---
base_model: HooshvareLab/bert-base-parsbert-uncased
library_name: sentence-transformers
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:941951
- loss:CoSENTLoss
widget:
- source_sentence: تماشاگران سینما نام او و جسارت افسانه ای او را می دانستند.
sentences:
- HCFA نظراتی را درخواست و ارزیابی کرد که بسیار بحث برانگیز بود.
- زنی در اسکله قدم می زند.
- او خجالتی و ترسو است و دوست ندارد ریسک کند.
- source_sentence: یک ماشین مسابقه آبی در پیست مسابقه با عدد 90 مشخص شده است.
sentences:
- من در گذاشتن خیلی خوب هستم.
- کارشناسان مافیا گیج شده اند.
- یک ماشین مسابقه دارای شماره 90 است.
- source_sentence: دوازده کودک در یک مکان گرمسیری در فضای باز جمع می شوند.
sentences:
- گل زرد در موهای زن است.
- گروهی از دانش آموزان در جزیره ای در حال تعطیلات هستند.
- تیم های لیگ کوچک مجبور نیستند بازیکنان خود را به تیم های لیگ برتر واگذار کنند.
- source_sentence: کارگرانی که در امتداد یک راه آهن شن می چینند.
sentences:
- آنها روی خط راه آهن کار می کردند.
- بسیاری از زنان در انبوهی از مالچ کشتی می گیرند.
- سربازان با لباس های جنگ جهانی دوم در حال رژه هستند و یک گروه موسیقی پشت سر آنها
رژه می روند.
- source_sentence: یک دختر جوان بلوند با پیراهن صورتی به آخوندکی بزرگ در حال نماز
روی بازوی خود نگاه می کند.
sentences:
- مربیان عالی بودند و حتی یکی دو چیز را به بچه ها یاد دادند.
- دختر جوانی یک آخوندک نمازگزار روی بازوی خود دارد.
- کاخ هنرهای زیبا آثار سوررئالیستی زیادی دارد.
---
# SentenceTransformer based on HooshvareLab/bert-base-parsbert-uncased
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [HooshvareLab/bert-base-parsbert-uncased](https://huggingface.co./HooshvareLab/bert-base-parsbert-uncased) on the csv 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:** [HooshvareLab/bert-base-parsbert-uncased](https://huggingface.co./HooshvareLab/bert-base-parsbert-uncased)
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 768 tokens
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- csv
### Model Sources
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co./models?library=sentence-transformers)
### 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:
```bash
pip install -U sentence-transformers
```
Then you can load this model and run inference.
```python
from sentence_transformers import SentenceTransformer
# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
'یک دختر جوان بلوند با پیراهن صورتی به آخوندکی بزرگ در حال نماز روی بازوی خود نگاه می کند.',
'دختر جوانی یک آخوندک نمازگزار روی بازوی خود دارد.',
'کاخ هنرهای زیبا آثار سوررئالیستی زیادی دارد.',
]
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 Dataset
#### csv
* Dataset: csv
* Size: 941,951 training samples
* Columns: premise, hypothesis, and score
* Approximate statistics based on the first 1000 samples:
| | premise | hypothesis | score |
|:--------|:----------------------------------------------------------------------------------|:---------------------------------------------------------------------------------|:--------------------------------------------------------------|
| type | string | string | float |
| details | - min: 4 tokens
- mean: 20.6 tokens
- max: 125 tokens
| - min: 3 tokens
- mean: 12.1 tokens
- max: 38 tokens
| - min: 0.0
- mean: 0.5
- max: 1.0
|
* Samples:
| premise | hypothesis | score |
|:--------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------|:-----------------|
| موارد پیکربندی پس از استقرار رسمی | آیتم ها پس از ایجاد رسمی پیکربندی می شوند. | 1.0 |
| به همان خوبی که در دنیای من انجام شده است. سر پرث، موقتاً از خودش راضی بود، رفت و هانسون ایستاد و به مدل خیره شد. | هانسون از خیره شدن به مدل دست کشید و سر پرث را دنبال کرد. | 0.0 |
| به نظر می رسد شما قبلاً رفته اید. | انگار رفتی | 1.0 |
* Loss: [CoSENTLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cosentloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "pairwise_cos_sim"
}
```
### Evaluation Dataset
#### csv
* Dataset: csv
* Size: 941,951 evaluation samples
* Columns: premise, hypothesis, and score
* Approximate statistics based on the first 1000 samples:
| | premise | hypothesis | score |
|:--------|:-----------------------------------------------------------------------------------|:---------------------------------------------------------------------------------|:--------------------------------------------------------------|
| type | string | string | float |
| details | - min: 4 tokens
- mean: 21.56 tokens
- max: 115 tokens
| - min: 4 tokens
- mean: 12.3 tokens
- max: 42 tokens
| - min: 0.0
- mean: 0.5
- max: 1.0
|
* Samples:
| premise | hypothesis | score |
|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------|:-----------------|
| آنها سوار بر همدیگر شده بودند و کتک خورده بودند تا اینکه اهمیتی ندادند. | مردم مجروح شده بودند. | 1.0 |
| در منطقه چمن نگه داشتن چمن در مناطق خاص به نوعی سخت است و من واقعاً هرگز به آن فکر نکرده بودم، اما ما تقریباً در بالای این تپه کوچک هستیم و تمام رواناب های حاصل از بتن، اوه خرید مرکز نزدیک ما و کوچه همه چیزهایی که به سمت همسایه‌های ما می‌رود، بنابراین این یک چیز کوچکی بود که من واقعاً هرگز به آن فکر نمی‌کردم و خوشبختانه به این ترتیب انجام شد. | ما روی تپه ای هستیم و آب در نزدیکی همسایه هایمان جمع می شود. | 1.0 |
| زنی با چتر در ایستگاهی نشسته و آگهی تبلیغاتی Aquos روی دیوار دارد. | زنی روی مبل اتاق نشیمنش نشسته است. | 0.0 |
* Loss: [CoSENTLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cosentloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "pairwise_cos_sim"
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: steps
- `per_device_train_batch_size`: 48
- `per_device_eval_batch_size`: 32
- `learning_rate`: 2e-05
- `num_train_epochs`: 1
- `warmup_ratio`: 0.1
- `fp16`: True
- `push_to_hub`: True
- `hub_private_repo`: 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`: 48
- `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`: 2e-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`: 1
- `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`: True
- `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`: True
- `resume_from_checkpoint`: None
- `hub_model_id`: None
- `hub_strategy`: every_save
- `hub_private_repo`: True
- `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
- `eval_use_gather_object`: False
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: proportional