metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:1868
  - loss:MultipleNegativesRankingLoss
base_model: DeepPavlov/rubert-base-cased
widget:
  - source_sentence: >-
      Синтетический аналог природного ГнРГ. Бусерелин конкурентно связывается с
      рецепторами клеток передней доли гипофиза, вызывая кратковременное
      повышение уровня половых гормонов в плазме крови. Дальнейшее применение
      лечебных доз препарата приводит (в среднем через 12–14 дней) к полной
      блокаде гонадотропной функции гипофиза, ингибируя, таким образом,
      выделение ЛГ и ФСГ. В результате наблюдается подавление синтеза половых
      гормонов в гонадах, что проявляется снижением концентрации эстрадиола в
      плазме крови до постклимактерических значений у женщин и снижением
      содержания тестостерона до посткастрационного уровня у мужчин.
    sentences:
      - Глубокие мышцы спины участвуют в акте дыхания?
      - >-
        При приеме бусерелина происходит стойкое повышение концентрации половых
        гормонов в плазме крови?
      - >-
        Антитела к меполизумабу могут вырабытываться в организме после введения
        первой дозы меполизумаба?
  - source_sentence: >-
      Этилметилгидроксипиридина сукцинат является ингибитором
      свободнорадикальных процессов, мембранопротектором, обладающим
      антигипоксическим, стресспротекторным, ноотропным, противосудорожным и
      анксиолитическим действием. Этилметилгидроксипиридина сукцинат повышает
      резистентность организма к воздействию различных повреждающих факторов
      (шок, гипоксия и ишемия, нарушения мозгового кровообращения, интоксикация
      алкоголем и антипсихотическими средствами — нейролептиками).
    sentences:
      - Эту болезнь относят к острым заболеваниям?
      - >-
        Этилметилгидроксипиридина сукцинат повышает устойчивость организма к
        интоксикации алкоголем?
      - Компонент положительно влияет на клетки печени?
  - source_sentence: >-
      Аторвастатин в дозе 80 мг/сут уменьшает риск развития повторного
      фатального или нефатального инсульта у пациентов, перенесших инсульт или
      транзиторную ишемическую атаку (ТИА) без ИБС в анамнезе (исследование по
      профилактике инсульта при интенсивном снижении концентрации Хс (SPARCL),
      на 16% по сравнению с пациентами группы плацебо. При этом значительно
      снижается риск развития основных сердечно-сосудистых осложнений и процедур
      реваскуляризации. Сокращение риска сердечно-сосудистых нарушений при
      терапии аторвастатином отмечается у всех групп пациентов, кроме той, куда
      вошли пациенты с первичным или повторным геморрагическим инсультом.
    sentences:
      - Клинические исследования препарата аторвастатин не проводились?
      - Споры бактерии попадают в организм человека через лёгкие?
      - Феринжект содержит большое количество свободного железа?
  - source_sentence: >-
      При нанесении геля на обширные участки кожи не исключено развитие
      системных побочных реакций: изжога, тошнота, рвота, диарея, гастралгия,
      изъязвление слизистой ЖКТ, повышение активности печеночных трансаминаз;
      головная боль, головокружение; задержка жидкости, гематурия; аллергические
      реакции (анафилактический шок, кожная сыпь); тромбоцитопения, лейкопения,
      анемия, агранулоцитоз, удлинение времени кровотечения.
    sentences:
      - >-
        Гель не следует наносить на обширные участки кожи во избежание развития
        побочных эффектов?
      - Миоглобин тождественен гемоглобину?
      - Туберкулезный плеврит является сердечным заболеванием?
  - source_sentence: >-
      Эндометрит — воспаление слизистой оболочки матки. Возникает в результате
      проникновения в матку патогенных микроорганизмов: стрептококков,
      стафилококков, гонококков, кишечных палочек, микобактерий туберкулеза,
      трихомонад, бактероидов, хламидий, вирусов и др. Инфицирование может
      происходить восходящим (из влагалища, канала шейки матки), гематогенным и
      лимфогенным путем. Возбудители инфекции могут попадать в полость матки
      извне — при несоблюдении правил асептики и антисептики во время проведения
      внутриматочных диагностических и лечебных манипуляций. Чаще эндометрит
      рязвивается после родов, аборта.
    sentences:
      - >-
        Эндометрит может случиться при попадании бактерий кишечной палочки в
        желудок?
      - Применение эпидуральной анестезии к детям сопряжено с риском осложнений?
      - Проникающее ранение грудной клетки может привести к удушью?
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: SentenceTransformer based on DeepPavlov/rubert-base-cased
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: Unknown
          type: unknown
        metrics:
          - type: cosine_accuracy@1
            value: 0.5144230769230769
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.6778846153846154
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.7115384615384616
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.7740384615384616
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.5144230769230769
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.22596153846153846
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.1423076923076923
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.07740384615384616
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.5144230769230769
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.6778846153846154
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.7115384615384616
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.7740384615384616
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.6458227834531023
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.6046646062271062
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.6106374762191299
            name: Cosine Map@100

