This is a sentence-transformers model finetuned from intfloat/multilingual-e5-base. It maps sentences & paragraphs to a 768-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-base
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity

Language: gr
License: apache-2.0

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, 'architecture': 'XLMRobertaModel'})
  (1): Pooling({'word_embedding_dimension': 768, '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("novelcore/aristotle")
# Run inference
sentences = [
    'Η εγκατάσταση και λειτουργία ηλεκτρονικών υπολογιστών σε επιχειρήσεις προσφοράς υπηρεσιών διαδικτύου δεν εμπίπτει στην απαγόρευση παιγνίων.',
    "Τίτλος: ΝΟΜΟΣ ΥΠ' ΑΡΙΘΜ. 3037\nΈτος: 2002\nΑπαγόρευση παιγνίων.\nΆρθρο 3\nΤίτλος άρθρου: Επιχειρήσεις προσφοράς υπηρεσιών διαδικτύου\nΔεν εμπίπτει στην απαγόρευση που ορίζεται στο άρθρο 2 η εγκατάσταση και λειτουργία ηλεκτρονικών υπολογιστών σε καταστήματα που λειτουργούν ως επιχειρήσεις προσφοράς υπηρεσιών διαδικτύου. Η διενέργεια, όμως, παιγνίου με τους υπολογιστές αυτούς, ανεξάρτητα από τον τρόπο διενέργειάς του, απαγορεύεται.\nΓια τη λειτουργία επιχείρησης προσφοράς υπηρεσιών διαδικτύου απαιτείται ειδική αδεία του δήμου η της κοινότητας στην περιφέρεια του οποίου βρίσκεται το κατάστημα και αν λειτουργεί σε πλοίο της Λιμενικής Αρχής του αφετηρίου λιμένα. Κατά την πρώτη εφαρμογή του μέτρου η επιχείρηση πρέπει να εφοδιαστεί με την αδεία αυτή εντός τριών (3) μηνών από την έναρξη ισχύος του νομού αυτού.",
    "Τίτλος: ΝΟΜΟΣ ΥΠ' ΑΡΙΘΜ. 3935\nΈτος: 2011\nΚύρωση της Συμφωνίας μεταξύ της Κυβέρνησης της Ελληνικής Δημοκρατίας και της Κυβέρνησης της Δημοκρατίας της Σερβίας σχετικά με τη συνεργασία για την πρόληψη και την καταπολέμηση του εγκλήματος και ιδιαίτερα των οργανωμένων μορφών του.\nΆρθρο δεύτερο\nΗ ισχύς του παρόντος νόμου αρχίζει από τη δημοσίευσή του στην Εφημερίδα της Κυβερνήσεως και της Συμφωνίας, που κυρώνεται από την πλήρωση των προϋ\xadποθέσεων του άρθρου 11 αυτής.\nΠαραγγέλλομε τη δημοσίευση του παρόντος στην Εφημερίδα της Κυβερνήσεως και την εκτέλεσή του ως νόμου του Κράτους.",
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.5922, 0.0360],
#         [0.5922, 1.0000, 0.1192],
#         [0.0360, 0.1192, 1.0000]])

Evaluation

Metrics

Information Retrieval

Dataset: test
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@3	0.938
cosine_accuracy@10	0.9706
cosine_precision@3	0.3127
cosine_precision@10	0.0971
cosine_recall@3	0.938
cosine_recall@10	0.9706
cosine_ndcg@3	0.9088
cosine_ndcg@10	0.9209
cosine_mrr@3	0.8986
cosine_mrr@10	0.9047
cosine_map@100	0.9058

Information Retrieval

Dataset: valid
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@3	0.932
cosine_accuracy@10	0.9683
cosine_accuracy@50	0.9896
cosine_precision@10	0.0968
cosine_recall@10	0.9683
cosine_ndcg@3	0.9027
cosine_ndcg@10	0.9162
cosine_ndcg@50	0.9211
cosine_mrr@10	0.8993
cosine_map@100	0.9005

Training Details

Training Dataset

Unnamed Dataset

Size: 6,165,829 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 11 tokens
mean: 30.47 tokens
max: 512 tokens
min: 74 tokens
mean: 442.51 tokens
max: 512 tokens

