Lettria/idf-go_embedder-mult_neg_rk

SentenceTransformer based on intfloat/multilingual-e5-base

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-base on the grag-go-idf-only-pos dataset. 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
• Training Dataset:
  • grag-go-idf-only-pos

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: 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.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("Lettria/idf-go_embedder-mult_neg_rk")
# Run inference
sentences = [
    'Type de project: L’action porte sur 3 dimensions constituant un dispositif global d’accompagnement des jeunes filles vers la réussite de leurs études et le développement de leurs ambitions : Mentorat par salariés d’entreprises et mentors d’établissement scolaires ou bénévole de l’association. Le mentor d’entreprise joue le rôle de passeur social pour la jeune fille.Accompagnement collectif qui au-delà d’être un soutien au bon fonctionnement de la relation mentor-filleule crée et organise un programme d’animations (plus de 200 activités en présentiel et digital l’an dernier en Île-de-France) varié couvrant les leviers sur lesquels agit l’association.Accompagnement par soutien matériel.',
    '[action](__inferred__) --- INCLUT ---> [accompagnement collectif](concept)',
    '[communes et groupements](entité) --- SOLLICITE ---> [aide](concept)',
]
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]

Evaluation

Metrics

Semantic Similarity

• Dataset: EmbeddingSimEval
• Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	nan
spearman_cosine	nan

Binary Classification

• Dataset: BinaryClassifEval
• Evaluated with BinaryClassificationEvaluator

Metric	Value
cosine_accuracy	0.9992
cosine_accuracy_threshold	-0.0824
cosine_f1	0.9996
cosine_f1_threshold	-0.0824
cosine_precision	1.0
cosine_recall	0.9992
cosine_ap	1.0

Training Details

Training Dataset

grag-go-idf-only-pos

• Dataset: grag-go-idf-only-pos at 9743952
• Size: 5,302 training samples
• Columns: sentence1, sentence2, and label
• Approximate statistics based on the first 1000 samples:

  	sentence1	sentence2	label
  type	string	string	int
  details	min: 16 tokens mean: 190.68 tokens max: 429 tokens	min: 8 tokens mean: 23.76 tokens max: 79 tokens	1: 100.00%

• Samples:

  sentence1	sentence2	label
  Type de project: 100 000 entrepreneurs vous propose à vous enseignants de faire venir une personne désireuse de partager son parcours professionnel auprès des jeunes.L’idée ? Semer des graines d’inspiration et élargir ainsi le champ des possibles. C’est gratuit et simple à mettre en place : créez votre espace enseignant sur la plateforme, trouvez deux heures dans l’emploi du temps de la classe, entrez vos dates et heures préférentielles, l’association met en lien avec un professionnel de sa communauté. Ensuite, contactez la personne, préparez la rencontre avec vos élèves à l’aide de nos outils et... laissez la magie opérer !Vous en retirez une rencontre “reboostante” pour les élèves et... vous-même. A l'issue, l’association demandera de faire un retour sur cet échange (et oui, elle a besoin des lycées pour améliorer sa démarche et s’adapter à leurs besoins).	association --- CONNECTE ---> personne	1
  Description: Ce dispositif a pour objectif le soutien des agriculteurs désireux de céder leur exploitation en s’engageant dans une coopération avec un ou des repreneurs dans l’objectif de faciliter la transmission des exploitations agricoles et des savoir-faire. Thèmes: Économie : Agriculture,Europe,Territoire : Ruralité Nature de l'aide: L’aide prend la forme d’un forfait de 30 000 € versée au cédant sous la forme d’un acompte de 30% à mi-parcours et d’un solde de 70% à l’issue de la coopération, une fois la cession effective, pour les projets de coopération entre deux et cinq ans. Pour les projets de coopération entre un an et deux ans, le forfait sera versé sous la forme d’un solde à l’issue de la coopération. Délibération cadre: CP 2024-023	soutien des agriculteurs --- CIBLE ---> agriculteurs	1
  Procédures et démarches: Quand déposer la demande ?La demande de subvention doit être déposée avant tout commencement d'exécution.Où déposer la demande ? Le dépôt des demandes de subvention doit se faire sur la plateforme des aides régionales mesdemarches.iledefrance.fr. sélectionner le téléservice « Aides aux copropriétés en difficulté labellisées par la Région: ingénierie et travaux »  Qui peut déposer la demande ? L'opérateur chargé du suivi-animation,La collectivité d'implantation,Le cas échéant , le mandataire de la copropriété (syndic, administrateur provisoire). Bénéficiaires: Collectivité ou institution - Autre (GIP, copropriété, EPA...), Collectivité ou institution - Communes de 10 000 à 20 000 hab, Collectivité ou institution - Communes de < 2000 hab, Collectivité ou institution - Département, Collectivité ou institution - EPCI, Collectivité ou institution - EPT / Métropole du Grand Paris, Particulier - Francilien Précision sure les bénéficiaires: Les syndicats des coprop...	mandataire de la copropriété --- INCLUT ---> syndic	1

