Add new SentenceTransformer model

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 1024,
+  "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
+}

README.md

@@ -0,0 +1,598 @@
+---
+base_model: intfloat/multilingual-e5-large
+language:
+- multilingual
+library_name: sentence-transformers
+license: apache-2.0
+metrics:
+- cosine_accuracy
+- dot_accuracy
+- manhattan_accuracy
+- euclidean_accuracy
+- max_accuracy
+pipeline_tag: sentence-similarity
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:1765
+- loss:TripletLoss
+widget:
+- source_sentence: Pavimento de piedra calcárea nacional serrada y sin pulir, precio
+    alto, de 40 mm de espesor con arista viva en los cuatro bordes 1251 a 2500 cm2,
+    colocada a pique de maceta con mortero cemento 1:6
+  sentences:
+  - Bordillo de hormigón recto con canaleta, de una sola capa, dimensiones 40x35 cm,
+    instalado sobre una base de hormigón no estructural de 25 a 30 cm de altura y
+    sellado con mortero.
+  - Pavimento de piedra caliza nacional, sin pulir y con un grosor de 40 mm, con bordes
+    afilados, en un rango de 1251 a 2500 cm2, instalado en macetas utilizando mortero
+    de cemento en una proporción de 1:6, a un precio elevado.
+  - Pavimento de cerámica esmaltada de importación, precio bajo, de 10 mm de espesor
+    con bordes redondeados en los cuatro lados 500 a 1000 cm2, instalada en superficie
+    plana con adhesivo flexible.
+- source_sentence: Hormigonado para encepados, con hormigón para armar HA - 30 / F
+    / 10 / XC4 + XS1 con una cantidad de cemento de 300 kg/m3 i relación agua cemento
+    =< 0.5, colocado con bomba en obras de ingeniería civil
+  sentences:
+  - Placa adicional para señales viales, fabricada en acero galvanizado y pintada,
+    con dimensiones de 30x15 cm, recubierta con lámina retrorreflectante de clase
+    RA3, montada sobre la señal, en áreas urbanas con limitaciones de movilidad, en
+    aceras de más de 3 y hasta 5 m de ancho o en calzadas/plataformas únicas de más
+    de 7 y hasta 12 m de ancho, sin interferencias de servicios o mobiliario urbano,
+    en proyectos de hasta 1 unidad.
+  - Hormigonado para estructuras de madera, con hormigón ligero para aislamiento con
+    una cantidad de cemento de 200 kg/m3 y relación agua-cemento >= 0.6, aplicado
+    manualmente en proyectos de jardinería.
+  - Colocación de hormigón para cimentaciones, utilizando hormigón HA - 30 / F / 10
+    / XC4 + XS1 con una dosificación de 300 kg/m3 de cemento y una relación agua-cemento
+    menor o igual a 0.5, aplicado mediante bomba en proyectos de infraestructura.
+- source_sentence: Pared estructural para exterior de panel de madera contralaminada
+    de 90 mm de espesor formada por 3 capas de madera de abeto C24, encoladas con
+    adhesivo sin urea-formaldehído con la disposición transversal de la madera en
+    las dos caras del panel, con tratamiento hidrófugo, con acabado superficial tipo
+    vivienda en las dos caras con madera de Alerce europeo barnizado en una cara y
+    con madera de abeto rojo en la otra con lasur en la otra colocado con fijaciones
+    mecánicas, desolidarización del soporte con banda resiliente de caucho EPDM extruido,
+    fijada con grapas; unión entre paneles machihembrado fijados con tornillos de
+    acero y sellado de la cara interior de los juntas con cinta adhesiva de goma butílica,
+    con armadura de poliéster y sellado de la cara exterior con cinta autoadhesiva
+    de polietileno con adhesivo acrílico sin disolventes, con armadura de polietileno
+    y película de separación de papel siliconado, previa aplicación de imprimación
+    incolora a base de una dispersión acrílica sin disolventes; resolución de trabas
+    con tornillos de acero; fijación de paneles con elementos de acero galvanizado
+  sentences:
+  - Pared decorativa para interior de panel de yeso de 12 mm de espesor, compuesta
+    por una sola capa de yeso laminado, con acabado superficial tipo pintura acrílica
+    en ambas caras, colocada con adhesivo a base de agua, sin tratamiento hidrófugo,
+    y fijaciones mecánicas de tipo tornillo, sin necesidad de desolidarización del
+    soporte, uniendo los paneles mediante un sistema de encastre simple, y sellado
+    de las juntas con masilla acrílica, sin uso de cintas adhesivas.