SentenceTransformer based on DeepPavlov/rubert-base-cased

This is a sentence-transformers model finetuned from DeepPavlov/rubert-base-cased on the json 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: DeepPavlov/rubert-base-cased
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- json

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: 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:

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("TrungKiencding/Medbert-based-RuBert")
# Run inference
sentences = [
    'Эндометрит — воспаление слизистой оболочки матки. Возникает в результате проникновения в матку патогенных микроорганизмов: стрептококков, стафилококков, гонококков, кишечных палочек, микобактерий туберкулеза, трихомонад, бактероидов, хламидий, вирусов и др. Инфицирование может происходить восходящим (из влагалища, канала шейки матки), гематогенным и лимфогенным путем. Возбудители инфекции могут попадать в полость матки извне — при несоблюдении правил асептики и антисептики во время проведения внутриматочных диагностических и лечебных манипуляций. Чаще эндометрит рязвивается после родов, аборта.',
    'Эндометрит может случиться при попадании бактерий кишечной палочки в желудок?',
    'Проникающее ранение грудной клетки может привести к удушью?',
]
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

Information Retrieval

Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.5144
cosine_accuracy@3	0.6779
cosine_accuracy@5	0.7115
cosine_accuracy@10	0.774
cosine_precision@1	0.5144
cosine_precision@3	0.226
cosine_precision@5	0.1423
cosine_precision@10	0.0774
cosine_recall@1	0.5144
cosine_recall@3	0.6779
cosine_recall@5	0.7115
cosine_recall@10	0.774
cosine_ndcg@10	0.6458
cosine_mrr@10	0.6047
cosine_map@100	0.6106

Training Details

Training Dataset

json

Dataset: json
Size: 1,868 training samples
Columns: positive and anchor
Approximate statistics based on the first 1000 samples:
positive anchor
type string string
details
min: 12 tokens
mean: 98.81 tokens
max: 380 tokens

min: 7 tokens
mean: 14.66 tokens
max: 49 tokens

	positive	anchor
type	string	string
details	min: 12 tokens mean: 98.81 tokens max: 380 tokens	min: 7 tokens mean: 14.66 tokens max: 49 tokens

Samples:

positive	anchor
Белки обладают явно выраженными гидрофильными свойствами. Растворы белков имеют очень низкое осмотическое давление, высокую вязкость и незначительную способность к диффузии. Белки способны к набуханию в очень больших пределах. С коллоидным состоянием белков связан ряд характерных свойств, в частности явление светорассеяния, лежащее в основе количественного определения белков методом нефелометрии. Этот эффект используется, кроме того, в современных методах микроскопии биологических объектов. Молекулы белка не способны проникать через полупроницаемые искусственные мембраны (целлофан, пергамент, коллодий), а также биомембраны растительных и животных тканей, хотя при органических поражениях, например, почек капсула почечного клубочка (Шумлянского-Боумена) становится проницаемой для альбуминов сыворотки крови и последние появляются в моче.	`Способность к набуханию является одним из свойств белков?`
Пациентка, 32 года, обратилась к врачу общей практики по поводу общей слабости, утомляемости, сонливости днем. При осмотре обнаружена бледность кожи, ломкость ногтей, сухость кожи, выпадение волос, глоссит. Над легкими дыхание везикулярное, хрипов нет. Ритм сердечных сокращений правильный. ЧСС 96 в 1 минуту, АД 110/70 мм. рт. ст. На верхушке и в точке Боткина выслушивается систолический шум. Живот при пальпации мягкий, безболезненный. Печень и селезенка не увеличены. Месячные по 6-7 дней, обильные. Общий анализ крови: гемоглобин 67 г/л, эритроциты 3.0х10^12/л, цветной показатель 0.7, тромбоциты 250х10^9/л, лейкоциты 5.2х10^9/л, СОЭ 18 мм/ч.	`Предположительным диагнозом является хроническая постгеморрагическая железодефицитная анемия?`
Седалищная кость своим телом также участвует в образовании вертлужной впадины. Обе её ветви — верхняя и нижняя — замыкают запирательное отверстие снизу и сбоку. На месте перехода одной ветви в другую находится седалищный бугор, на который опирается туловище при сидении. Выше бугра на задней грани кости выступает седалищная ость, отделенная от него малой седалищной вырезкой.	`В седалищной кости можно выделить 2 ветви?`

