
  - loss:MultipleNegativesRankingLoss
widget:
  - source_sentence: Ученик средней школы к услугам обществу примешал доброту.
    sentences:
      - "Склизкий гад\_в сливном бачке; мохнатый зверь; похожий на\_чудовище из\_«Аленького цветочка»; гигантские мокрицы под\_кроватью\_—\_все они\_существуют на\_самом деле. Все; что\_им нужно\_—\_пугать детей; потому что\_из детских криков они\_получают электричество.Полнометражный мультфильм рассказывает о\_кризисах в\_мире монстров; их\_жизни. Но\_однажды вся\_мирная жизнь монстров оказывается под\_угрозой: в\_их мир\_попадает ребенок. А\_с детьми столько хлопот; что\_они могут довести даже монстров."
      - "В Нью-Йорк по\_приглашению главы крупного юридического концерна прибывает Кевин Ломакс; молодой адвокат. До\_этого он\_был известен тем; что\_защищал исключительно негодяев и\_притом не\_проиграл ни\_одного процесса. На\_новом месте работы он\_вполне счастлив; он\_живет в\_роскошной квартире с\_любящей женой; его\_окружают интересные люди."
      - "Представьте себе\_—\_Вы оказываете кому-либо существенную услугу и\_просите этого человека отблагодарить не\_Вас; а\_трёх других людей; которые; в\_свою очередь; отблагодарят ещё троих; и\_так далее; распространяя тепло и\_доброту в\_мировом масштабе. Насколько действенной может оказаться подобная сердечная идея? Ученик седьмого класса Тревор МакКинни решил это\_проверить; начав цепочку добра."
  - source_sentence: >-
      У тебя никакой информации нет. Выложи нормальную информацию, чтобы я мог
      сделать краткое описание.
    sentences:
      - "Июль 1942 года. На\_подступах к\_Сталинграду обескровленные; измотанные советские войска ведут тяжелые оборонительные бои; неся огромные потери… Фильм рассказывает о\_подвиге рядовых солдат; любви к\_родной земле; об\_истинной цене победы…"
      - "Инженер Бен\_отправляется в\_необычное путешествие. В\_ходе своей поездки он\_встречает семерых незнакомцев; включая смертельно больную Эмили; которая называет себя девушкой с\_подбитыми крыльями. Бен\_неожиданно влюбляется в\_нее; что\_сильно усложняет его\_первоначальный план. Сможет ли\_он разгадать послание судьбы?"
      - "Рассказ о\_нелегких буднях учительницы английского языка; преподающей в\_одной из\_школ калифорнийского городка Лонг-Бич. Ее\_ученики\_—\_почти сплошь субъекты; для\_которых английский совсем не\_является родным языком. Ко\_всему прочему; Лонг-Бич славится своими бандитскими традициями."
  - source_sentence: >-
      Таким образом, я описал фильм «Восьмая нервная речь» (другие названия
      «Нервная речь» или «Бездомный». Хотя фильм и относится к произведениям
      кинематографа, его можно назвать наиболее короткой повестью с цитатами о
      собаке и о существе человека.
    sentences:
      - "Трогательная лирическая киноповесть о\_судьбе собаки; теряющей любимого хозяина; об\_отношении людей к\_«братьям меньшим»; которое как\_рентгеном просвечивает души; выявляя в\_одних низость и\_мелочную подлость; а\_в других\_—\_благородство; способность сострадать и\_любить…"
      - "Закон и\_преступление; порядок и\_беспредел; защитник и\_жертва\_—\_неизбежное противостояние и\_столкновение. Полицейские\_—\_порядок; законопослушные граждане\_—\_закон. Но\_все ли\_граждане; слывущие добропорядочными; соблюдают законы; и\_всем ли\_представителям закона стоит доверять? Прикрываясь значком полицейского; они\_вершат беззаконие и\_из праведников превращаются в\_изощренных насильников."
      - "Когда засуха; пыльные бури и\_вымирание растений приводят человечество к\_продовольственному кризису; коллектив исследователей и\_учёных отправляется сквозь червоточину (которая предположительно соединяет области пространства-времени через большое расстояние) в\_путешествие; чтобы превзойти прежние ограничения для\_космических путешествий человека и\_найти планету с\_подходящими для\_человечества условиями."
  - source_sentence: >-
      Фильм — о борьбе женщины за справедливость в поисках убийцы ее дочери,
      когда полиция seemingly не заинтересована в расследовании. Произошедшее
      побудило ее нанять монтажиста, который закрепляет 3 большого плаката со
      своеобразным обращением к начальнику полиции, принимающему расстановку сил
      и власти над престарелыми гражданами.
    sentences:
      - "Трогательная и\_захватывающая история сближения двух абсолютно разных собак\_—\_породистой комнатной неженки и\_обычной дворняги. Изящная и\_пушистая как\_игрушка; коккер-спаниельша Леди была любимицей хозяев; пока в\_их семье не\_появился младенец. Надетый намордник стал последней каплей; подтолкнувшей обиженную героиню к\_бегству. Но\_на улице ее\_поджидала целая куча опасностей; о\_существовании которых она\_даже не\_подозревала. И\_тогда на\_помощь миниатюрной черноглазой красотке пришел пес\_Бродяга; благородство которого было не\_в породе; а\_в душе."
      - "Идёт третий год\_Войн клонов. Галактическая Республика; некогда бывшая спокойным и\_гармоничным государством; превратилась в\_поле битвы между армиями клонов; возглавляемых канцлером Палпатином; и\_армадами дроидов; которых ведёт граф Дуку; тёмный лорд ситхов. Республика медленно погружается во\_тьму. Лишь рыцари-джедаи; защитники мира и\_справедливости; могут противостоять злу; которое вскоре поглотит галактику. Но\_настоящая битва идёт в\_душе у\_молодого рыцаря-джедая Энакина; который разрывается между долгом джедая и\_любовью к\_своей жене; сенатору Падме Амидале. И\_от того; какое чувство в\_нём победит; зависит будущее всего мира."
      - "Спустя несколько месяцев после убийства дочери Милдред Хейс преступники так\_и не\_найдены. Отчаявшаяся женщина решается на\_смелый шаг; арендуя на\_въезде в\_город три\_билборда с\_посланием к\_авторитетному главе полиции Уильяму Уиллоуби. Когда в\_ситуацию оказывается втянут ещё и\_заместитель шерифа; инфантильный маменькин сынок со\_склонностью к\_насилию; офицер Диксон; борьба между Милдред и\_властями города только усугубляется."
  - source_sentence: >-
      В отдаленном волшебном королевстве живут заколдованная принцесса Фиона и
      ее семья. Фиону превратили в козла, а ее семью осудили на вечную охоту за
      глупыми носителями ее образа.
    sentences:
      - "В первом и\_последнем плавании шикарного «Титаника» встречаются двое. Пассажир нижней палубы Джек выиграл билет в\_карты; а\_богатая наследница Роза отправляется в\_Америку; чтобы выйти замуж по\_расчёту. Чувства молодых людей только успевают расцвести; и\_даже не\_классовые различия создадут испытания влюблённым; а\_айсберг; вставший на\_пути считавшегося непотопляемым лайнера."
      - "Двое бандитов Винсент Вега и\_Джулс Винфилд ведут философские беседы в\_перерывах между разборками и\_решением проблем с\_должниками криминального босса Марселласа Уоллеса.В первой истории Винсент проводит незабываемый вечер с\_женой Марселласа Мией. Во\_второй рассказывается о\_боксёре Бутче Кулидже; купленном Уоллесом; чтобы сдать бой. В\_третьей истории Винсент и\_Джулс по\_нелепой случайности попадают в\_неприятности."
      - "Жил да\_был в\_сказочном государстве большой зеленый великан по\_имени Шрек. Жил\_он в\_гордом одиночестве в\_лесу; на\_болоте; которое считал своим. Но\_однажды злобный коротышка\_—\_лорд Фаркуад; правитель волшебного королевства; безжалостно согнал на\_Шреково болото всех сказочных обитателей.И беспечной жизни зеленого великана пришел конец. Но\_лорд Фаркуад пообещал вернуть Шреку болото; если великан добудет ему\_прекрасную принцессу Фиону; которая томится в\_неприступной башне; охраняемой огнедышащим драконом…"