+  - Losetas de pavimento para aceras de 20x20x2,5 cm, clase 1a, de alto costo, instaladas
+    a nivel de maceta con mortero de cemento 1:4 y lechada de color utilizando cemento
+    blanco de albañilería, en un entorno urbano con fácil acceso, en aceras de más
+    de 3 y hasta 5 m de ancho o calzadas/plataformas únicas de más de 7 y hasta 12
+    m de ancho, considerando la presencia de servicios o mobiliario urbano, en proyectos
+    de entre 1 y 10 m2.
+  - Pared exterior de panel de madera contralaminada de 90 mm de grosor compuesta
+    por tres capas de madera de abeto C24, unidas con adhesivo libre de urea-formaldehído,
+    con la disposición de la madera en sentido transversal en ambas caras del panel,
+    tratada para resistir la humedad, y con un acabado de calidad residencial en ambas
+    caras utilizando madera de Alerce europeo barnizada en un lado y madera de abeto
+    rojo con lasur en el otro, fijada mecánicamente, con desolidarización del soporte
+    mediante banda resiliente de caucho EPDM, unida con grapas; los paneles se ensamblan
+    mediante machihembrado y se fijan con tornillos de acero, sellando las juntas
+    interiores con cinta adhesiva de goma butílica y las exteriores con cinta autoadhesiva
+    de polietileno con adhesivo acrílico sin disolventes, además de aplicar una imprimación
+    incolora a base de dispersión acrílica sin disolventes; se utilizan tornillos
+    de acero para resolver las uniones y se fijan los paneles con elementos de acero
+    galvanizado.
+- source_sentence: Ventana de aluminio anodizado natural, colocada sobre premarco,
+    con una hoja oscilobatiente e una hoja fija lateral, para un hueco de obra aproximado
+    de 150x120 cm, elaborada con perfiles de precio superior, clasificación mínima
+    4 de permeabilidad al aire según UNE-EN 12207, clasificación mínima 9A de estanqueidad
+    al agua según UNE-EN 12208 y clasificación mínima C5 de resistencia al viento
+    según UNE-EN 12210, con caja de persiana y guías
+  sentences:
+  - Cable de 11 pares para uso exterior en instalaciones telefónicas, con aislamiento
+    y cubierta de polietileno, conductor de cobre rígido de 0,405 mm de diámetro,
+    clasificado como Fca según la norma UNE-EN 50575, y protegido con pantalla de
+    aluminio/poliéster, instalado en tubo.
+  - Ventana de aluminio anodizado en acabado natural, instalada sobre un premarco,
+    que incluye una hoja oscilobatiente y una hoja fija lateral, diseñada para un
+    hueco de obra de aproximadamente 150x120 cm, fabricada con perfiles de alta gama,
+    con una clasificación mínima de 4 en permeabilidad al aire según UNE-EN 12207,
+    clasificación mínima 9A en estanqueidad al agua según UNE-EN 12208 y clasificación
+    mínima C5 en resistencia al viento según UNE-EN 12210, además de contar con una
+    caja de persiana y guías.
+  - Puerta de madera tratada, instalada en un marco de acero, con un diseño de apertura
+    deslizante y un panel fijo lateral, para un espacio de construcción de aproximadamente
+    200x100 cm, fabricada con materiales de gama media, clasificación mínima 2 de
+    aislamiento térmico según UNE-EN 14509, clasificación mínima 5 de resistencia
+    al fuego según UNE-EN 13501 y clasificación mínima B3 de resistencia a impactos
+    según UNE-EN 12600, sin sistema de persiana ni guías.
