SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-MiniLM-L12-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/paraphrase-multilingual-MiniLM-L12-v2
Maximum Sequence Length: 512 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': 512, 'do_lower_case': False, 'architecture': '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})
)

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("Borsa356/deutsch_sentenceSimilarity_mnr2")
# Run inference
sentences = [
    'Der Grand Prix des Frontières war ein Automobilrennen, das auf einer Straßenstrecke in Chimay, Belgien, ausgetragen wurde. Das Rennen wurde von Jules Buisseret, der auch für das Bestehen der Strecke verantwortlich war, entworfen. Das erste Rennen fand 1929 statt und wurde nach der Veranstaltung 1972 aus Sicherheitsgründen eingestellt.',
    'Der Grand Prix des Frontières fand auf einem Straßenkurs statt.',
    'Das Team in Quantum Hoops hatte über 20 Jahre verloren.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.7652, 0.2237],
#         [0.7652, 1.0000, 0.1731],
#         [0.2237, 0.1731, 1.0000]])

Training Details

Training Dataset

Unnamed Dataset

Size: 32,608 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: 5 tokens
mean: 67.19 tokens
max: 276 tokens

min: 5 tokens
mean: 15.02 tokens
max: 50 tokens

	sentence_0	sentence_1
type	string	string
details	min: 5 tokens mean: 67.19 tokens max: 276 tokens	min: 5 tokens mean: 15.02 tokens max: 50 tokens

Samples:

sentence_0	sentence_1
`Christina Aguilera. Ihr siebtes Studioalbum, Lotus, wurde 2012 veröffentlicht. Lotus ist das siebte Studioalbum der amerikanischen Sängerin Christina Aguilera.`	`Musikkünstlerin ist ein Beruf von Christina Aguilera`
Derrick Martell Rose (geboren 4. Oktober 1988) ist ein amerikanischer Profi-Basketballspieler für die New York Knicks der National Basketball Association ( NBA). Er spielte ein Jahr College-Basketball für die Memphis Tigers, bevor er als erster in der Gesamtwertung von seiner Heimatstadt Chicago Bulls in der NBA-Entwurf 2008. In der ersten Runde der 2012 NBA Playoffs gegen die Philadelphia 76ers, Rose riss seine ACL in seinem linken Knie. Die National Basketball Association ( NBA ) ist die wichtigsten Männer's professionelle Basketball-Liga in Nordamerika, und ist weithin als die Premier Männer's professionelle Basketball-Liga in der Welt.	`Derrick Rose ist ein Basketballspieler professionell.`
`Am Sonntag, den 14. Dezember 2008, wurde ein irakischer Journalist für eine ägyptische Zeitung namens Muntazer al-Zaidi von den Behörden angegriffen, nachdem er seine Schuhe auf den ehemaligen US-Präsidenten George W. Bush während einer Pressekonferenz in Bagdad geworfen hatte. Bush hatte den letzten Besuch im Irak überrascht, um einen neuen Sicherheitspakt zu unterzeichnen, der vom Irak und den Vereinigten Staaten von Amerika vermittelt wurde.`	`Präsident Bush musste sich bewegen, um Verletzungen zu vermeiden`

Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 32
per_device_eval_batch_size: 32
num_train_epochs: 1
batch_sampler: no_duplicates
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: 32
per_device_eval_batch_size: 32
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: 1
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
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: round_robin
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss
0.4907	500	0.1509
0.9814	1000	0.1147

Framework Versions

Python: 3.13.5
Sentence Transformers: 5.0.0
Transformers: 4.53.0
PyTorch: 2.7.1+cpu
Accelerate: 1.8.1
Datasets: 3.6.0
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}
}

Borsa356
/

deutsch_sentenceSimilarity_mnr2