Loss: MultipleNegativesRankingLoss with these parameters:

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

Evaluation Dataset

json

Dataset: json
Size: 208 evaluation samples
Columns: positive and anchor
Approximate statistics based on the first 208 samples:
positive anchor
type string string
details
min: 24 tokens
mean: 103.32 tokens
max: 438 tokens

min: 8 tokens
mean: 14.84 tokens
max: 36 tokens

	positive	anchor
type	string	string
details	min: 24 tokens mean: 103.32 tokens max: 438 tokens	min: 8 tokens mean: 14.84 tokens max: 36 tokens

Samples:

positive	anchor
Мышца, приводящая в движение сустав, производит определенную работу. Характер работы зависит от того, как расположена ось сустава, и какое положение в отношении этой оси занимает мышца. В связи с этим различают следующие мышцы: сгибатели и разгибатели (лежат впереди или позади поперечной оси сустава), приводящие и отводящие (изнутри или снаружи сагиттальной оси сустава), вращающие внутрь и вращающие наружу (изнутри или снаружи от продольной оси сустава).	`Мышцы сгибатели расположены изнутри сагиттальной оси сустава?`
Этилметилгидроксипиридина сукцинат является ингибитором свободнорадикальных процессов, мембранопротектором, обладающим антигипоксическим, стресспротекторным, ноотропным, противосудорожным и анксиолитическим действием. Этилметилгидроксипиридина сукцинат повышает резистентность организма к воздействию различных повреждающих факторов (шок, гипоксия и ишемия, нарушения мозгового кровообращения, интоксикация алкоголем и антипсихотическими средствами — нейролептиками).	`Этилметилгидроксипиридина сукцинат повышает устойчивость организма к интоксикации алкоголем?`
Пясть состоит из пяти трубчатых пястных костей, которые кроме первой лежат в одной плоскости и уменьшаются по длине от II-й к V-й. II–V пястные кости расположены в ряд так, что между ними остаются три межкостных пространства. В каждой пястной кости различают тело, основание, опирающееся на кости дистального ряда запястья, и головку, сочленяющуюся с основной фалангой пальца. I-ая пястная кость отставлена в сторону. Проксимальные концы всех костей пясти расширены у оснований. Основание первой пястной кости имеет седловидную поверхность. Тело ее широкое и уплощенное.	`Пясть представлена трубчатыми костями?`

Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
gradient_accumulation_steps: 16
learning_rate: 2e-05
num_train_epochs: 4
lr_scheduler_type: cosine
warmup_ratio: 0.1
bf16: True
load_best_model_at_end: True
optim: adamw_torch_fused
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: epoch
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 16
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: 4
max_steps: -1
lr_scheduler_type: cosine
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: True
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: True
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_fused
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
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
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
average_tokens_across_devices: False
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	Validation Loss	cosine_ndcg@10
1.0	8	-	0.6016	0.4718
1.2735	10	1.0977	-	-
2.0	16	-	0.4052	0.6168
2.5470	20	0.3832	-	-
3.0	24	-	0.3533	0.6451
3.547	28	-	0.3496	0.6458

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.10.12
Sentence Transformers: 3.3.1
Transformers: 4.47.0
PyTorch: 2.5.1+cu121
Accelerate: 1.2.1
Datasets: 3.3.1
Tokenizers: 0.21.0

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}
}