+- source_sentence: Banco de tablas de madera tropical con certificado FSC con aceite
+    de dos componentes, de dos módulos, de 3,1 m de longitud, con un respaldo de madera
+    y con soportes de pletina de acero, colocado con fijaciones mecánicas, en entorno
+    urbano sin dificultad de movilidad, en aceras > 3 y <= 5 m de ancho o calzada/plataforma
+    única > 7 y <= 12 m de ancho, con afectación por servicios o elementos de mobiliario
+    urbano, en actuaciones de 1 a 5 u
+  sentences:
+  - Banco de madera reciclada con tratamiento de pintura ecológica, de un solo módulo,
+    de 2,5 m de longitud, sin respaldo y con patas de plástico, instalado en un parque
+    rural con acceso restringido, en senderos de menos de 3 m de ancho, sin interferencias
+    de servicios públicos o mobiliario, en proyectos de 6 a 10 unidades.
+  - Base para pavimento de concreto no estructural HNE-15/B/20 con resistencia a compresión
+    de 15 N/mm2, de consistencia suave y agregado de tamaño máximo de 20 mm, vertido
+    desde camión y compactado manualmente, con acabado nivelado, en áreas urbanas
+    con movilidad restringida, en aceras mayores a 5 m de ancho o calzadas/plataformas
+    únicas superiores a 12 m de ancho, sin interferencias de servicios o mobiliario
+    urbano, en trabajos de hasta 0.2 m3.
+  - Banco de madera tropical con certificación FSC, tratado con aceite de dos componentes,
+    de dos secciones, con una longitud de 3,1 m, equipado con respaldo de madera y
+    soportes de acero, instalado con fijaciones mecánicas en un entorno urbano, apto
+    para aceras de más de 3 y hasta 5 m de ancho o calzadas de más de 7 y hasta 12
+    m de ancho, considerando la presencia de servicios o mobiliario urbano, en proyectos
+    de 1 a 5 unidades.
+model-index:
+- name: Multilingual E5 Large trained with triplet loss
+  results:
+  - task:
+      type: triplet
+      name: Triplet
+    dataset:
+      name: validation set
+      type: validation-set
+    metrics:
+    - type: cosine_accuracy
+      value: 0.9886363636363636
+      name: Cosine Accuracy
+    - type: dot_accuracy
+      value: 0.011363636363636364
+      name: Dot Accuracy
+    - type: manhattan_accuracy
+      value: 0.9886363636363636
+      name: Manhattan Accuracy
+    - type: euclidean_accuracy
+      value: 0.9886363636363636
+      name: Euclidean Accuracy
+    - type: max_accuracy
+      value: 0.9886363636363636
+      name: Max Accuracy
+  - task:
+      type: triplet
+      name: Triplet
+    dataset:
+      name: test set
+      type: test-set
+    metrics:
+    - type: cosine_accuracy
+      value: 1.0
+      name: Cosine Accuracy
+    - type: dot_accuracy
+      value: 0.0
+      name: Dot Accuracy
+    - type: manhattan_accuracy
+      value: 0.9943502824858758
+      name: Manhattan Accuracy
+    - type: euclidean_accuracy
+      value: 1.0
+      name: Euclidean Accuracy
+    - type: max_accuracy
+      value: 1.0
+      name: Max Accuracy
+    - type: cosine_accuracy
+      value: 1.0
+      name: Cosine Accuracy
+    - type: dot_accuracy
+      value: 0.0
+      name: Dot Accuracy
+    - type: manhattan_accuracy
+      value: 0.9943502824858758
+      name: Manhattan Accuracy
+    - type: euclidean_accuracy
+      value: 1.0
+      name: Euclidean Accuracy
+    - type: max_accuracy
+      value: 1.0
+      name: Max Accuracy
+---
+
+# Multilingual E5 Large trained with triplet loss
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large) on the csv dataset. It maps sentences & paragraphs to a 1024-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-large](https://huggingface.co/intfloat/multilingual-e5-large) <!-- at revision ab10c1a7f42e74530fe7ae5be82e6d4f11a719eb -->
+- **Maximum Sequence Length:** 512 tokens
+- **Output Dimensionality:** 1024 tokens
+- **Similarity Function:** Cosine Similarity
+- **Training Dataset:**
+    - csv
+- **Language:** multilingual
+- **License:** apache-2.0
+
+### 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: XLMRobertaModel 
+  (1): Pooling({'word_embedding_dimension': 1024, '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:
+
+```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("RamsesDIIP/me5-large-construction-v2")
+# Run inference
+sentences = [
+    'Banco de tablas de madera tropical con certificado FSC con aceite de dos componentes, de dos módulos, de 3,1 m de longitud, con un respaldo de madera y con soportes de pletina de acero, colocado con fijaciones mecánicas, en entorno urbano sin dificultad de movilidad, en aceras > 3 y <= 5 m de ancho o calzada/plataforma única > 7 y <= 12 m de ancho, con afectación por servicios o elementos de mobiliario urbano, en actuaciones de 1 a 5 u',
+    'Banco de madera tropical con certificación FSC, tratado con aceite de dos componentes, de dos secciones, con una longitud de 3,1 m, equipado con respaldo de madera y soportes de acero, instalado con fijaciones mecánicas en un entorno urbano, apto para aceras de más de 3 y hasta 5 m de ancho o calzadas de más de 7 y hasta 12 m de ancho, considerando la presencia de servicios o mobiliario urbano, en proyectos de 1 a 5 unidades.',
