This is a sentence-transformers model finetuned from BAAI/bge-m3 on the ko-triplet-v1.0 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: BAAI/bge-m3
Maximum Sequence Length: 8192 tokens
Output Dimensionality: 1024 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- ko-triplet-v1.0
Language: ko

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': 8192, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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("scottsuk0306/bge-m3-ko-v1.1")
# Run inference
sentences = [
    '미국에서 국가기술이전진흥법이 제정된 해는 언제인가',
    '미국은 1980년 「Bayh-Dole법」 제정 및 1995년 「국가기술이전진흥법」 제정을 계기로 기술이전 및 사업화 기반구축을 위해 정책적으로 노력하고 있다. 국가기술이전센터(NTTC), 지역기술이전센터(RTTC), 연방연구소컨소시엄(FLC) 등 정부차원의 기술이전기관은 주로 총괄업무를 담당하며, 민간기관, 연구소, 대학기술이전사무소(TLO)에서의 실제 기술거래가 활발한 편이다. 또한, 정부 R&D의 사업화 촉진을 위해 1982년 「중소기업혁신개발법」(Small Business Innovation Development Enhancement Act)을 제정하고 SBIR(Small Business Innovation Research) 제도를 도입하여 1억불 이상 R&D자금을 지원하는 연방정부는 일정비율을 SBIR에 할당하도록 의무화하였으며 그 결과 국방부, 에너지부, 상무부 등 11개 부처가 참여하여 2008년 기준으로 R&D자금의 2.5% 이상을 지원하고 있다.',
    '우리사회에서 지역문화정책이 본격적으로 논의되기 시작한 1990년대 후반부터 현재까지 정부에서는 지역문화진흥에 대한 지속적인 정책개발이 이루어졌으며, 이를 통해 다양한 정책사업들을 추진해왔다. 지역의 문화적 기초를 마련하기 위한 문화기반 시설인프라 확충 및 지역문화 전문주체의 구성 및 지원, 지역 주민 문화향유를 위한 기획사업 및 프로그램 등 다양한 방식의 정책사업들이 추진되었으며 이를 통해 지역의 문화를 고양하기 위한 여러 가지 정책과 정책사업이 추진되었다. 이러한 시대적 상황 하에서 지역문화에 대한 가치 발견과 지역문화진흥에 대한 제도적지원의 필요성이 지속적으로 제기 되어온 바, 2014년 1월 ‘지역문화진흥법’이 제정되고 동년 7월에 본격 시행되었다. 문화체육관광부에서는 지역문화진흥법의 제정 및 시행을 토대로 중앙정부 차원의 정책계획으로서 법에서 정하고 있는 지역문화진흥기본계획을 수립하고 그에 따른 정책사업 추진의 방향을 설정하고 있으며 각 지역에 정책사업을 지원 및 시행하고 있다.',
]
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]

Evaluation

Metrics

Triplet

Dataset: dev
Evaluated with TripletEvaluator

Metric	Value
cosine_accuracy	0.99

Training Details

Training Dataset

ko-triplet-v1.0

Dataset: ko-triplet-v1.0 at 1f5d72d
Size: 744,862 training samples
Columns: anchor, positive, and negative
Approximate statistics based on the first 1000 samples:
anchor positive negative
type string string string
details
min: 9 tokens
mean: 22.12 tokens
max: 146 tokens
min: 10 tokens
mean: 92.69 tokens
max: 1815 tokens
min: 8 tokens
mean: 99.24 tokens
max: 880 tokens

Samples:

