lunara-kim/custom-embedding-slang-model

SentenceTransformer based on google-bert/bert-base-multilingual-cased

This is a sentence-transformers model finetuned from google-bert/bert-base-multilingual-cased. 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: google-bert/bert-base-multilingual-cased
• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 768 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': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (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})
)

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("lunara-kim/custom-embedding-slang-model")
# Run inference
sentences = [
    '안녕하세요. ▲▲월 ▲▲일부터 ▲▲일까지 더물리아 숙소 견적 부탁드립니다. 성인 2명과 4세 유아 1명입니다. 공항 픽업 대신 공항 드랍도 가능한가요?',
    '고객: 안녕하세요. ▲▲월 ▲▲일부터 ▲▲일까지 더물리아 숙소 견적 부탁드립니다. 성인 2명과 4세 유아 1명입니다. 공항 픽업 대신 공항 드랍도 가능한가요?\n상담사: 안녕하세요, ▲▲▲ 님. 문의 주셔서 감사합니다. ▲▲월 ▲▲일부터 ▲▲일까지 4박에 대한 견적 안내 드릴게요.\n고객: 어떤 객실이 가능한가요?\n상담사: 현재 더물리아에서 가능한 객실은 두 가지입니다. 더 얼 스위트 가든뷰는 4박에 1,443불이고, 더 얼 스위트 비치프론트뷰는 1,710불이에요. 두 객실 모두 4세 자녀는 무료로 부모님과 베드쉐어 가능합니다.\n고객: 더 바론 스위트는 예약이 안 되는 건가요?\n상담사: 네, 맞아요. 더 바론 스위트는 현재 예약이 종료된 상태입니다. 그래서 더 얼 스위트만 예약 가능해요.\n고객: 객실의 크기나 구조는 어떻게 되나요?\n상담사: 더 바론 스위트는 면적이 105m²이고, 넓은 스위트룸 구조예요. 반면, 더 얼 스위트는 130m²로 침실과 리빙 공간이 분리된 구조입니다.\n고객: 예약할 때 다시 확인해 주시는 건가요?\n상담사: 네, 맞습니다. 예약 시점에 객실 가능 여부를 다시 체크해서 가능한 경우에만 예약 진행할 수 있어요.\n고객: 공항 드랍은 어떻게 진행되나요?\n상담사: 공항 픽업 대신 공항 드랍으로 변경 가능하니, 예약 시에 말씀해 주시면 됩니다.\n고객: 감사합니다. \n상담사: 감사합니다, ▲▲▲ 님. 추가 문의사항 있으면 언제든지 말씀해 주세요. 좋은 하루 되세요!',
    '고객: 안녕하세요. 인도네시아 할인항공권 문의 드립니다. ▲▲일에서 한 달 일정으로 가고 싶은데, 가루다항공으로 예약 가능한가요? 성인 5명인데, 4명은 한 달 티켓, 1명은 2달 티켓으로요.\n상담사: 안녕하세요. 문의 주셔서 감사합니다. 인천-발리-자카르타-인천 항공권 예약 가능합니다. 다만, 자카르타-인천 구간은 대한항공만 운항하니 참고해 주세요.\n고객: 그럼 자카르타-인천 구간은 대한항공으로 예약해야 하나요? 가격은 어떻게 되나요?\n상담사: 맞습니다. 자카르타-인천은 대한항공으로 발권하셔야 해요. 한 달 티켓 기준으로 약 74만 원이고, 두 달 티켓은 유효하지 않아요. 세 달 티켓은 약 88만 원 정도입니다. 세금은 별도입니다.\n고객: 인천-자카르타-발리-인천 일정이 더 나은가요?\n상담사: 인천-발리-자카르타-인천 일정도 괜찮습니다. 항공료는 비슷하지만, 국내선 구간 포함하면 더 저렴할 수 있어요. 좌석 상태도 체크해 보시는 게 좋습니다.\n고객: 그럼 발리에서 자카르타까지는 어떤 항공편이 있나요?\n상담사: 발리에서 자카르타까지는 여러 시간대의 항공편이 있어요. 가루다항공을 이용하시면 됩니다. 정확한 시간대는 확인해 보셔야 해요.\n고객: 좌석 상황은 어떻게 확인하나요?\n상담사: 좌석 상황은 저희에게 전화 주시면 자세히 안내해 드릴 수 있어요. 전화번호는 ▲▲-▲▲▲-▲▲▲▲입니다.\n고객: 고맙습니다. 알겠습니다!\n상담사: 감사합니다! 좋은 하루 되시길 기원합니다!',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

