Add new SentenceTransformer model.

README.md

@@ -10,33 +10,31 @@ tags:
 - dataset_size:53
 - loss:CosineSimilarityLoss
 widget:
-- source_sentence: ２ 人 の 若者 が はしご を 登って い ます 。 若い 女性 は 葉 で 覆わ れた 木 の 中間 に いて 、 青い
-    シャツ を 着た 友人 は 後ろ から 笑って い ます 。
+- source_sentence: 青い Ｔシャツ と 白い 帽子 を かぶった 男 が 、 空中 に 小さな 裸足 の 金髪 の 子供 を 抱えて い ます 。
   sentences:
-  - 彼 ら は 外 に い ます 。
-  - Ｓｈａｒｐ ｌｅｙ は ゲーム で プレイ して い ます 。
-  - ２ つ の カップル は バス停 で 寝て い ます 。
-- source_sentence: タイヤ スイング で 喜んで 遊んで いる ２ 人 の 小さな 子供 。
-  sentences:
-  - 子供 たち は ジャングルジム で 滑り ます 。
-  - 黄色 の 自転車 は レース で 他 の 自転車 を リード し ます 。
-  - 女の子 は 、 かつて 木 が 立って いた 裏庭 を 見 ながら 中 に い ました 。
-- source_sentence: パレード で 演奏 する ロッド を 持つ 格闘 家 。
+  - 子供 を 抱きかかえた
+  - 人々 は 結婚 して い ます 。
+  - 草 は 緑 でした
+- source_sentence: 青少年 の サッカー の 試合 で 得点 さ れる ゴール 。
   sentences:
+  - 男の子 は レストラン で ピザ を 食べて い ます 。
+  - 男 が 通り を 掃除 して い ます 。
   - 木 を 切り 倒した 後 、 木 の 切り株 に 座って いる 少年 。
-  - パフォーマンス 中 の 女性 。
+- source_sentence: 数 人 の 男の子 が 屋内 サッカー を し ます 。
+  sentences:
+  - 車 は レース 中 です 。
+  - 男 は 中 の ソファ で 寝て い ます 。
+  - 男の子 の グループ が 中 に い ます 。
+- source_sentence: 子供 が 肩 に 触れる 女性 。
+  sentences:
+  - 背 の 高い 人間 の 溶接
   - 池 の 近く で リラックス した 武道 家 。
-- source_sentence: 茶色 の ドレス を 着た 若い 女の子 と サンダル が 黒い 帽子 、 タンクトップ 、 青い カーゴ ショーツ を 着た
-    若い 男の子 を 、 同じ ボール に 向かって 銀 の ボール を 投げ つける ように 笑い ます 。
+  - 女性 は 子供 を なだめて い ます 。
+- source_sentence: 黄色 の 自転車 は 、 レース で 他 の 自転車 の パック を リード し ます
   sentences:
-  - 自転車 の 挑戦 に 勝とう と する 人々 の グループ 。
   - 人々 は 眼鏡 を かけて い ます
-  - 人々 は ハンバーガー を 待って い ます 。
-- source_sentence: 子供 たち の グループ が 外 の スプリンクラー で 遊ぶ 。
-  sentences:
-  - 人々 は 結婚 して い ます 。
-  - 丘 は 音楽 の 音 と ともに 生きて い ます 。
-  - 子供 たち の グループ は 、 屋外 の スプリンクラー で タグ を 再生 して い ます 。
+  - Ｓｈａｒｐ ｌｅｙ は ゲーム で プレイ して い ます 。
+  - 黄色 の 自転車 は レース で 他 の 自転車 を リード し ます 。
 ---
 