anchor	positive	negative
`글쓰기, 대회, 참가료, 받다`	`글쓰기 대회는 참가자한테 일정분의 참가료를 받았다.`	`재주는 예절, 음악, 활쏘기, 글쓰기, 말타기, 계산하기 등등 이다.`
`"K리그 2002 시즌"에서 기록한 관객의 수보다 독일 고틀리프 다임러 경기장에서 개최된 "제4회 세계 육상 선수권 대회"의 관객 수가 많았나?`	`1993년 세계 육상 선수권 대회. 제4회 세계 육상 선수권 대회는 국제 육상 경기 연맹 주관으로 1993년 8월 13일에서 8월 22일까지 독일 슈투트가르트 고틀리프 다임러 경기장에서 열린 국제 육상 대회이다. 독일에서 열린 첫 번째 세계 육상 선수권 대회였다. 187개국 선수 1630명이 참가했으며, 대회 역사상 가장 많은 수인 58만 5000명의 관중이 입장했다.`	송강호. 경력. 1996-2000: 초기 경력과 주목 받다. 1999년에는 강제규 감독의 영화 《쉬리》에 이장길 역할로 출연했다. 이 영화는 관객수 582만 명을 기록하며 당시 국내 최다 관객 영화 기록을 갱신했고, 최초로 500만 관객을 넘어섰다. 2000년에는 코미디 영화 《반칙왕》에서 첫 주연을 맡았다. 이 영화에서 그는 은행원이자 레슬러 대호 역할로 캐스팅 되어 영화를 위해 레슬링 훈련을 했었다. 이후 송강호는 이 영화가 가장 인상 깊다고 꼽으며 "물리적으로 가장 극한의 상황까지 간 작품이었다는 생각이 든다. 만약 지금 레슬링을 다시 한다면 죽을 거다"라고 말했다. 같은 해 그는 박찬욱 감독의 영화 《공동경비구역 JSA》에서 오경필 중사 역할로 출연했다. 이 영화는 이전까지 반공이데올로기에서 벗어나지 못했던 분단 소재 한국영화의 시각을 인간애로 확장한 작품으로 583만 명의 관객수를 기록하며 역대 흥행 1위 영화로 기록했다. 송강호는 2019년 매체와의 인터뷰에서 배우 인생의 전환점이 됐다고 언급하며 “두 영화가 개봉한 2000년은 배우 생활 초반의 분기점이 됐다”고 말했다. 한 영화 관계자는 송강호에게 "《반칙왕》에서 보여준뛰어난 연기를 보고 그 이상의 연기는 나올 수 없을 것이라 생각했다. 이번 영화를 보고 내가 당신 연기의 한계를 너무 낮게 잡았음을 알았다"고 말했다. 《매일경제》의 프리뷰에서는 "송강호가 그려낸 따뜻하고 넉넉한 오경필 중사는 군기가 한참 빠져 서로 노닥거리는 것으로 비칠수도 있는 모습들을 눈물나는 형제애로 잡아주는 든든한 받침대다"라고 리뷰했다. 이러한 호평 속에 제1회 부산영화평론가협회상, 제38회 대종상영화제, 제3회 도빌아시아영화제, 에서 남우주연상을 수상했고, 이 외에도 백상예술대상에서 인기상을 받는 등 다수의 시상식에서 연기력과 스타성에서 인정을 받았다.
`트리거는 데이터를 저장시켜?`	`트리거는 안테나 시험 장비를 구동시켜 시나리오를 발생시키며, 시나리오에 따라 안테나부의 송신기와 수신기를 제어 및 측정하여 데이터를 저장하 게 된다.`	`영화관에서는 왜 대부분의 관객이 실감나게 소리가 잘 들리는 걸까? 디자인이 Ugly하지만 왜 CRT일때는 소리가 잘 들렸을까? 이런 질문에 대한 해답을 영화관 스크린속에서 찾을 수 있었다.`

Loss: [object Object].ModifiedGISTEmbedLoss with these parameters:
json
1{'guide': SentenceTransformer( 2 (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: NewModel 3 (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True}) 4 (2): Normalize() 5), 'temperature': 0.01}

Evaluation Dataset

ko-triplet-v1.0

Dataset: ko-triplet-v1.0 at 1f5d72d
Size: 744,862 evaluation samples
Columns: anchor, positive, and negative
Approximate statistics based on the first 1000 samples:
anchor positive negative
type string string string
details
min: 8 tokens
mean: 22.19 tokens
max: 100 tokens
min: 12 tokens
mean: 98.72 tokens
max: 1262 tokens
min: 11 tokens
mean: 95.33 tokens
max: 741 tokens

Samples:

anchor	positive	negative
`지하, 차도, 빠져나가다, 우회전, 하다, 목적지, 도착하다`	`지하 차도를 재빨리 빠져나가자마자 우회전을 하면 목적지에 도착한다.`	`재주라는 것은 예절, 음악, 활쏘기, 글쓰기, 말타기, 계산하기다.`
`본문의 표 6에서 packet length = 0.5이고 노드수가 4일 때 Basic CSMA/CA의 수학적분석값은 얼마일까?`	`[object Object] [object Object] [object Object] [object Object] [object Object] [object Object] [object Object] [object Object] [object Object] [object Object] [object Object] [object Object] [object Object] [object Object] [object Object]`

	anchor	positive	negative
type	string	string	string
details	min: 9 tokens mean: 22.12 tokens max: 146 tokens	min: 10 tokens mean: 92.69 tokens max: 1815 tokens	min: 8 tokens mean: 99.24 tokens max: 880 tokens

juyoungml/bge-m3-ko-v1.1

SentenceTransformer based on BAAI/bge-m3

Model Details

Model Description

Model Sources

Full Model Architecture

Usage

Direct Usage (Sentence Transformers)

Evaluation

Metrics

Triplet

Training Details

Training Dataset

ko-triplet-v1.0

Evaluation Dataset

ko-triplet-v1.0

juyoungml/
bge-m3-ko-v1.1