Samples:

anchor	positive
`Ίδρυσε το τουριστικό θέρετρο Porto Carras στη Σιθωνία Χαλκιδικής.`	Γιάννης Κ. Καρράς[object Object]Ο Γιάννης Καρράς του Κωνσταντίνου (1907 10 Ιουνίου 1989) ήταν Έλληνας μεγαλοεφοπλιστής, εγγονός του καπετάνιου και πλοιοκτήτη Ιωάννη Ι. Καρρά (1852-1927) από τα Καρδάμυλα της Χίου και υπηρέτησε ως Πρόεδρος της Ελληνικής Επιτροπής Ναυτιλιακής Συνεργασίας (GSCC) στο Λονδίνο στα 1963-1965. Κατά τον Δεύτερο Παγκόσμιο Πόλεμο υπηρέτησε ως εθελοντής αξιωματικός στο Ελληνικό Ναυτικό και παρασημοφορήθηκε τρεις φορές. Υποστήριζε από την αρχή την έναρξη των Ποσειδωνίων, της πλέον επιτυχημένης διεθνούς ναυτιλιακής έκθεσης που πραγματοποιείται στην Ελλάδα. Ήταν επίσης συνιδρυτής της ναυτιλιακής ακαδημίας μηχανικών στη Χίο. Ο Γιάννης Καρράς πέθανε το 1989. Όλη η περιουσία πέρασε στα παιδιά του και τους λοιπούς συγγενείς.[object Object]Ο Γιάννης Καρράς γεννήθηκε στα Καρδάμυλα της Χίου σε οικογένεια που είχε προϊστορία με τη ναυτιλία. Όταν ενηλικιώθηκε σπούδασε οικονομικά στη Λωζάνη της Ελβετίας.[object Object]Ξεκίνησε ως διευθύνων στέλεχος στα γραφεία του Άγγελου Λούζη CBE. Ωστόσο το 1965, περίπου μετά από μια...
`Η νομολογία που αναπτύχθηκε μετά την Αναθεώρηση του 2001 ήταν απαγορευτική για τις αλλαγές στους χαρακτηρισμούς δασικών εκτάσεων.`	Κυρίες και κύριοι συνάδελφοι, σε αυτήν τη δεύτερη ενότητα των αναθεωρητέων άρθρων στην Ολομέλεια της Βουλής υπάρχουν άρθρα τα οποία έχουν να κάνουν με την αξιοπιστία του πολιτικού συστήματος και υπάρχουν το άρθρο 24 και το συνοδό άρθρο 117 το οποίο έχει σχέση με το περιβάλλον. Πολύ συζήτηση έγινε τόσο στην επιτροπή όσο και στην Ολομέλεια. Θα επιχειρήσω την προσέγγιση του άρθρου 24 και του συνοδού 117 με την οπτική γωνία του πολίτη, τι βλέπει σήμερα ο πολίτης και τι νιώθει στην Ελλάδα σε σχέση με την περιβαλλοντική πολιτική της πολιτείας. Ο πολίτης αισθάνεται ότι σε αυτόν τον τόπο έχουμε ισχυρούς νόμους και πολύ μεγάλες αυθαιρεσίες πάνω σε αυτούς. Ο πολίτης αισθάνεται ότι κάποτε τον άφησε η πολιτεία να συμμετέχει σε έναν οικοδομικό συνεταιρισμό, τον ηλεκτροδότησε, του χώρισε δρόμους και στη συνέχεια του απαγόρευσε –και μιλώ ιδιαίτερα για τις κατώτερες εισοδηματικές τάξεις- τη δυνατότητα απόκτησης μιας δεύτερης κατοικίας. Ο πολίτης βλέπει την πολιτεία, μετά την Αναθεώρηση του 2001 και με...
`ΣΥΡΙΖΑ, Συμβούλιο Εθνικής Ασφαλείας, κ. Καμμένος, κ. Τσίπρας`	Κυρίες και κύριοι συνάδελφοι, η αλήθεια είναι ότι ο κ. Τσίπρας βρίσκει τρόπους να μας εκπλήσσει. Σήμερα προσπάθησε να καλύψει με κάποιες κορώνες το κενό που αφήνει η απουσία του κ. Καμμένου από την Αίθουσα. Και με καθυστέρηση -και διορθώστε με αν κάνω λάθος- μάθαμε ότι ο ΣΥΡΙΖΑ θεωρεί ενδοτική τη συμπεριφορά της Ελλάδας το 1996. Είναι η ατζέντα των εθνικιστών σε μια καινούργια ΣΥΡΙΖΑ - ΑΝΕΛ εκδοχή. Και πραγματικά θα ήθελα να ρωτήσω τον κ. Τσίπρα τι είναι χειρότερο: Το ευχαριστώ του Σημίτη τους συμμάχους ή το ευχαριστώ του κ. Τραμπ στον Έλληνα Πρωθυπουργό για την απλοχεριά στις πολεμικές δαπάνες; Σας θυμίζω ότι ήταν 2,4 δισεκατομμύρια δολάρια η μία μόνο επίσκεψη. (Χειροκροτήματα από την πτέρυγα του Ποταμιού) Θα ξεκινήσω, λοιπόν, αναγκαστικά κι εγώ με τα μεγάλα εξωτερικά θέματα και βεβαίως θα είμαι μέσα στον κανόνα του χρόνου. Ζήτησα και χθες να κάνουμε όλοι μια προσπάθεια να διαχωρίσουμε τα μείζονα εξωτερικά θέματα από τις εσωτερικές πολιτικές συγκρούσεις. Οι ώριμοι αντίπαλοι αντιπαρατί...