 # SentenceTransformer based on colorfulscoop/sbert-base-ja
@@ -88,9 +86,9 @@ from sentence_transformers import SentenceTransformer
 model = SentenceTransformer("sentence_transformers_model_id")
 # Run inference
 sentences = [
-    '子供 たち の グループ が 外 の スプリンクラー で 遊ぶ 。',
-    '子供 たち の グループ は 、 屋外 の スプリンクラー で タグ を 再生 して い ます 。',
-    '人々 は 結婚 して い ます 。',
+    '黄色 の 自転車 は 、 レース で 他 の 自転車 の パック を リード し ます',
+    '黄色 の 自転車 は レース で 他 の 自転車 を リード し ます 。',
+    '人々 は 眼鏡 を かけて い ます',
 ]
 embeddings = model.encode(sentences)
 print(embeddings.shape)
@@ -153,11 +151,11 @@ You can finetune this model on your own dataset.
   | type    | string                                                                             | string                                                                             | int                                             |
   | details | <ul><li>min: 14 tokens</li><li>mean: 36.25 tokens</li><li>max: 84 tokens</li></ul> | <ul><li>min: 11 tokens</li><li>mean: 22.15 tokens</li><li>max: 38 tokens</li></ul> | <ul><li>0: ~35.85%</li><li>1: ~64.15%</li></ul> |
 * Samples:
-  | sentence_0                                                                             | sentence_1                         | label          |
-  |:---------------------------------------------------------------------------------------|:-----------------------------------|:---------------|
-  | <code>黒い 長い 髪 を した 女性 が 、 黒い ベルト の 付いた 赤い ドレス を 着て 歩いて い ます 。</code>                   | <code>女性 は 髪 ��� 切った 。</code>        | <code>1</code> |
-  | <code>青い ズボン と 重い 作業 ブーツ を 着た 男性 が 、 レンガ で 舗装 さ れた 通り から 白い 紙 吹雪 を 掃除 して い ます 。</code> | <code>男 が 通り を 掃除 して い ます 。</code> | <code>0</code> |
-  | <code>都市 を 歩き 回る 人々 。</code>                                                           | <code>歯科 治療 を 行って いる 人 。</code>    | <code>1</code> |
+  | sentence_0                                                                            | sentence_1                                                 | label          |
+  |:--------------------------------------------------------------------------------------|:-----------------------------------------------------------|:---------------|
+  | <code>２ ドア の ハッチ バック レーシングカー は 、 いく つ か の 汚れ で 速く 回転 し 、 汚れ の 雲 を 作成 して い ます 。</code> | <code>車 は レース 中 です 。</code>                                | <code>0</code> |
+  | <code>青少年 の サッカー の 試合 で 得点 さ れる ゴール 。</code>                                          | <code>男の子 は レストラン で ピザ を 食べて い ます 。</code>                 | <code>1</code> |
+  | <code>すべて の 色 の コート を 着た １１ 人 の 子供 たち は 、 山々 と 曇り空 を 背景 に 空 を 飛び 跳ねて い ます 。</code>    | <code>すべて の 色 の コート を 着た 子供 たち が 気球 に 飛び 込んで い ます 。</code> | <code>1</code> |
 * Loss: [<code>CosineSimilarityLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cosinesimilarityloss) with these parameters:
   ```json
   {
@@ -170,7 +168,7 @@ You can finetune this model on your own dataset.
 
 - `per_device_train_batch_size`: 16
 - `per_device_eval_batch_size`: 16
-- `num_train_epochs`: 10
+- `num_train_epochs`: 15
 - `multi_dataset_batch_sampler`: round_robin
 
 #### All Hyperparameters
@@ -193,7 +191,7 @@ You can finetune this model on your own dataset.
 - `adam_beta2`: 0.999
 - `adam_epsilon`: 1e-08
 - `max_grad_norm`: 1
-- `num_train_epochs`: 10
+- `num_train_epochs`: 15
 - `max_steps`: -1
 - `lr_scheduler_type`: linear
 - `lr_scheduler_kwargs`: {}

model.safetensors

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:bae936b461d59f882b85b84380351c69497f694d50ae6b67333eb2e88b3e7eee
+oid sha256:c1762f443d40f4cc079ef43213e3a1318c8d9697111d0d86be53ae3fefff63fb
 size 442491744