metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:1473
  - loss:CosineSimilarityLoss
base_model: sergeyzh/rubert-mini-frida
widget:
  - source_sentence: А если я ИП или самозанятый, получу ли я софинансирование по ПДС?
    sentences:
      - >-
        Возможны программы 'Ипотека без ПВ под залог имеющегося жилья' или
        'Нецелевой кредит под залог'.
      - В чем разница между именной и моментальной кредитной картой?
      - Да, ИП и самозанятые могут получать софинансирование по ПДС.
  - source_sentence: >-
      При расторжении договора ПДС сроком до 2 лет возвращается 100% внесенных
      средств.
    sentences:
      - Софинансирование по ПДС зависит от дохода...
      - >-
        Софинансирование по ПДС — это возможность получить финансовую поддержку
        от государства на личные взносы.
      - >-
        При расторжении договора ПДС сроком от 2 до 7 лет возвращается 100%
        внесенных средств и 100% дохода от инвестирования.
  - source_sentence: >-
      Страхование жизни и здоровья (Лайф) при ипотеке добровольное, но отказ
      может повлиять на ставку.
    sentences:
      - >-
        При выполнении определенных условий, участник ПДС имеет право на возврат
        подоходного налога до 88 000 рублей ежегодно...
      - >-
        В каких случаях необходимо нотариальное согласие супруга на передачу
        недвижимости в залог по ипотечному договору?
      - >-
        Оформление полиса страхования жизни и здоровья для ипотеки является
        добровольным, однако отказ от него может отразиться на процентной
        ставке.
  - source_sentence: >-
      Какие возможности есть для оплаты кредитной картой Сбера через Apple Pay
      или Google Pay?
    sentences:
      - Что представляет собой ипотека?
      - >-
        Кредитная карта Сбера выпускается на пластике международной платежной
        системы МИР.
      - >-
        Случаи применения двухвизитной схемы ипотечной сделки включают Военную
        ипотеку, объекты в залоге, нотариально удостоверяемые сделки, операции
        по доверенности, с участием нерезидентов, с предоставлением иного
        залога, а также ИЖС с использованием эскроу-счетов...
  - source_sentence: Что такое минимальная гарантированная ставка по вкладу?
    sentences:
      - >-
        Нужно ли предоставлять документы о доходах при оформлении ипотеки по
        программе 'Отказ от финансовых документов'?
      - >-
        Допускается ли внесение средств на счет ПДС с банковской карты,
        принадлежащей другому лицу?
      - >-
        Минимальная гарантированная ставка указывается на первой странице
        договора вклада и определяет минимальный доход при хранении вклада до
        конца срока.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - cosine_accuracy
  - cosine_accuracy_threshold
  - cosine_f1
  - cosine_f1_threshold
  - cosine_precision
  - cosine_recall
  - cosine_ap
  - cosine_mcc
model-index:
  - name: SentenceTransformer based on sergeyzh/rubert-mini-frida
    results:
      - task:
          type: binary-classification
          name: Binary Classification
        dataset:
          name: binary sts validation
          type: binary-sts-validation
        metrics:
          - type: cosine_accuracy
            value: 0.8157181571815718
            name: Cosine Accuracy
          - type: cosine_accuracy_threshold
            value: 0.6679937839508057
            name: Cosine Accuracy Threshold
          - type: cosine_f1
            value: 0.8382978723404255
            name: Cosine F1
          - type: cosine_f1_threshold
            value: 0.5157450437545776
            name: Cosine F1 Threshold
          - type: cosine_precision
            value: 0.7519083969465649
            name: Cosine Precision
          - type: cosine_recall
            value: 0.9471153846153846
            name: Cosine Recall
          - type: cosine_ap
            value: 0.8755934249907517
            name: Cosine Ap
          - type: cosine_mcc
            value: 0.5938990835056142
            name: Cosine Mcc

SentenceTransformer based on sergeyzh/rubert-mini-frida

This is a sentence-transformers model finetuned from sergeyzh/rubert-mini-frida. It maps sentences & paragraphs to a 312-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: sergeyzh/rubert-mini-frida
Maximum Sequence Length: 2048 tokens
Output Dimensionality: 312 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': 2048, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 312, '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.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("George2002/duplicates_checker_v1")
# Run inference
sentences = [
    'Что такое минимальная гарантированная ставка по вкладу?',
    'Минимальная гарантированная ставка указывается на первой странице договора вклада и определяет минимальный доход при хранении вклада до конца срока.',
    'Допускается ли внесение средств на счет ПДС с банковской карты, принадлежащей другому лицу?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 312]

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

Evaluation

Metrics

Binary Classification

Dataset: binary-sts-validation
Evaluated with BinaryClassificationEvaluator

Metric	Value
cosine_accuracy	0.8157
cosine_accuracy_threshold	0.668
cosine_f1	0.8383
cosine_f1_threshold	0.5157
cosine_precision	0.7519
cosine_recall	0.9471
cosine_ap	0.8756
cosine_mcc	0.5939

