This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. It maps sentences & paragraphs to a 384-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: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
Maximum Sequence Length: 128 tokens
Output Dimensionality: 384 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': 128, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, '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.

python

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("gmunkhtur/finetuned_paraphrase-multilingual_v2")
# Run inference
sentences = [
    'Номын нэр ямар утгатай вэ?',
    'news: Монгол Улсын Соёлын гавьяат зүтгэлтэн яруу найрагч Санжаажавын Оюун “Ижилгүй цоохор морь” хэмээх үргэлжилсэн үгийн шинэ номоо өлгийдөн авчээ. Түүний энэ удаагийн номыг яруу найрагч Д.Баянтунгалаг ариутган шүүсэн бөгөөд “Мөнхийн үсэг” компанид хэвлүүлсэн байна. Энэхүү номдоо тэрээр “Костюмт багш”, “Бурханы унаа”, “Би цоохор морь” зэрэг 11 бүтээлээ уншигч олондоо дэлгэн барьжээ. Булган аймгийн Могод сумын харьяат яруу найрагч С.Оюуныг уншигч олон “Хорвоод ганцхан ээждээ”, “Үнсье чамайгаа” зэрэг олон сайхан дуу, “Тань руу нүүж явна” кино зохиол зэргээр нь сайн таних юм. Т.ДАРХАН',
    'news: Бүх цаг үеэс сонгосон дэлхийн яруу найргийн дээж “Гурван зуун шүлэгт” антологи хэвлэгдэн уншигчдын гарт очлоо. Энэ антологийг эмхэтгэж сонголт хийсэн Соёлын гавьяат зүтгэлэн, яруу найраг Г.Мэнд-Ооёотой ярилцлаа. -Та саяхан “Бүх цаг үеэс сонгосон дэлхийн яруу найргийн дээж ГУРВАН ЗУУН ШҮЛЭГТ” нэртэй антологи гаргасан байна? Ийм антологи хийхэд мэдээж нилээд их цаг хугацаа, хүч хөдөлмөр орох байх? -Тиймээ. Би шүлэг зохиолд хорхойсч байх үеэсээ л өөрт сайхан санагдсан шүлгүүдийг тусгай дэвтэрт бичиж, түүнээ үе үе уншиж урам зориг авдаг байсан. Аандаа уг дэвтэр маань олон зуун шүлэгтэй болсон. Тэр ногоон дэвтэр энэ антологийн эхлэл юм. 2005 оноос эхлээд би “Дэлхийн шилдэг яруу найраг” нэртэй цуврал антологиуд хэвлүүлж эхэлсэн. “Оросын яруу найраг”, “Японы яруу найраг”, “Энэтхэгийн яруу найраг”, “Хятадын яруу найраг”, “Америкийн яруу найраг” гээд 10 ботийг гаргаад байгаа л даа. Цуврал маань цааш үргэлжилнэ. Ингээд би өөртөө яруу найргийн нилээд баялаг сан хөмрөгтэй болж, үүнийхээ',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

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

Evaluation

Metrics

Information Retrieval

Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.2516
cosine_accuracy@3	0.4182
cosine_accuracy@5	0.4961
cosine_accuracy@10	0.5992
cosine_precision@1	0.2516
cosine_precision@3	0.1394
cosine_precision@5	0.0992
cosine_precision@10	0.0599
cosine_recall@1	0.2516
cosine_recall@3	0.4182
cosine_recall@5	0.4961
cosine_recall@10	0.5992
cosine_ndcg@10	0.4146
cosine_mrr@10	0.3569
cosine_map@100	0.3688

Training Details

Training Dataset

Unnamed Dataset

Size: 26,619 training samples
Columns: sentence_0 and sentence_1
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1
type string string
details
min: 8 tokens
mean: 17.93 tokens
max: 43 tokens
min: 41 tokens
mean: 124.86 tokens
max: 128 tokens

