mihaylovnikitos/multilingual-e5-small-hotel

SentenceTransformer based on intfloat/multilingual-e5-small

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-small. It maps sentences & paragraphs to a 384-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: intfloat/multilingual-e5-small
• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 384 dimensions
• Similarity Function: Cosine Similarity
• Supported Modality: Text

Model Sources

• Documentation: Sentence Transformers Documentation
• Repository: Sentence Transformers on GitHub
• Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'BertModel'})
  (1): Pooling({'embedding_dimension': 384, 'pooling_mode': 'mean', '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("mihaylovnikitos/multilingual-e5-small-hotel")
# Run inference
sentences = [
    "task: search result | query: hotel near the hospital for a patient's relatives, long-term stay, inexpensive",
    "title: none | text: camping 'forest glade' offers secluded chalet cabins and tent pitches 40 km from the city, with a shared grill kitchen on site and seasonal laundry. suitable for family outdoor recreation: playground, bicycle rental and evening campfires. prices — budget segment off-season, but there is no access to the hospital.",
    "title: none | text: отель 'снежный причал' — комфортный городской отель среднего сегмента, предлагает специальный новогодний пакет: праздничная программа с ведущим и живой музыкой, украшенная большая живая ёлка в лобби, новогодний банкет (шведский стол + горячее гала-меню) и организованный профессиональный фейерверк во внутреннем дворе ровно в полночь 31 декабря. пакет включает размещение в номере стандарта или полулюкса, поздний выезд 1 января, детское меню и анимацию для детей 4–12 лет. на территории — утеплённый уличный фонтан и охраняемая парковка. сегмент — средний.",
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.0577, 0.9229],
#         [0.0577, 1.0000, 0.0938],
#         [0.9229, 0.0938, 1.0000]])

Training Details

Training Dataset

Unnamed Dataset

• Size: 2,272 training samples
• Columns: sentence1, sentence2, and label
• Approximate statistics based on the first 100 samples:

  	sentence1	sentence2	label
  type	string	string	float
  modality	text	text
  details	min: 30 tokens mean: 58.19 tokens max: 99 tokens	min: 82 tokens mean: 146.36 tokens max: 205 tokens	min: 0.0 mean: 0.55 max: 1.0

• Samples:

  sentence1	sentence2	label
  task: search result | query: ищем с девушкой спокойное место у моря, без детских горок и криков, только для взрослых, желательно спа и тихий пляж поблизости — хочется романтики и релакса, на пару дней	title: none | text: бутик-отель 'морской риф' — adults-only комплекс в 50 метрах от частного мелкогалечного пляжа с зоной для пар и шезлонгами, где не допускаются гости младше 18 лет. на территории современный спа-центр: финская сауна, паровая с соляной стеной, комнаты для парных массажей и процедуры для двоих. номера 'люкс' с панорамными окнами и балконами выходят на море, в каждом — кровать king-size, мини-бар и сервис ужина при свечах по запросу. тихая ухоженная территория, всего 28 номеров, романтические пакеты: ужин на пляже, шампанское и лепестки роз. сегмент — премиум/средний-премиум.	1.0
  task: search result | query: ищем с девушкой спокойное место у моря, без детских горок и криков, только для взрослых, желательно спа и тихий пляж поблизости — хочется романтики и релакса, на пару дней	title: none | text: элегантный курортный отель 'лазурная бухта' расположен на первой линии и предлагает просторный открытый спа-комплекс с бассейном, сауной и расписанием массажей. в отеле есть приватные секции пляжа с зонтиками и баром; в номерах — балконы с видом на море и возможность заказать ужин на террасе. на территории регулярно проходят семейные анимационные программы, работает детский клуб и оборудована игровая площадка; отель принимает гостей любых возрастов. сегмент — средний/семейный.	0.5
  task: search result | query: ищем с девушкой спокойное место у моря, без детских горок и криков, только для взрослых, желательно спа и тихий пляж поблизости — хочется романтики и релакса, на пару дней	title: none | text: бутик-отель 'морской риф' — adults-only комплекс в 50 метрах от частного мелкогалечного пляжа с зоной для пар и шезлонгами, где не допускаются гости младше 18 лет. на территории современный спа-центр: финская сауна, паровая с соляной стеной, комнаты для парных массажей и процедуры для двоих. номера 'люкс' с панорамными окнами и балконами выходят на море, в каждом — кровать king-size, мини-бар и сервис ужина при свечах по запросу. тихая ухоженная территория, всего 28 номеров, романтические пакеты: ужин на пляже, шампанское и лепестки роз. сегмент — премиум/средний-премиум.	0.7

• Loss: CoSENTLoss with these parameters:

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

Evaluation Dataset

Unnamed Dataset

• Size: 528 evaluation samples
• Columns: sentence1, sentence2, and label
• Approximate statistics based on the first 100 samples:

  	sentence1	sentence2	label
  type	string	string	float
  modality	text	text
  details	min: 28 tokens mean: 35.38 tokens max: 42 tokens	min: 82 tokens mean: 146.38 tokens max: 210 tokens	min: 0.0 mean: 0.55 max: 1.0

