metadata
language:
- es
license: apache-2.0
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- onnx
- onnx-quantized
- dataset_size:676
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
base_model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
widget:
- source_sentence: >-
La persona nombre_de_persona_1 que dio el poder especial tiene la cedula
de identidad cedula_de_identidad_1, con edad_1, de nacionalidad
nacionalidad_1, ocupacion de ocupacion_3 y domicilio ubicado en
domicilio_1.
sentences:
- >-
CONCLUSION. Es conforme con la minuta. En fe de lo cual y previa lectura
del presente instrumento, aceptan y se ratifican en el tenor integro de
la presente escritura pública, y le dan por bien efectuada, sin ninguna
nota de observación, en prueba de lo expuesto dejan su impresión digital
del pulgar derecho y firman junto conmigo el Notario. Nota se hace
constar que se transcribe solo la parte pertinente del poder de
conocimiento de las partes, Asimismo se hace constar que el propietario
adquirió el vehículo cuando era viudo tal como consta su certificado de
matrimonio y defunción de su esposa. Los comparecientes declara(n) y
manifiesta(n) en honor a la verdad que la documentación acompañada al
presente actuado notarial es obtenidos legalmente, asegurando y
garantizando la veracidad de los mismos, en, asume(n) plena
responsabilidad civil y penal deslindando responsabilidades a terceros.
La presente ESCRITURA DE: compra de un vehículo motorizado, se incorpora
al protocolo bajo el numero: 70 del año cursante, que corre a mi cargo
de todo lo que doy fe. Transcripción de las normas citadas en el cuerpo
de la escritura: Art. codigo_1 del Código Civil “Art. codigo_2.
(Contrato consigo mismo). El contrato celebrado por el representante
consigo mismo, sea en nombre propio o en representación de un tercero,
es anulable, excepto si lo permite la ley o fue con asentimiento del
representado o si el negocio excluye por su naturaleza un conflicto de
intereses.”. Firma y Huella Dactilar de nombre_de_persona_1, Firma y
Huella Dactilar de nombre_de_persona_2, COMPRADORES y APODERADOS del
VENDEDOR. Firma y sello: nombre_de_persona_3 ocupacion_1 de
nombre_de_pais_1. Firman en documento matriz con código de contenido: .
El proceso de firmas concluye en fecha __ / __ / ____
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- cosine_accuracy@1
- cosine_accuracy@3
- cosine_accuracy@5
- cosine_accuracy@10
- cosine_precision@1
- cosine_precision@3
- cosine_precision@5
- cosine_precision@10
- cosine_recall@1
- cosine_recall@3
- cosine_recall@5
- cosine_recall@10
- cosine_ndcg@10
- cosine_mrr@10
- cosine_map@100
model-index:
- name: MiniLM-L12-v2 Embed base Legal Public Deed - Matryoshka
results:
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 384
type: dim_384
metrics:
- type: cosine_accuracy@1
value: 0.013157894736842105
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.06578947368421052
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.17105263157894737
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.2894736842105263
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.013157894736842105
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.021929824561403508
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.034210526315789476
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.028947368421052635
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.013157894736842105
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.06578947368421052
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.17105263157894737
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.2894736842105263
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.12112699468942073
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.07090121136173767
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.08633472380151944
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 256
type: dim_256
metrics:
- type: cosine_accuracy@1
value: 0
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.07894736842105263
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.15789473684210525
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.27631578947368424
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.02631578947368421
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.031578947368421054
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.027631578947368424
name: Cosine Precision@10
- type: cosine_recall@1
value: 0
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.07894736842105263
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.15789473684210525
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.27631578947368424
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.11294165840435406
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.06365914786967418
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.08230274367319004
name: Cosine Map@100
MiniLM-L12-v2 Embed base Legal Public Deed - Matryoshka (ONNX Quantized)
This is an ONNX quantized version of the MiniLM-L12-v2 Embed base Legal Public Deed - Matryoshka model. It has been optimized for faster inference and a smaller file size, while maintaining comparable performance to the original model.
This version is recommended for production deployments and applications where latency and memory footprint are critical, especially when running inference on CPUs or resource-constrained devices.
Model Details
Quantization Architecture
- Quantization Type: Int8 (8-bit quantization).
- Model Size: Significantly reduced compared to the original float32 model.
Model Description
- Model Type: Sentence Transformer (ONNX)
- Base model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
- Maximum Sequence Length: 128 tokens
- Output Dimensionality: 384 dimensions
- Similarity Function: Cosine Similarity
- Language: es
- License: apache-2.0
Model Sources
- Documentation: Sentence Transformers Documentation
- Repository: Sentence Transformers on GitHub
- Hugging Face: Sentence Transformers on Hugging Face
- Optimum: Hugging Face Optimum
Usage
To use this quantized ONNX model with the sentence-transformers library, make sure you have the necessary dependencies installed:
pip install -U sentence-transformers optimum onnx onnxruntime