SentenceTransformer based on intfloat/multilingual-e5-large

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-large on the train dataset. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

Model Type: Sentence Transformer
Base model: intfloat/multilingual-e5-large
Maximum Sequence Length: 512 tokens
Output Dimensionality: 1024 tokens
Similarity Function: Cosine Similarity
Training Dataset:
- train

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: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, '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("fombus/kinoguess_large")
# Run inference
sentences = [
    'В отдаленном волшебном королевстве живут заколдованная принцесса Фиона и ее семья. Фиону превратили в козла, а ее семью осудили на вечную охоту за глупыми носителями ее образа.',
    'Жил да\xa0был в\xa0сказочном государстве большой зеленый великан по\xa0имени Шрек. Жил\xa0он в\xa0гордом одиночестве в\xa0лесу; на\xa0болоте; которое считал своим. Но\xa0однажды злобный коротышка\xa0—\xa0лорд Фаркуад; правитель волшебного королевства; безжалостно согнал на\xa0Шреково болото всех сказочных обитателей.И беспечной жизни зеленого великана пришел конец. Но\xa0лорд Фаркуад пообещал вернуть Шреку болото; если великан добудет ему\xa0прекрасную принцессу Фиону; которая томится в\xa0неприступной башне; охраняемой огнедышащим драконом…',
    'В первом и\xa0последнем плавании шикарного «Титаника» встречаются двое. Пассажир нижней палубы Джек выиграл билет в\xa0карты; а\xa0богатая наследница Роза отправляется в\xa0Америку; чтобы выйти замуж по\xa0расчёту. Чувства молодых людей только успевают расцвести; и\xa0даже не\xa0классовые различия создадут испытания влюблённым; а\xa0айсберг; вставший на\xa0пути считавшегося непотопляемым лайнера.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