+    'Banco de madera reciclada con tratamiento de pintura ecológica, de un solo módulo, de 2,5 m de longitud, sin respaldo y con patas de plástico, instalado en un parque rural con acceso restringido, en senderos de menos de 3 m de ancho, sin interferencias de servicios públicos o mobiliario, en proyectos de 6 a 10 unidades.',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 1024]
+
+# Get the similarity scores for the embeddings
+similarities = model.similarity(embeddings, embeddings)
+print(similarities.shape)
+# [3, 3]
+```
+
+<!--
+### Direct Usage (Transformers)
+
+<details><summary>Click to see the direct usage in Transformers</summary>
+
+</details>
+-->
+
+<!--
+### Downstream Usage (Sentence Transformers)
+
+You can finetune this model on your own dataset.
+
+<details><summary>Click to expand</summary>
+
+</details>
+-->
+
+<!--
+### Out-of-Scope Use
+
+*List how the model may foreseeably be misused and address what users ought not to do with the model.*
+-->
+
+## Evaluation
+
+### Metrics
+
+#### Triplet
+* Dataset: `validation-set`
+* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
+
+| Metric             | Value      |
+|:-------------------|:-----------|
+| cosine_accuracy    | 0.9886     |
+| dot_accuracy       | 0.0114     |
+| manhattan_accuracy | 0.9886     |
+| euclidean_accuracy | 0.9886     |
+| **max_accuracy**   | **0.9886** |
+
+#### Triplet
+* Dataset: `test-set`
+* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
+
+| Metric             | Value   |
+|:-------------------|:--------|
+| cosine_accuracy    | 1.0     |
+| dot_accuracy       | 0.0     |
+| manhattan_accuracy | 0.9944  |
+| euclidean_accuracy | 1.0     |
+| **max_accuracy**   | **1.0** |
+
+#### Triplet
+* Dataset: `test-set`
+* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
+
+| Metric             | Value   |
+|:-------------------|:--------|
+| cosine_accuracy    | 1.0     |
+| dot_accuracy       | 0.0     |
+| manhattan_accuracy | 0.9944  |
+| euclidean_accuracy | 1.0     |
+| **max_accuracy**   | **1.0** |
+
+<!--
+## Bias, Risks and Limitations
+
+*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
+-->
+
+<!--
+### Recommendations
+
+*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
+-->
+
+## Training Details
+
+### Training Dataset
+
+#### csv
+
+* Dataset: csv
+* Size: 1,765 training samples
+* Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | anchor                                                                               | positive                                                                             | negative                                                                           |
+  |:--------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
+  | type    | string                                                                               | string                                                                               | string                                                                             |
+  | details | <ul><li>min: 13 tokens</li><li>mean: 107.33 tokens</li><li>max: 317 tokens</li></ul> | <ul><li>min: 14 tokens</li><li>mean: 102.76 tokens</li><li>max: 272 tokens</li></ul> | <ul><li>min: 14 tokens</li><li>mean: 86.3 tokens</li><li>max: 247 tokens</li></ul> |
+* Samples:
+  | anchor                                                                                                                                                                                                                                                                                                                                                                                                                                              | positive                                                                                                                                                                                                                                                                                                                                                                                                                                | negative                                                                                                                                                                                                                                                                                              |