Training Details

Training Dataset

Unnamed Dataset

Size: 1,473 training samples
Columns: sentence1, sentence2, and label
Approximate statistics based on the first 1000 samples:
sentence1 sentence2 label
type string string int
details
min: 6 tokens
mean: 19.16 tokens
max: 58 tokens

min: 7 tokens
mean: 21.22 tokens
max: 66 tokens

0: ~42.40%
1: ~57.60%

	sentence1	sentence2	label
type	string	string	int
details	min: 6 tokens mean: 19.16 tokens max: 58 tokens	min: 7 tokens mean: 21.22 tokens max: 66 tokens	0: ~42.40% 1: ~57.60%

Samples:

sentence1	sentence2	label
`Какие средства не подлежат списанию по исполнительным документам?`	`Как погасить кредит, если счет арестован?`	`0`
`В случае изменения реквизитов необходимо сообщить в Фонд не позднее 7 дней...`	`В случае изменения реквизитов необходимо сообщить в Фонд не позднее 10 дней...`	`0`
`Как активировать карту Сбера, чтобы начать ей пользоваться?`	`После получения кредитной карты никаких дополнительных действий совершать не требуется, можно сразу ей пользоваться.`	`1`

Loss: CosineSimilarityLoss with these parameters:

{
    "loss_fct": "torch.nn.modules.loss.MSELoss"
}

Evaluation Dataset

Unnamed Dataset

Size: 369 evaluation samples
Columns: sentence1, sentence2, and label
Approximate statistics based on the first 369 samples:
sentence1 sentence2 label
type string string int
details
min: 6 tokens
mean: 18.25 tokens
max: 47 tokens

min: 7 tokens
mean: 20.62 tokens
max: 61 tokens

0: ~43.63%
1: ~56.37%

	sentence1	sentence2	label
type	string	string	int
details	min: 6 tokens mean: 18.25 tokens max: 47 tokens	min: 7 tokens mean: 20.62 tokens max: 61 tokens	0: ~43.63% 1: ~56.37%

Samples:

sentence1	sentence2	label
`Можно ли забрать деньги из программы долгосрочного сбережения ПДС?`	`Да, можно при достижении оснований (15 лет, возраст 55/60, особые ситуации) или досрочно согласно таблице выкупных сумм.`	`1`
`Минимальный взнос после вступления в программу ПДС (на этапе накопления) - 1 000 рублей.`	`Минимальный взнос после вступления в программу ПДС (на этапе накопления) - 1 500 рублей.`	`0`
`Закрыть вклад или счет можно в СберБанк Онлайн или в офисе Сбера; при досрочном закрытии срочного вклада теряются проценты.`	`Прекратить действие вклада или счета можно через интернет-банк СберБанк Онлайн либо в отделении банка; в случае досрочного закрытия срочного вклада начисленные проценты аннулируются.`	`1`

Loss: CosineSimilarityLoss with these parameters:

{
    "loss_fct": "torch.nn.modules.loss.MSELoss"
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 32
per_device_eval_batch_size: 16
learning_rate: 5e-06
num_train_epochs: 10
warmup_ratio: 0.1
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: 32
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-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: 10
max_steps: -1
lr_scheduler_type: linear
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: 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: 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
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: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	Validation Loss	binary-sts-validation_cosine_ap
0.2553	12	0.217	-	-
0.5106	24	0.22	-	-
0.7660	36	0.1985	-	-
1.0213	48	0.2037	-	-
1.0638	50	-	0.2223	0.7656
1.2766	60	0.205	-	-
1.5319	72	0.1976	-	-
1.7872	84	0.2051	-	-
2.0426	96	0.1796	-	-
2.1277	100	-	0.2085	0.8037
2.2979	108	0.1993	-	-
2.5532	120	0.188	-	-
2.8085	132	0.1925	-	-
3.0638	144	0.2108	-	-
3.1915	150	-	0.1975	0.8317
3.3191	156	0.1852	-	-
3.5745	168	0.1796	-	-
3.8298	180	0.1981	-	-
4.0851	192	0.1917	-	-
4.2553	200	-	0.1880	0.8486
4.3404	204	0.192	-	-
4.5957	216	0.1955	-	-
4.8511	228	0.1688	-	-
5.1064	240	0.1741	-	-
5.3191	250	-	0.1799	0.8625
5.3617	252	0.1762	-	-
5.6170	264	0.1796	-	-
5.8723	276	0.1786	-	-
6.1277	288	0.177	-	-
6.3830	300	0.1738	0.1739	0.8686
6.6383	312	0.1826	-	-
6.8936	324	0.1599	-	-
7.1489	336	0.1844	-	-
7.4043	348	0.1747	-	-
7.4468	350	-	0.1702	0.8730
7.6596	360	0.1742	-	-
7.9149	372	0.1663	-	-
8.1702	384	0.1658	-	-
8.4255	396	0.1623	-	-
8.5106	400	-	0.1676	0.8756

Framework Versions

Python: 3.11.2
Sentence Transformers: 4.1.0
Transformers: 4.49.0
PyTorch: 2.5.1
Accelerate: 1.5.2
Datasets: 3.5.1
Tokenizers: 0.21.0

Citation

BibTeX

Sentence Transformers

@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",
}