This is a sentence-transformers model finetuned from sentence-transformers/all-MiniLM-L6-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/all-MiniLM-L6-v2
Maximum Sequence Length: 256 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': 256, '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})
  (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.

python

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    'Beasiswa SCG Sharing the Dream untuk Pelajar dan Mahasiswa Deskripsi: Kabar baik bagi kamu pelajar SMA/Sederajat kelas 10 sampai 12 serta mahasiswa D4 dan S1! Ada tawaranbeasiswadari SCG (Siam Cement Group) yang bisa kamu ikuti!BeasiswaSCG Sharing the Dreamkembali diselenggarakan untuk tahun 2024 dengan batas waktu pendaftaran sampai 9 Juni 2024.',
    'Saya tertarik untuk melanjutkan pendidikan di bidang teknologi dan tidak terkait langsung dengan beasiswa di bidang agama atau manajemen.',
    'Saya berencana untuk melanjutkan pendidikan di bidang manajemen sumber daya manusia dan mencari peluang beasiswa untuk memperluas pengetahuan saya di luar negeri.',
]
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]

Training Details

Training Dataset

Unnamed Dataset

Size: 476 training samples
Columns: sentence_0, sentence_1, and label
Approximate statistics based on the first 476 samples:
sentence_0 sentence_1 label
type string string float
details
min: 107 tokens
mean: 168.83 tokens
max: 256 tokens
min: 52 tokens
mean: 58.25 tokens
max: 64 tokens
min: 0.1
mean: 0.5
max: 0.9

Samples:

sentence_0	sentence_1	label
`Beasiswa S1, S2 dan S3 dari Pemerintah Rumania Deskripsi: Hai Sobat Beasiswa.ID! Pemerintah Rumania sedang membuka beasiswa penuh untuk tahun akademik 2023 – 2024 bagi mahasiswa internasional di luar Uni Eropa, terutama Indonesia untuk melanjutkan studi ke Rumania. Ada puluhan kursi beasiswa biasanya disediakan tiap tahun untuk berbagai tingkatan.`	`Saya tertarik untuk melanjutkan pendidikan di bidang teknologi dan tidak terkait langsung dengan beasiswa di bidang agama atau manajemen.`	`0.1`
`Beasiswa Konferensi Model Asia-Europe Meeting untuk Mahasiswa di Malta Deskripsi: Ingin merasakan menjadi diplomat muda selama satu minggu? IkutiKonferensi Model Asia-Europe Meeting (ASEM) Spin-off Malta2019untuk mahasiswaS1,S2,danS3dari semua jurusan. Program ini didukung oleh Asia-Europe Foundation (ASEF) dan akan dilaksanakan di Valletta, Republik Malta (Eropa).`	`Saya baru saja lulus S1 di bidang pendidikan agama Islam dan ingin melanjutkan studi untuk mendapatkan pengalaman belajar di luar negeri dan dalam negeri secara bersamaan.`	`0.9`
`Beasiswa CIMB Niaga untuk Mahasiswa S1 dan D4 Deskripsi: Buat kamu yang sedang mencari beasiswa kuliah, yuk ikuti program BeasiswaCIMBNiaga tahun 2021. Beasiswa ini diselenggarakan oleh PT Bank CIMB Niaga Tbk untuk mendukung mimpi para generasi penerus bangsa untuk mendapatkan pendidikan yang memadai. Beasiswa CIMB Niaga ditawarkan untuk mahasiswa S1 dan D4 semester 5 di seluruh perguruan tinggi di Indonesia.`	`Saya baru saja lulus S1 di bidang pendidikan agama Islam dan ingin melanjutkan studi untuk mendapatkan pengalaman belajar di luar negeri dan dalam negeri secara bersamaan.`	`0.9`

Loss: CosineSimilarityLoss with these parameters:
json
1{ 2 "loss_fct": "torch.nn.modules.loss.MSELoss" 3}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 16
per_device_eval_batch_size: 16
num_train_epochs: 5
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: no
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: 5
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}
tp_size: 0
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
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

Framework Versions

Python: 3.11.12
Sentence Transformers: 3.4.1
Transformers: 4.51.3
PyTorch: 2.6.0+cu124
Accelerate: 1.6.0
Datasets: 3.6.0
Tokenizers: 0.21.1

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",
}

	sentence_0	sentence_1	label
type	string	string	float
details	min: 107 tokens mean: 168.83 tokens max: 256 tokens	min: 52 tokens mean: 58.25 tokens max: 64 tokens	min: 0.1 mean: 0.5 max: 0.9

hauzantsaaqif/beasiswa_sbert

SentenceTransformer based on sentence-transformers/all-MiniLM-L6-v2