+  |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>Ventana de aluminio lacado blanco con rotura de puente térmico, colocada sobre premarco, con una hoja oscilobatiente, para un hueco de obra aproximado de 90x120 cm, elaborada con perfiles de precio alto, clasificación mínima 3 de permeabilidad al aire según UNE-EN 12207, clasificación mínima 8A de estanqueidad al agua según UNE-EN 12208 y clasificación mínima C4 de resistencia al viento según UNE-EN 12210, sin persiana</code> | <code>Ventana de PVC blanco con rotura de puente térmico, instalada sobre premarco, con una hoja oscilobatiente, para un hueco de obra aproximado de 90x120 cm, fabricada con perfiles de alta gama, clasificación mínima 3 de permeabilidad al aire según UNE-EN 12207, clasificación mínima 8A de estanqueidad al agua según UNE-EN 12208 y clasificación mínima C4 de resistencia al viento según UNE-EN 12210, sin persiana.</code> | <code>Puerta de madera sin tratar con marco de acero, instalada en un espacio de 80x100 cm, diseñada con un sistema de apertura tradicional, fabricada con materiales de bajo costo, sin clasificación de permeabilidad al aire, estanqueidad o resistencia al viento, con persiana integrada.</code> |
+  | <code>Viga de hormigón armado de canto, con encofrado para revestir, con una cuantía de 7,5 m2/m3, hormigón hormigón para armar HA - 30 / B / 10 / XC2 con una cantidad de cemento de 275 kg/m3 i relación agua cemento =< 0.6, vertido con bomba y armadura AP500 S de acero en barras corrugadas con una cuantía de 150 kg/m3</code>                                                                                                              | <code>Viga de concreto reforzado de sección, con encofrado para acabado, con una densidad de 7,5 m2/m3, concreto HA - 30 / B / 10 / XC2 que contiene 275 kg/m3 de cemento y una relación agua-cemento menor o igual a 0.6, vertido mediante bomba y con refuerzo de acero en varillas corrugadas AP500 S con una cantidad de 150 kg/m3.</code>                                                                                          | <code>Viga de madera laminada de canto, con revestimiento decorativo, con una cuantía de 5 m2/m3, madera tratada para exteriores con una densidad de 500 kg/m3 y una relación de humedad =< 12%, instalada manualmente y refuerzo de fibra de vidrio con una cuantía de 100 kg/m3.</code>             |
+  | <code>Caja modular de polipropileno de medidas 0.75x0.45x3,5 m (LxAxH) para sistema urbano drenante SUD formando una pieza prismática de medidas 7.5x2.7x3,5 m (LxAxH) y envuelto con geotextil formado por fieltro de polipropileno/polietileno no tejido ligado térmicamente de 110 a 130 g/m2, colocada sin adherir</code>                                                                                                                       | <code>Caja modular de polipropileno de dimensiones 0.75x0.45x3.5 m (LxAxH) para un sistema de drenaje urbano SUD, que se integra en una estructura prismática de 7.5x2.7x3.5 m (LxAxH) y recubierta con geotextil de fieltro de polipropileno/polietileno no tejido, con un peso de 110 a 130 g/m2, instalada sin adhesión.</code>                                                                                                      | <code>Caja de almacenamiento de cartón reciclado de dimensiones 0.75x0.45x3.5 m (LxAxH) para uso doméstico, diseñada como un contenedor rectangular de medidas 7.5x2.7x3.5 m (LxAxH) y recubierta con papel kraft de 80 a 100 g/m2, ensamblada con pegamento.</code>                                  |
+* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
+  ```json
+  {
+      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
+      "triplet_margin": 5
+  }
+  ```
+
+### Evaluation Dataset
+
+#### csv
+
+* Dataset: csv
+* Size: 1,765 evaluation samples
+* Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | anchor                                                                               | positive                                                                             | negative                                                                            |
+  |:--------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
+  | type    | string                                                                               | string                                                                               | string                                                                              |
+  | details | <ul><li>min: 27 tokens</li><li>mean: 107.66 tokens</li><li>max: 299 tokens</li></ul> | <ul><li>min: 22 tokens</li><li>mean: 103.47 tokens</li><li>max: 265 tokens</li></ul> | <ul><li>min: 23 tokens</li><li>mean: 87.09 tokens</li><li>max: 237 tokens</li></ul> |
+* Samples:
+  | anchor                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                   | negative                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          |