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim", 4 "gather_across_devices": false 5}

Evaluation Dataset

Unnamed Dataset

Size: 35,766 evaluation samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 13 tokens
mean: 31.54 tokens
max: 78 tokens
min: 53 tokens
mean: 350.64 tokens
max: 512 tokens

Samples:

anchor	positive
`Ποιες είναι οι τροποποιήσεις που επέρχονται στην παρ. 3 του άρθρου 28Γ του Κώδικα Φορολογίας Εισοδήματος;`	Τίτλος: ΝΟΜΟΣ ΥΠ' ΑΡΙΘΜ. 5162[object Object]Έτος: 2024[object Object]Μέτρα για την ενίσχυση του εισοδήματος, φορολογικά κίνητρα για την καινοτομία και τους μετασχηματισμούς επιχειρήσεων και άλλες διατάξεις.[object Object]Άρθρο 7[object Object]Τίτλος άρθρου: Μείωση του ελάχιστου ποσού καθαρού εισοδήματος από την άσκηση επιχειρηματικής δραστηριότητας σε μικρές δημοτικές κοινότητες - Τροποποίηση παρ. 3 άρθρου 28Γ Κώδικα Φορολογίας Εισοδήματος[object Object]Στην παρ. 3 του άρθρου 28Γ του Κώδικα Φορολογίας Εισοδήματος (ΚΦΕ, ν. 4172/2013, Α΄ 167), περί λοιπών μειώσεων του ελάχιστου ποσού καθαρού εισοδήματος από την άσκηση επιχειρηματικής δραστηριότητας και ειδικών ρυθμίσεων, επέρχονται οι ακόλουθες τροποποιήσεις: α) οι λέξεις «σε οικισμούς με πληθυσμό μικρότερο των πεντακοσίων (500) κατοίκων ή» αριθμούνται ως περ. α), β) προστίθεται περ. β), γ) οι λέξεις «σε νησιά με πληθυσμό μικρότερο των τριών χιλιάδων εκατό (3.100) κατοίκων» αριθμούνται ως περ. γ), και η παρ. 3 διαμορφώνεται ως εξής:[object Object]«3. Το ποσό της παρ. 2 του άρθρου 28Α μειώνεται κατά το ήμισυ (1/2) για υπ...
`Ποιος εκδίδει την απόφαση για την εκκίνηση της διαδικασίας κωδικοποίησης;`	Τίτλος: ΝΟΜΟΣ ΥΠ' ΑΡΙΘΜ. 4622[object Object]Έτος: 2019[object Object]Επιτελικό Κράτος: οργάνωση, λειτουργία και διαφάνεια της Κυβέρνησης, των κυβερνητικών οργάνων και της κεντρικής δημόσιας διοίκησης.[object Object]Άρθρο 67[object Object]Τίτλος άρθρου: Διαδικασία κωδικοποίησης[object Object]1. Η διαδικασία κωδικοποίησης εκκινεί με απόφαση του Γενικού Γραμματέα Νομικών και Κοινοβουλευτικών Θεμάτων, η οποία εκδίδεται: (α) ύστερα από σχετικές εισηγήσεις των οικείων υπουργείων ή του Υπουργείου που είναι αρμόδιο για την απλούστευση των διαδικασιών και η οποία αναρτάται στο διαδίκτυο σύμφωνα με τις διατάξεις του ν. 3861/2010 (Α΄ 112), (β) ύστερα από εισήγηση της ΚΕΚ.[object Object]2. Επιτροπές κωδικοποίησης επιτρέπεται να συστήνονται εφεξής στα καθ’ ύλην αρμόδια Υπουργεία μόνο με αιτιολογημένη απόφαση του καθ’ ύλην αρμόδιου υπουργού, ύστερα από γνώμη της ΚΕΚ. Το προηγούμενο εδάφιο δεν εφαρμόζεται στις επιτροπές κωδικοποίησης του Υπουργείου Δικαιοσύνης. Δεν αποκλείει επίσης τη διοικητική κωδικοποίηση της παραγράφου 2 του άρθρου 65 του παρόντος από τα αρμόδια Υπουργεία, υπό τ...
`Ποιες είναι οι διαστάσεις του κυκλικού πλαισίου που περιβάλλει το διακριτικό σήμα;`	Τίτλος: ΠΡΟΕΔΡΙΚΟ ΔΙΑΤΑΓΜΑ ΥΠ' ΑΡΙΘΜ. 213[object Object]Έτος: 1999[object Object]Καθιέρωση στολών επιχειρήσεων και εργασίας προσωπικού Λιμενικού Σώματος (ΛΣ) που υπηρετεί σε περιπολικά και ναυαγοσωστικά πλοία.[object Object]Άρθρο 16[object Object]Τίτλος άρθρου: Διακριτικό σήμα περιπολικών πλοίων.[object Object]1. Στην αριστερή χειρίδα του υποκάμισου και στο άνω αριστερό μέρος του στήθους του επενδύτη και της φανέλας φέρεται το διακριτικό σήμα των περιπολικών πλοίων ΛΣ(σχ. 8).[object Object]2. Το ανωτέρω σήμα απεικονίζει δύο χιαστί άγκυρες μέσα σε κύκλο με διάμετρο πεντέμισι (5,5) εκατοστόμετρα και κέντρο τη συμβολή των αγκυρών. Η εσωτερική επιφάνεια του κύκλου είναι κεντημένη με κλωστή χρώματος θαλασσί το δε περίγραμμά του, που είναι κεντημένο με κίτρινη κλωστή έχει πάχος ενάμισι (1,5) χιλιοστόμετρο.[object Object]Οι χιαστί άγκυρες είναι κεντημένες με κίτρινη κλωστή τα δε ακρότατα σημεία τους περιέχονται σε νοητό κύκλο διαμέτρου τριάντα πέντε (35) χιλιοστόμετρων. Κάτω από τις χιαστί άγκυρες και σε απόσταση τριών (3) χιλιοστόμετρων απεικονίζεται θάλασσα σε κυματώδη κατάσταση με τρει...