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

Training Details

Training Dataset

train

Dataset: train
Size: 278 training samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 278 samples:

	anchor	positive	negative
type	string	string	string
details	min: 7 tokens mean: 49.8 tokens max: 130 tokens	min: 41 tokens mean: 122.96 tokens max: 317 tokens	min: 41 tokens mean: 123.75 tokens max: 317 tokens

Samples:

anchor	positive	negative
`Один из самых знаменитых героев фэнтези-пародии легко сбивает с толку и обычных зрителей и самого себя. Энди Дюфрейн попадает в сверххищную тюрьму, где находятся представители высшего света, которым не нужны деньги.`	Бухгалтер Энди Дюфрейн обвинён в убийстве собственной жены и её любовника. Оказавшись в тюрьме под названием Шоушенк; он сталкивается с жестокостью и беззаконием; царящими по обе стороны решётки. Каждый; кто попадает в эти стены; становится их рабом до конца жизни. Но Энди; обладающий живым умом и доброй душой; находит подход как к заключённым; так и к охранникам; добиваясь их особого к себе расположения.	Действие фильма разворачивается на бескрайних просторах Антарктики. Научная экспедиция; в состав которой входят Джерри Шепард; его лучший друг Купер и геолог; отправляется на поиски метеорита.Однако неожиданное происшествие и тяжелые погодные условия вынуждают их оставить свои собачьи упряжки и вернуться назад. И теперь восемь собак должны в течение шести месяцев бороться за выживание в ледяной пустыне и ждать; пока их спасут…
`В одной из тюрем находится отряд смертников, каждый из сотрудников которого смотрит за судьбами заключенных, разрабатывая такие методы воздействия, которые не должны применяться. Один из заключенных с титулом «Смертник номер один» вызывает беспокойство сотрудников.`	Пол Эджкомб — начальник блока смертников в тюрьме «Холодная гора»; каждый из узников которого однажды проходит «зеленую милю» по пути к месту казни. Пол повидал много заключённых и надзирателей за время работы. Однако гигант Джон Коффи; обвинённый в страшном преступлении; стал одним из самых необычных обитателей блока.	Крыс Реми обладает уникальным вкусом. Он готов рисковать собственной жизнью; чтобы посмотреть любимое кулинарное шоу и раздобыть какую-нибудь приправку или просто свежий продукт. Реми живет со своими сородичами; которые его не понимают и не принимают его увлечения кулинарией. Когда Реми случайно попадает на кухню шикарного ресторана; он решает воспользоваться выпавшим ему шансом и проверить свои навыки. На эту же кухню попадает и юный Лингвини. Всё; на что он может расчитывать — это должность уборщика. Но он тоже получает свой шанс…
Герой фильма ведет жизнь простого, благородного человека, но окружающие видят в нем великого человека и превращают его в того, кем он сначала хотел быть. Однако через годы он осознает, что не воспользовался своим великолепием, бросив свою первоначальную любовь и оставшись один.	От лица главного героя Форреста Гампа; слабоумного безобидного человека с благородным и открытым сердцем; рассказывается история его необыкновенной жизни.Фантастическим образом превращается он в известного футболиста; героя войны; преуспевающего бизнесмена. Он становится миллиардером; но остается таким же бесхитростным; глупым и добрым. Форреста ждет постоянный успех во всем; а он любит девочку; с которой дружил в детстве; но взаимность приходит слишком поздно.	Действие разворачивается 20 тыс. лет назад. Чтобы избежать приближающегося из-за наступления ледникового периода холода; животные мигрируют на юг. Однако некоторые из них всё-таки решают остаться — одинокий; угрюмый мамонт Манфред; а также бесшабашный ленивец Сид.Случайно эта парочка наталкивается на человеческого детёныша. Они решаются вернуть его людям и отправляются в путешествие. По пути они встречают саблезубого хитрого тигра. И теперь этой веселой компании предстоят забавные приключения!

Loss: MultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim"
}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 2
per_device_eval_batch_size: 2
learning_rate: 2e-05
num_train_epochs: 5
warmup_ratio: 0.1

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: no
prediction_loss_only: True
per_device_train_batch_size: 2
per_device_eval_batch_size: 2
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: 5
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: 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: False
hub_always_push: False
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
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
eval_use_gather_object: False
batch_sampler: batch_sampler
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss
3.5971	500	0.1327

Framework Versions

Python: 3.10.14
Sentence Transformers: 3.1.0
Transformers: 4.44.0
PyTorch: 2.4.0
Accelerate: 0.33.0
Datasets: 2.21.0
Tokenizers: 0.19.1

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}