+  |:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>Pavimento de hormigón de 20 cm de espesor acabado con 5 kg/m2 de polvo de cuarzo color, con hormigón para armar HA - 30 / B / 20 / XC3 con una cantidad de cemento de 300 kg/m3 i relación agua cemento =< 0.55, colocado desde camión, extendido y vibrado manual y fratasado mecánico</code>                                                                                                                                                                                                                                                                                                                                                                                                                                                                     | <code>Losas de concreto de 20 cm de grosor, terminadas con 5 kg/m2 de polvo de cuarzo de color, utilizando hormigón HA - 30 / B / 20 / XC3, con una dosificación de cemento de 300 kg/m3 y una relación agua-cemento menor o igual a 0.55, aplicadas desde camión, niveladas y compactadas manualmente, y pulidas con máquina.</code>                                                                                                                      | <code>Pavimento de asfalto de 15 cm de espesor tratado con 3 kg/m2 de colorante, utilizando mezcla bituminosa tipo AC-20 con una proporción de betún de 4% y relación agregado asfáltico =< 0.60, aplicado desde planta, extendido y compactado con rodillo vibratorio.</code>                                                                                                                                                                                                                                                                                    |
+  | <code>Alcantarilla con tubo de pared estructurada para saneamiento enterrado sin presión, de polietileno, diámetro nominal DN 1200, clase de rigidez anular SN 4 (rigidez anular 4 kN/m2), de superficies interna lisa y externa perfilada de tipo B, código de área de aplicación U, fabricación según norma UNE-EN 13476-3, unión mediante manguito extruido y junta elastomérica de estanquidad, colocado en el fondo de la zanja sobre lecho de arena de 30 cm de espesor y relleno de arena hasta 30 cm por encima del tubo, incluida la formación de una solera de 15 cm de espesor de hormigón de uso no estructural HNE-20/P/20 de resistencia a compresión 20 N/mm2, consistencia plástica y tamaño máximo del árido 20 mm, con pisón vibrante eléctrico</code> | <code>Tubería de alcantarillado de polietileno con diámetro nominal DN 1200, diseñada para saneamiento enterrado sin presión, con clase de rigidez anular SN 4, y uniones mediante manguito extruido y junta elastomérica, instalada sobre un lecho de arena de 30 cm y cubierta con arena hasta 30 cm por encima, además de una base de hormigón no estructural de 15 cm de espesor.</code>                                                               | <code>Alcantarilla con tubo de pared lisa para drenaje superficial sin presión, de PVC, diámetro nominal DN 1000, clase de rigidez anular SN 2 (rigidez anular 2 kN/m2), de superficies interna y externa lisas, código de área de aplicación T, fabricación según norma UNE-EN 1452-2, unión mediante soldadura y junta de goma, colocado en la superficie del terreno sobre una base de grava de 10 cm de espesor y relleno de tierra hasta 20 cm por encima del tubo, incluida la formación de una capa de césped de 5 cm de espesor, con riego manual.</code> |
+  | <code>Placa complementaria para señales de tráfico, de acero galvanizado y pintado, de 30x15 cm, acabada con lámina retrorreflectante clase RA3, fijada a la señal, en entorno urbano con dificultad de mobilidad, en aceras > 3 y <= 5 m de ancho o calzada/plataforma única > 7 y <= 12 m de ancho, sin afectación por servicios o elementos de mobiliario urbano, en actuaciones de hasta 1 u</code>                                                                                                                                                                                                                                                                                                                                                                  | <code>Placa adicional para señales viales, fabricada en acero galvanizado y pintada, con dimensiones de 30x15 cm, recubierta con lámina retrorreflectante de clase RA3, montada sobre la señal, en áreas urbanas con limitaciones de movilidad, en aceras de más de 3 y hasta 5 m de ancho o en calzadas/plataformas únicas de más de 7 y hasta 12 m de ancho, sin interferencias de servicios o mobiliario urbano, en proyectos de hasta 1 unidad.</code> | <code>Placa de refuerzo para estructuras de soporte, fabricada en aluminio anodizado y sin recubrimiento, de 40x20 cm, diseñada para resistir condiciones climáticas extremas, instalada en áreas rurales con acceso limitado, en caminos > 5 y <= 10 m de ancho o terrenos > 10 y <= 15 m de ancho, con interferencia de servicios públicos y elementos de paisajismo, en proyectos de hasta 3 unidades.</code>                                                                                                                                                  |
+* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