Samples:

sentence_0	sentence_1
`"Юрийн галавын үе" киноны амжилтыг юугаар тайлбарлах вэ?`	news: Киноны кадраас «Юрийн галавын үе» кино прокатад тавигдсныхаа дараах эхний амралтын өдрөөр хамгийн их орлого оллоо гэж Business Insider хэвлэл мэдээлэв. Хойд Америкт л гэхэд эхний амралтын өдрүүдэд 204,6 сая доллар цуглуулж чадлаа. Гадаад орнуудын үзүүлэлт нь 307,2 сая ам.доллар байв. Нийт кассын орлого 511,8 сая ам.доллар болжээ. Энэхүү үзүүлэлт нь Universal кино компанийн дээд амжилт төдийгүй дэлхийн кино аж үйлдвэрийн томоохон үсрэлт боллоо. Үүнээс өмнө амралтын эхний өдрүүдэд 500 сая долларын босго давсан их мөнгө цуглуулж байсан түүх байхгүй. «Гарри Поттер ба үхлийн тахил: II хэсэг» 483 сая долларын орлого олсноороо хоёрдугаарт явж байна. Universal компанийн дөрөвдүгээр сард гаргасан «Галзуу хурд 7» кино харин эхний амралтын өдрүүдэд 147 сая доллар цуглуулсан юм. Эхний амралтын өдрүүдийн орлого нь кино бизнесийн чухал үзүүлэлт бөгөөд тэр үзүүлэлтээр киноны прокатын хувь заяа шалтгаалдаг. Бэлтгэсэн Ш.МЯГМАР
`Энэ киноны амжилт дэлхийн кино үйлдвэрт ямар нөлөө үзүүлэх вэ?`	news: Киноны кадраас «Юрийн галавын үе» кино прокатад тавигдсныхаа дараах эхний амралтын өдрөөр хамгийн их орлого оллоо гэж Business Insider хэвлэл мэдээлэв. Хойд Америкт л гэхэд эхний амралтын өдрүүдэд 204,6 сая доллар цуглуулж чадлаа. Гадаад орнуудын үзүүлэлт нь 307,2 сая ам.доллар байв. Нийт кассын орлого 511,8 сая ам.доллар болжээ. Энэхүү үзүүлэлт нь Universal кино компанийн дээд амжилт төдийгүй дэлхийн кино аж үйлдвэрийн томоохон үсрэлт боллоо. Үүнээс өмнө амралтын эхний өдрүүдэд 500 сая долларын босго давсан их мөнгө цуглуулж байсан түүх байхгүй. «Гарри Поттер ба үхлийн тахил: II хэсэг» 483 сая долларын орлого олсноороо хоёрдугаарт явж байна. Universal компанийн дөрөвдүгээр сард гаргасан «Галзуу хурд 7» кино харин эхний амралтын өдрүүдэд 147 сая доллар цуглуулсан юм. Эхний амралтын өдрүүдийн орлого нь кино бизнесийн чухал үзүүлэлт бөгөөд тэр үзүүлэлтээр киноны прокатын хувь заяа шалтгаалдаг. Бэлтгэсэн Ш.МЯГМАР
`Киноны эхний амралтын өдрүүдийн орлого яагаад ийм чухал вэ?`	news: Киноны кадраас «Юрийн галавын үе» кино прокатад тавигдсныхаа дараах эхний амралтын өдрөөр хамгийн их орлого оллоо гэж Business Insider хэвлэл мэдээлэв. Хойд Америкт л гэхэд эхний амралтын өдрүүдэд 204,6 сая доллар цуглуулж чадлаа. Гадаад орнуудын үзүүлэлт нь 307,2 сая ам.доллар байв. Нийт кассын орлого 511,8 сая ам.доллар болжээ. Энэхүү үзүүлэлт нь Universal кино компанийн дээд амжилт төдийгүй дэлхийн кино аж үйлдвэрийн томоохон үсрэлт боллоо. Үүнээс өмнө амралтын эхний өдрүүдэд 500 сая долларын босго давсан их мөнгө цуглуулж байсан түүх байхгүй. «Гарри Поттер ба үхлийн тахил: II хэсэг» 483 сая долларын орлого олсноороо хоёрдугаарт явж байна. Universal компанийн дөрөвдүгээр сард гаргасан «Галзуу хурд 7» кино харин эхний амралтын өдрүүдэд 147 сая доллар цуглуулсан юм. Эхний амралтын өдрүүдийн орлого нь кино бизнесийн чухал үзүүлэлт бөгөөд тэр үзүүлэлтээр киноны прокатын хувь заяа шалтгаалдаг. Бэлтгэсэн Ш.МЯГМАР