• Samples:

  sentence1	sentence2	label
  task: search result | query: спокойный отдых на море для двоих без детей, adults only, спа, тихий пляж, романтика	title: none | text: бутик-отель 'морской риф' — adults-only комплекс в 50 метрах от частного мелкогалечного пляжа с зоной для пар и шезлонгами, где не допускаются гости младше 18 лет. на территории современный спа-центр: финская сауна, паровая с соляной стеной, комнаты для парных массажей и процедуры для двоих. номера 'люкс' с панорамными окнами и балконами выходят на море, в каждом — кровать king-size, мини-бар и сервис ужина при свечах по запросу. тихая ухоженная территория, всего 28 номеров, романтические пакеты: ужин на пляже, шампанское и лепестки роз. сегмент — премиум/средний-премиум.	1.0
  task: search result | query: спокойный отдых на море для двоих без детей, adults only, спа, тихий пляж, романтика	title: none | text: элегантный курортный отель 'лазурная бухта' расположен на первой линии и предлагает просторный открытый спа-комплекс с бассейном, сауной и расписанием массажей. в отеле есть приватные секции пляжа с зонтиками и баром; в номерах — балконы с видом на море и возможность заказать ужин на террасе. на территории регулярно проходят семейные анимационные программы, работает детский клуб и оборудована игровая площадка; отель принимает гостей любых возрастов. сегмент — средний/семейный.	0.5
  task: search result | query: спокойный отдых на море для двоих без детей, adults only, спа, тихий пляж, романтика	title: none | text: бутик-отель 'морской риф' — adults-only комплекс в 50 метрах от частного мелкогалечного пляжа с зоной для пар и шезлонгами, где не допускаются гости младше 18 лет. на территории современный спа-центр: финская сауна, паровая с соляной стеной, комнаты для парных массажей и процедуры для двоих. номера 'люкс' с панорамными окнами и балконами выходят на море, в каждом — кровать king-size, мини-бар и сервис ужина при свечах по запросу. тихая ухоженная территория, всего 28 номеров, романтические пакеты: ужин на пляже, шампанское и лепестки роз. сегмент — премиум/средний-премиум.	0.7

• Loss: CoSENTLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

• gradient_accumulation_steps: 2
• warmup_steps: 0.1
• data_seed: 42
• batch_sampler: no_duplicates

All Hyperparameters

Click to expand

• do_predict: False
• prediction_loss_only: True
• per_device_train_batch_size: 8
• per_device_eval_batch_size: 8
• gradient_accumulation_steps: 2
• 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: 3
• max_steps: -1
• lr_scheduler_type: linear
• lr_scheduler_kwargs: None
• warmup_ratio: None
• warmup_steps: 0.1
• log_level: passive
• log_level_replica: warning
• log_on_each_node: True
• logging_nan_inf_filter: True
• enable_jit_checkpoint: False
• save_on_each_node: False
• save_only_model: False
• restore_callback_states_from_checkpoint: False
• use_cpu: False
• seed: 42
• data_seed: 42
• bf16: False
• fp16: False
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: None
• local_rank: -1
• ddp_backend: None
• debug: []
• dataloader_drop_last: False
• dataloader_num_workers: 0
• dataloader_prefetch_factor: None
• disable_tqdm: False
• remove_unused_columns: True
• label_names: None
• load_best_model_at_end: False
• ignore_data_skip: False
• fsdp: []
• fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
• accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• parallelism_config: None
• deepspeed: None
• label_smoothing_factor: 0.0
• optim: adamw_torch_fused
• optim_args: None
• group_by_length: False
• length_column_name: length
• project: huggingface
• trackio_space_id: trackio
• 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
• push_to_hub: False
• resume_from_checkpoint: None
• hub_model_id: None
• hub_strategy: every_save
• hub_private_repo: None
• hub_always_push: False
• hub_revision: None
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• include_for_metrics: []
• eval_do_concat_batches: True
• auto_find_batch_size: False
• full_determinism: False
• ddp_timeout: 1800
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• include_num_input_tokens_seen: no
• neftune_noise_alpha: None
• optim_target_modules: None
• batch_eval_metrics: False
• eval_on_start: False
• use_liger_kernel: False
• liger_kernel_config: None
• eval_use_gather_object: False
• average_tokens_across_devices: True
• use_cache: False
• prompts: None
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional
• router_mapping: {}
• learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	Validation Loss
0.3521	25	4.0006	-
0.7042	50	3.4527	-
1.0	71	-	3.5100
1.0563	75	3.2057	-
1.4085	100	3.0174	-
1.7606	125	2.9600	-
2.0	142	-	2.7478
2.1127	150	3.0995	-
2.4648	175	2.9674	-
2.8169	200	2.7930	-
3.0	213	-	2.6887

Training Time

• Training: 2.9 minutes

Framework Versions

• Python: 3.12.13
• Sentence Transformers: 5.5.1
• Transformers: 5.0.0
• PyTorch: 2.10.0+cu128
• Accelerate: 1.13.0
• Datasets: 5.0.0
• Tokenizers: 0.22.2

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",
}

CoSENTLoss

@article{10531646,
    author={Huang, Xiang and Peng, Hao and Zou, Dongcheng and Liu, Zhiwei and Li, Jianxin and Liu, Kay and Wu, Jia and Su, Jianlin and Yu, Philip S.},
    journal={IEEE/ACM Transactions on Audio, Speech, and Language Processing},
    title={CoSENT: Consistent Sentence Embedding via Similarity Ranking},
    year={2024},
    doi={10.1109/TASLP.2024.3402087}
}