• Loss: MultipleNegativesRankingLoss with these parameters:

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

Evaluation Dataset

grag-go-idf-only-pos

• Dataset: grag-go-idf-only-pos at 9743952
• Size: 1,325 evaluation samples
• Columns: sentence1, sentence2, and label
• Approximate statistics based on the first 1000 samples:

  	sentence1	sentence2	label
  type	string	string	int
  details	min: 24 tokens mean: 184.18 tokens max: 394 tokens	min: 8 tokens mean: 23.82 tokens max: 136 tokens	1: 100.00%

• Samples:

  sentence1	sentence2	label
  Aide proposée par Région IDF: TELEMAQUE : Programme « Accompagnement des jeunes filles dans leur réussite scolaire » (Nom alternatif de l'aide: Olympe - Télémaque : Programme « Accompagnement des jeunes filles dans leur réussite scolaire »)	Région IDF --- propose ---> TELEMAQUE	1
  Procédures et démarches: Dépôt du dossier de candidature sur la plateforme des aides régionales (mesdemarches.iledefrance.fr). Bénéficiaires: Collectivité ou institution - Communes de < 2000 hab, Collectivité ou institution - Communes de 2000 à 10 000 hab, Collectivité ou institution - Communes de 10 000 à 20 000 hab, Collectivité ou institution - Communes de > 20 000 hab, Collectivité ou institution - EPCI, Collectivité ou institution - EPT / Métropole du Grand Paris, Collectivité ou institution - Département, Collectivité ou institution - Bailleurs sociaux, Collectivité ou institution - Autre (GIP, copropriété, EPA...) Précision sure les bénéficiaires: Toutes les structures de droit public ou de droit privé	plateforme des aides régionales --- CIBLE ---> Collectivité ou institution - EPT / Métropole du Grand Paris	1
  Procédures et démarches: Les inscriptions en ligne pour la 1ère session 2025 du FDS Audiovisuel et du FDSI Audiovisuel sont ouvertes du 30 septembre au 30 octobre 2024.Pour les projets concernés par cette session et dont le tournage commencerait avant le 30 septembre, vous pouvez transmettre les dossiers complets par mail avant le premier jour de tournage en contactant Mélaine Thomann-Fox. Il faudra ensuite les déposer sur la plateforme à partir du 30 septembre pour régularisation.Merci de votre compréhension.   Téléchargez le dossier de candidature qui convient à votre projet, il contient le règlement, les critères, les barèmes et la liste des pièces à joindre. Remplissez et déposez un dossier en ligne sur mesdemarches.iledefrance.fr avant le premier jour de tournage ou de fabrication de l’animation. Adressez dans les même délais aux services de la Région une sauvegarde par un lien de transfert, du dossier de candidature complet daté et signé et de toutes les pièces téléchargées à mel...	[Mélaine Thomann-Fox] (personne)	1

• Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 4
• per_device_eval_batch_size: 4
• gradient_accumulation_steps: 8
• num_train_epochs: 10
• warmup_steps: 530

All Hyperparameters

Click to expand

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: steps
• prediction_loss_only: True
• per_device_train_batch_size: 4
• per_device_eval_batch_size: 4
• 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-05
• 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: 0.0
• warmup_steps: 530
• 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: False
• hub_always_push: False
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• include_inputs_for_metrics: False
• 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
• prompts: None
• batch_sampler: batch_sampler
• multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	Validation Loss	EmbeddingSimEval_spearman_cosine	BinaryClassifEval_cosine_ap
7.9638	1320	0.162	0.1862	nan	1.0
9.9548	1650	-	0.1868	nan	1.0

Framework Versions

• Python: 3.11.9
• Sentence Transformers: 3.3.1
• Transformers: 4.45.2
• PyTorch: 2.4.1+cu121
• Accelerate: 1.2.1
• Datasets: 3.2.0
• Tokenizers: 0.20.3

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}
}