+  ```json
+  {
+      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
+      "triplet_margin": 5
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 6
+- `per_device_eval_batch_size`: 6
+- `learning_rate`: 2e-05
+- `num_train_epochs`: 10
+- `warmup_ratio`: 0.1
+- `fp16`: True
+- `batch_sampler`: no_duplicates
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: steps
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 6
+- `per_device_eval_batch_size`: 6
+- `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`: 10
+- `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`: 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
+- `eval_use_gather_object`: False
+- `batch_sampler`: no_duplicates
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+| Epoch  | Step | Training Loss | Validation Loss | validation-set_max_accuracy | test-set_max_accuracy |
+|:------:|:----:|:-------------:|:---------------:|:---------------------------:|:---------------------:|
+| 0      | 0    | -             | -               | 0.9773                      | -                     |
+| 0.8475 | 200  | 4.1904        | 3.4566          | 1.0                         | -                     |
+| 1.6949 | 400  | 3.5286        | 3.4838          | 0.9659                      | -                     |
+| 2.5424 | 600  | 3.42          | 3.4114          | 0.9943                      | -                     |
+| 3.3898 | 800  | 3.3426        | 3.4048          | 0.9830                      | -                     |
+| 4.2373 | 1000 | 3.255         | 3.3055          | 0.9886                      | -                     |
+| 5.0847 | 1200 | 3.1994        | 3.3124          | 1.0                         | -                     |
+| 5.9322 | 1400 | 3.1468        | 3.2585          | 0.9830                      | -                     |
+| 6.7797 | 1600 | 3.1209        | 3.2398          | 0.9886                      | -                     |
+| 7.6271 | 1800 | 3.0917        | 3.2182          | 0.9886                      | -                     |
+| 8.4746 | 2000 | 3.0697        | 3.1917          | 0.9886                      | -                     |
+| 9.3220 | 2200 | 3.07          | 3.1934          | 0.9886                      | -                     |
+| 10.0   | 2360 | -             | -               | 0.9886                      | 1.0                   |
+
+
+### Framework Versions
+- Python: 3.10.12
+- Sentence Transformers: 3.2.0
+- Transformers: 4.44.2
+- PyTorch: 2.4.1+cu121
+- Accelerate: 0.34.2
+- Datasets: 3.0.1
+- Tokenizers: 0.19.1
+
+## Citation
+
+### BibTeX
+
+#### Sentence Transformers
+```bibtex
+@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",
+}
+```
+
+#### TripletLoss
+```bibtex
+@misc{hermans2017defense,
+    title={In Defense of the Triplet Loss for Person Re-Identification},
+    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
+    year={2017},
+    eprint={1703.07737},
+    archivePrefix={arXiv},
+    primaryClass={cs.CV}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

config.json

@@ -0,0 +1,28 @@
+{
+  "_name_or_path": "intfloat/multilingual-e5-large",
+  "architectures": [
+    "XLMRobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 1024,
+  "initializer_range": 0.02,
+  "intermediate_size": 4096,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "xlm-roberta",
+  "num_attention_heads": 16,
+  "num_hidden_layers": 24,
+  "output_past": true,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.44.2",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 250002
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.2.0",
+    "transformers": "4.44.2",
+    "pytorch": "2.4.1+cu121"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:a7cf41b8f13f1fb6d35ce7def660681b761eb8a81b0565160304db67f5f8a0b4
+size 2239607176

modules.json

@@ -0,0 +1,20 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  },
+  {
+    "idx": 2,
+    "name": "2",
+    "path": "2_Normalize",
+    "type": "sentence_transformers.models.Normalize"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 512,
+  "do_lower_case": false
+}

sentencepiece.bpe.model

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cfc8146abe2a0488e9e2a0c56de7952f7c11ab059eca145a0a727afce0db2865
+size 5069051

special_tokens_map.json

@@ -0,0 +1,51 @@
+{
+  "bos_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "<mask>",
+    "lstrip": true,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "<pad>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "<unk>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:883b037111086fd4dfebbbc9b7cee11e1517b5e0c0514879478661440f137085
+size 17082987

tokenizer_config.json

@@ -0,0 +1,54 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "250001": {
+      "content": "<mask>",
+      "lstrip": true,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "model_max_length": 512,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "unk_token": "<unk>"
+}