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim", 4 "gather_across_devices": false 5}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 64
per_device_eval_batch_size: 64
gradient_accumulation_steps: 8
learning_rate: 5e-06
lr_scheduler_type: cosine
warmup_ratio: 0.1
bf16: True
tf32: True
load_best_model_at_end: True
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 64
per_device_eval_batch_size: 64
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 8
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 5e-06
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 3
max_steps: -1
lr_scheduler_type: cosine
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: True
fp16: False
fp16_opt_level: O1
half_precision_backend: auto
bf16_full_eval: False
fp16_full_eval: False
tf32: True
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: True
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_fused
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
hub_revision: None
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
liger_kernel_config: None
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	Validation Loss	test_cosine_ndcg@10	valid_cosine_ndcg@50
-1	-1	-	-	0.7661	-
0.1661	2000	0.6325	0.0720	0.8773	0.8801
0.3322	4000	0.1102	0.0520	0.9004	0.9016
0.4982	6000	0.0869	0.0466	0.9079	0.9088
0.6643	8000	0.0775	0.0411	0.9086	0.9098
0.8304	10000	0.0727	0.0396	0.9108	0.9118
0.9965	12000	0.0686	0.0381	0.9141	0.9155
1.1625	14000	0.064	0.0371	0.9155	0.9161
1.3286	16000	0.0624	0.0360	0.9169	0.9176
1.4947	18000	0.0601	0.0354	0.9172	0.9179
1.6607	20000	0.059	0.0345	0.9196	0.9204
1.8268	22000	0.0586	0.0343	0.9193	0.9196
1.9929	24000	0.0573	0.0336	0.9195	0.9196
2.1589	26000	0.0551	0.0334	0.9196	0.9201
2.3250	28000	0.0546	0.0332	0.9206	0.9205
2.4911	30000	0.0546	0.0330	0.9208	0.9208
2.6572	32000	0.0545	0.0329	0.9207	0.9207
2.8232	34000	0.0542	0.0328	0.9207	0.9210
2.9893	36000	0.0546	0.0329	0.9209	0.9211

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.12.3
Sentence Transformers: 5.1.0
Transformers: 4.55.4
PyTorch: 2.8.0+cu128
Accelerate: 1.10.1
Datasets: 4.0.0
Tokenizers: 0.21.4

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",
}

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}
}

	anchor	positive
type	string	string
details	min: 11 tokens mean: 30.47 tokens max: 512 tokens	min: 74 tokens mean: 442.51 tokens max: 512 tokens