SentenceTransformer(
(0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'XLMRobertaModel'})
(1): Pooling({'embedding_dimension': 768, 'pooling_mode': 'mean', 'include_prompt': True})
(2): Normalize({})
)pip install -U sentence-transformers1from sentence_transformers import SentenceTransformer
2
3# Download from the 🤗 Hub
4model = SentenceTransformer("sentence_transformers_model_id")
5# Run inference
6sentences = [
7 'query: آیا ویدئو احرازهویت غیرحضوری سجام مشتری ذخیره می\u200cشود؟',
8 'passage: ویدئو احرازهویت سجام شما پس از تائید احرازهویت، به\u200cمنظور پیگیری\u200cهای بعدی در سرورهای امن شرکت سپرده\u200cگذاری مرکزی ذخیره می\u200cشود. همچنین امکان دسترسی غیرمجاز به آن\u200cها وجود ندارد. به\u200cعبارت دیگر این ویدئو سلفی کدگذاری شده و به\u200cوسیله هوش مصنوعی با تصویر مدارک شناسایی مطابقت داده می\u200cشود.',
9 'passage: در طرح بازاریابی خودرو مشابه محصولات دیگر ابتدا یک لینک در اختیار بازاریابان قرارداده می\u200cشود. بازاریاب با انتخاب لینک وارد سایت ایبیگو آگاه می\u200cشود و می\u200cتواند برای افراد اقدام به ثبت\u200cنام و کدگیری کند. \nمزایا:به ازای هر ثبت\u200cنام و کدگیری کالا مبلغ 10هزار تومان به بازاریاب تخصیص می\u200cیابد.به ازای هر خریدی که زیر مجموعه وی انجام دهد، 10درصد از کارمزد کارگزاری نصیب بازاریاب می\u200cشود. \nنکته1: با توجه به اینکه درگاه مدنظر سایت ایبیگو می\u200cباشد. و درگاهی در سایت آگاه موجود نیست، محاسبات کمیسیون بازاریابی خودرو به صورت دستی انجام شده و ماهانه به ریال باشگاه بازاریاب واریز می\u200cگردد. \nنکته2 : بازاریاب جدید باشد نیاز به بستن قرارداد دارد.',
10]
11embeddings = model.encode(sentences)
12print(embeddings.shape)
13# [3, 768]
14
15# Get the similarity scores for the embeddings
16similarities = model.similarity(embeddings, embeddings)
17print(similarities)
18# tensor([[ 1.0000, 0.6561, -0.0874],
19# [ 0.6561, 1.0000, -0.0274],
20# [-0.0874, -0.0274, 1.0000]])sentence_0 and sentence_1| sentence_0 | sentence_1 | |
|---|---|---|
| type | string | string |
| details |
|
|
| sentence_0 | sentence_1 |
|---|---|
query: برای خرید گواهی سپرده سیمان به چه مواردی باید توجه کرد؟ | passage: خرید سیمان از طریق بورس اوراق بهادار و همچنین بورس کالا انجام میشود. برای معامله در بورس کالا ابتدا باید با توجه به شرایط تعیینشده کد بورس کالا دریافت شده و سپس جهت خرید اقدام شود. سهامداران خرد (10 تا 100تن برای هر کدبورسی درطی یک جلسه معاملاتی در یک نماد) میتوانند از طریق بورس اوراق بهادار گواهی سپرده سیمان خریداری نمایند. برای این کار توجه به نکات زیر الزامی است: |
query: آیا سقف انتقال وجه در آگاه کارت مانند سایر کارت های بانکی می باشد؟ | passage: بله، محدودیت های کارتی شبکه بانکی برای آگاه کارت نیز صدق می کند.[object Object] توجه: سقف انتقال وجه کارت به کارت بر اساس دستورالعمل های بانک مرکزی می باشد. |
| query: پشتیبانی از درگاههای آنلابن بازاریابی به چه شکلی انجام میشود؟ | passage: از سمت واحد مارکتینگ تولید محتوای متنی، گرافیکی و..... به صورت هفتگی در اختیارشان قرار داده میشود و به صورت دوره ای بررسی میشوند که به چه میزان از این محتواها استفاده کردند، یا اینکه میزان عملکردشان در ماه به چه صورت بوده است.[object Object]نکته1: هر بازاریاب یک اکانت منیجر دارد که پایش و بررسی عملکرد بازاریاب را بهعهده دارد. [object Object]نکته2: یک کانال تلگرامی مختص پشتیبانی و اطلاع رسانی به بازاریابان وجود دارد که درآن اطلاعاتی همانند تحلیلی بازار سرمایه، آموزش بورس، مارکتینگ و... قرار داده میشود. |MultipleNegativesRankingLoss with these parameters:
1{
2 "scale": 20.0,
3 "similarity_fct": "cos_sim",
4 "gather_across_devices": false,
5 "directions": [
6 "query_to_doc"
7 ],
8 "partition_mode": "joint",
9 "hardness_mode": null,
10 "hardness_strength": 0.0
11}per_device_train_batch_size: 16per_device_eval_batch_size: 16multi_dataset_batch_sampler: round_robindo_predict: Falseprediction_loss_only: Trueper_device_train_batch_size: 16per_device_eval_batch_size: 16gradient_accumulation_steps: 1eval_accumulation_steps: Nonetorch_empty_cache_steps: Nonelearning_rate: 5e-05weight_decay: 0.0adam_beta1: 0.9adam_beta2: 0.999adam_epsilon: 1e-08max_grad_norm: 1num_train_epochs: 3max_steps: -1lr_scheduler_type: linearlr_scheduler_kwargs: Nonewarmup_ratio: Nonewarmup_steps: 0log_level: passivelog_level_replica: warninglog_on_each_node: Truelogging_nan_inf_filter: Trueenable_jit_checkpoint: Falsesave_on_each_node: Falsesave_only_model: Falserestore_callback_states_from_checkpoint: Falseuse_cpu: Falseseed: 42data_seed: Nonebf16: Falsefp16: Falsebf16_full_eval: Falsefp16_full_eval: Falsetf32: Nonelocal_rank: -1ddp_backend: Nonedebug: []dataloader_drop_last: Falsedataloader_num_workers: 0dataloader_prefetch_factor: Nonedisable_tqdm: Falseremove_unused_columns: Truelabel_names: Noneload_best_model_at_end: Falseignore_data_skip: Falsefsdp: []fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}parallelism_config: Nonedeepspeed: Nonelabel_smoothing_factor: 0.0optim: adamw_torch_fusedoptim_args: Nonegroup_by_length: Falselength_column_name: lengthproject: huggingfacetrackio_space_id: trackioddp_find_unused_parameters: Noneddp_bucket_cap_mb: Noneddp_broadcast_buffers: Falsedataloader_pin_memory: Truedataloader_persistent_workers: Falseskip_memory_metrics: Truepush_to_hub: Falseresume_from_checkpoint: Nonehub_model_id: Nonehub_strategy: every_savehub_private_repo: Nonehub_always_push: Falsehub_revision: Nonegradient_checkpointing: Falsegradient_checkpointing_kwargs: Noneinclude_for_metrics: []eval_do_concat_batches: Trueauto_find_batch_size: Falsefull_determinism: Falseddp_timeout: 1800torch_compile: Falsetorch_compile_backend: Nonetorch_compile_mode: Noneinclude_num_input_tokens_seen: noneftune_noise_alpha: Noneoptim_target_modules: Nonebatch_eval_metrics: Falseeval_on_start: Falseuse_liger_kernel: Falseliger_kernel_config: Noneeval_use_gather_object: Falseaverage_tokens_across_devices: Trueuse_cache: Falseprompts: Nonebatch_sampler: batch_samplermulti_dataset_batch_sampler: round_robinrouter_mapping: {}learning_rate_mapping: {}1@inproceedings{reimers-2019-sentence-bert,
2 title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
3 author = "Reimers, Nils and Gurevych, Iryna",
4 booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
5 month = "11",
6 year = "2019",
7 publisher = "Association for Computational Linguistics",
8 url = "https://arxiv.org/abs/1908.10084",
9}1@misc{oord2019representationlearningcontrastivepredictive,
2 title={Representation Learning with Contrastive Predictive Coding},
3 author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
4 year={2019},
5 eprint={1807.03748},
6 archivePrefix={arXiv},
7 primaryClass={cs.LG},
8 url={https://arxiv.org/abs/1807.03748},
9}