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

Training Details

Training Datasets

Unnamed Dataset

• Size: 4,200 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: 9 tokens mean: 86.81 tokens max: 438 tokens	min: 24 tokens mean: 475.98 tokens max: 512 tokens

• Samples:

  sentence_0	sentence_1
  안녕하세요? 여행 견적 문의 드립니다. 어른 4명 가족여행이고, 숙소는 2베드룸 또는 1베드룸 2개로 부탁드려요. 호텔과 골프 예약 여부도 확인해 주세요.	고객: 안녕하세요? 여행 견적 문의 드립니다. 어른 4명 가족여행이고, 숙소는 2베드룸 또는 1베드룸 2개로 부탁드려요. 호텔과 골프 예약 여부도 확인해 주세요. 상담사: 안녕하세요~ 여행 일정 알려주셔서 감사합니다. 고객: 네, 일정은 ▲월 ▲▲일부터 ▲▲월 ▲일까지입니다. 호텔은 발리 우붓의 카욘 정글리조트 또는 만다파 리츠칼튼, 그리고 켐핀스키와 아야나로 예약하고 싶어요. 상담사: ▲/▲▲~▲/▲▲ 발리 우붓의 카욘 정글리조트는 전객실 예약이 마감되었어요. 만다파 리츠칼튼은 Reserve Suite 2객실로 2박에 $3404입니다. 고객: 만다파 리츠칼튼으로 예약할게요. 그럼 켐핀스키와 아야나는 어떻게 되나요? 상담사: 켐핀스키는 Sriwijaya Two-Bedroom Villa로 2박에 $2128입니다. 아야나는 전객실 예약이 마감되었어요. 고객: 아야나는 예약이 안 되면 다른 호텔로 대체할 수 있나요? 상담사: 네, 아야나 대신 다른 호텔로 추천드릴 수 있어요. 어떤 스타일의 호텔을 원하시나요? 고객: 바다 근처의 리조트면 좋겠어요. 골프 예약도 확인해 주세요. 상담사: 골프는 ▲/▲▲ 한다라CC 오전 9시, 1인당 $115입니다. ▲/▲▲ 내셔널CC는 8시 6분, 1인당 $165이고, ▲/▲▲ 뉴꾸따CC는 8시에 1인당 $100입니다. 고객: 골프도 모두 예약해 주세요. 예약 진행하려면 어떻게 해야 하나요? 상담사: 예약 진행 원하시면 전원 영문&한글 성함, 생년월일, 대표자 핸드폰 번호, 도착 항공편명(3박 이상일 경우)을 이메일로 보내주시면 됩니다. 고객: 알겠습니다. 곧 필요한 정보 보내드릴게요. 감사합니다! 상담사: 감사합니다!! 좋은 하루 되셔요.
  안녕하세요. ▲월 항공권은 이미 예약했는데, 위약금 없이 취소 가능한 시점이 ▲월이라고 하더라고요. 회사에서 코로나 사태가 종식될 때까지 동남아 여행 자제를 하라는 지침이 내려와서요. 그래서 ▲월 초에 호텔 예약을 해야 할 것 같은데, 혹시 ▲월 정도에 ▲월 중순 예약하면 늦나요? 아직 리조트는 확실하게 정해진 건 아닌데, 꾸따 쉐라톤 2박, 짐바란(아야나, 포시즌) 또는 누사두아(물리아) 4박 정도 하고 싶어요.	고객: 안녕하세요. ▲월 항공권은 이미 예약했는데, 위약금 없이 취소 가능한 시점이 ▲월이라고 하더라고요. 회사에서 코로나 사태가 종식될 때까지 동남아 여행 자제를 하라는 지침이 내려와서요. 그래서 ▲월 초에 호텔 예약을 해야 할 것 같은데, 혹시 ▲월 정도에 ▲월 중순 예약하면 늦나요? 아직 리조트는 확실하게 정해진 건 아닌데, 꾸따 쉐라톤 2박, 짐바란(아야나, 포시즌) 또는 누사두아(물리아) 4박 정도 하고 싶어요. 상담사: 안녕하세요, ▲▲▲님! ▲▲▲▲ 여행사입니다. 올해는 ▲▲월부터 ▲월에 발리 사전예약이 많았어요. ▲월 말부터 코로나19 사태 이후 예약이 조금 줄어들긴 했지만, 여전히 많은 분들이 예약하고 계세요. 인기 있는 호텔은 벌써 ▲▲월 특정 날짜가 풀부킹된 경우도 있어요. 고객: 그럼 ▲월 초에 예약하면 정말 늦을까요? 상담사: ▲월 초에 ▲월 중순 출발을 예약하는 게 늦을 수도 있고, 아닐 수도 있어요. 발리에 호텔이 많아서 미리 예약하시는 분들이 8090% 정도고, 막판에 예약하시는 분들도 1020% 정도 있거든요. 고객: 그럼 제가 원하는 호텔이 없으면 다른 호텔로 가야 할까요? 상담사: 만약 정하신 호텔을 꼭 가야 한다면 미리 예약하시는 게 좋고, ▲▲월에 취소하셔도 괜찮아요. 여름 성수기에는 일반적으로 한 달 전에 취소하면 캔슬피가 없어요. 고객: 그렇군요. 그런데 여행사 취소 수수료는 어떻게 되나요? 상담사: 저희 여행사에서는 취소 수수료가 3만 원이 있어요. 호텔별로 다르긴 하지만, 이 점도 참고해 주시면 좋겠어요. 고객: 알겠습니다. 감사합니다. 좋은 주말 되세요! 상담사: 네, ▲▲▲님도 행복한 주말 되세요! 언제든지 궁금한 점 있으면 문의해 주세요.