Loss: MatryoshkaLoss with these parameters:
json
1{ 2 "loss": "MultipleNegativesRankingLoss", 3 "matryoshka_dims": [ 4 384, 5 256, 6 128, 7 64, 8 32 9 ], 10 "matryoshka_weights": [ 11 1, 12 1, 13 1, 14 1, 15 1 16 ], 17 "n_dims_per_step": -1 18}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 20
per_device_eval_batch_size: 20
num_train_epochs: 10
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: 20
per_device_eval_batch_size: 20
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: 10
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	cosine_ndcg@10
0.0376	50	-	0.2937
0.0751	100	-	0.3049
0.1127	150	-	0.3175
0.1503	200	-	0.3277
0.1878	250	-	0.3382
0.2254	300	-	0.3472
0.2630	350	-	0.3585
0.3005	400	-	0.3635
0.3381	450	-	0.3666
0.3757	500	9.7164	0.3697
0.4132	550	-	0.3739
0.4508	600	-	0.3788
0.4884	650	-	0.3799
0.5259	700	-	0.3825
0.5635	750	-	0.3828
0.6011	800	-	0.3852
0.6386	850	-	0.3889
0.6762	900	-	0.3873
0.7137	950	-	0.3863
0.7513	1000	6.4327	0.3925
0.7889	1050	-	0.3913
0.8264	1100	-	0.3910
0.8640	1150	-	0.3941
0.9016	1200	-	0.3936
0.9391	1250	-	0.3907
0.9767	1300	-	0.3969
1.0	1331	-	0.3952
1.0143	1350	-	0.3973
1.0518	1400	-	0.3955
1.0894	1450	-	0.4016
1.1270	1500	5.0976	0.3987
1.1645	1550	-	0.3993
1.2021	1600	-	0.4001
1.2397	1650	-	0.4028
1.2772	1700	-	0.3989
1.3148	1750	-	0.3980
1.3524	1800	-	0.4015
1.3899	1850	-	0.3999
1.4275	1900	-	0.3983
1.4651	1950	-	0.3978
1.5026	2000	4.429	0.4002
1.5402	2050	-	0.3992
1.5778	2100	-	0.4045
1.6153	2150	-	0.4075
1.6529	2200	-	0.4062
1.6905	2250	-	0.4055
1.7280	2300	-	0.4045
1.7656	2350	-	0.4107
1.8032	2400	-	0.4114
1.8407	2450	-	0.4058
1.8783	2500	4.0496	0.4097
1.9159	2550	-	0.4049
1.9534	2600	-	0.4065
1.9910	2650	-	0.4114
2.0	2662	-	0.4093
2.0285	2700	-	0.4091
2.0661	2750	-	0.4094
2.1037	2800	-	0.4085
2.1412	2850	-	0.4140
2.1788	2900	-	0.4117
2.2164	2950	-	0.4131
2.2539	3000	3.3969	0.4129
2.2915	3050	-	0.4146

Framework Versions

Python: 3.10.12
Sentence Transformers: 3.3.1
Transformers: 4.47.1
PyTorch: 2.5.1+cu121
Accelerate: 1.2.1
Datasets: 3.2.0
Tokenizers: 0.21.0

Citation

BibTeX

Sentence Transformers

bibtex

@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",
}

MatryoshkaLoss

bibtex

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

MultipleNegativesRankingLoss

bibtex

@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}
}

	sentence_0	sentence_1
type	string	string
details	min: 8 tokens mean: 17.93 tokens max: 43 tokens	min: 41 tokens mean: 124.86 tokens max: 128 tokens