  안녕하세요. ▲▲월 ▲▲일부터 ▲▲일까지 예약하고 싶은데, 가능한지 궁금해요.	고객: 안녕하세요. ▲▲월 ▲▲일부터 ▲▲일까지 예약하고 싶은데, 가능한지 궁금해요. 상담사: 안녕하세요! 예약하고 싶은 호텔에 대해 말씀해 주시면 확인해 드릴게요. 고객: 노보텔 응우라이 에어포트 호텔은 가능한가요? 상담사: 아쉽게도 노보텔 호텔은 저희 쪽에서 예약이 불가능해요. 다른 호텔들은 예약 가능하니 확인해 드릴게요. 고객: 그럼 더블식스 스미냑과 우붓 파르마 리조트는 어떤가요? 상담사: 네, 더블식스 스미냑 디럭스 스위트 오션뷰는 2박에 $485로 예약 가능하고, 우붓 파르마 리조트 프리미어룸은 2박에 $465로 예약할 수 있어요. 이 가격은 25% 할인 적용된 금액이에요. 고객: 사마베 발리 허니문 패키지는요? 상담사: 사마베 허니문 3박 패키지는 허니문 스위트룸이 $1,425, 원베드룸 풀빌라는 $1,795로 예약 가능해요. 올인클루시브 1일 제공되고, 데브단쇼도 1회 관람할 수 있어요. 고객: 예약을 진행하려면 어떤 절차를 따라야 하나요? 상담사: 예약 원하시면 두 분의 영문 및 한글 이름, 생년월일, 대표자 이메일 주소와 연락처를 이메일로 보내주시면 돼요. 고객: 공항 픽업 예약 시 취소가 가능하다면 언제까지 가능한가요? 상담사: 공항 픽업은 무료로 제공되며, 우붓 지역은 $15에 이용할 수 있어요. 항공편 정보도 함께 적어주시면 됩니다. 고객: 고맙습니다. 잘 부탁드립니다! 상담사: 감사합니다! 예약 진행 후에 필요한 정보 보내주시면 최선을 다해 도와드릴게요. 좋은 하루 되세요!

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

Unnamed Dataset

• Size: 200 training samples
• Columns: sentence_0 and sentence_1
• Approximate statistics based on the first 200 samples:

  	sentence_0	sentence_1
  type	string	string
  details	min: 9 tokens mean: 11.15 tokens max: 14 tokens	min: 24 tokens mean: 32.0 tokens max: 48 tokens

• Samples:

  sentence_0	sentence_1
  고객: NCF 내야해?	상담사: NCF는 National Carrier Fee로 국가별 추가요금입니다. 요금표 참고해 주세요.
  고객: DLY 수수료는?	상담사: DLY는 지연 수수료입니다. 3시간 이상 지연 시 청구됩니다.
  고객: 티켓 리이슈 가능?	상담사: 네, 고객님. 리이슈—즉 항공권 재발행 도와드릴 수 있습니다. 날짜나 시간이 변경되시면 도와드릴게요.

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

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}
• 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

Framework Versions

• Python: 3.10.12
• Sentence Transformers: 3.3.1
• Transformers: 4.48.0
• PyTorch: 2.7.1+cu126
• Accelerate: 1.2.1
• Datasets: 3.2.0
• Tokenizers: 0.21.2

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",
}

MultipleNegativesRankingLoss

@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}
}