metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:6659
  - loss:MultipleNegativesRankingLoss
base_model: chkla/parlbert-german-v1
widget:
  - source_sentence: >-
      stellen, neue Märkte erschließen und Vorreiter sein. Sie fordern mehr
      grünen Strom ein und benötigen schon bald große Mengen grünen Wasserstoff
      für ihre innovativen und zukunftsweisenden neuen Produktionsweisen. Ein
      moderner und zukunftsweisender Wirtschaftsstandort setzt auf effiziente
      und moderne Produktionsweisen, regt grüne Innovationen an und schafft
      einen Rahmen, in dem Produkte weiterentwickelt werden können. Sehr geehrte
      Damen und Herren, stehen zu bleiben, nichts zu tun, keine Veränderungen
      zuzulassen, ist keine Option, wenn wir in den Märkten der Zukunft als
      Standort eine Rolle spielen wollen. Für mich ist klar: Deutschland soll
      auch langfristig einer der Wirtschaftsstandorte weltweit sein. Dazu
      leistet dieser Gesetzentwurf vielleicht nur einen kleinen, aber einen sehr
      wichtigen Beitrag in die richtige Richtung. Herzlichen Dank. 
    sentences:
      - >-
        Welche Auswirkungen hat der vorgeschlagene Vorwegabzug auf die
        Bürokratie im Gesundheitswesen?
      - >-
        Welche Rolle spielt die grüne Energie in der Zukunft der deutschen
        Wirtschaft?
      - Debatte 9-Euro-Ticket Bundestag
  - source_sentence: >-
      l fehlen, und das wird unser Leben bedeutend verändern. Eine lahmende
      Wirtschaft wird zu längeren Lieferzeiten führen. Wir werden Probleme in
      der Pflege bekommen, und auch der Zusammenbruch des Rentensystems kann
      eine Folge sein. Die Ampel liefert nun auch mit diesem Haushalt die
      notwendigen bundespolitischen Weichenstellungen. Statt Menschen über Jahre
      durch Kettenduldung zu drangsalieren, geben wir ihnen eine Chance auf
      Bleiberecht und leisten damit auch einen Beitrag zur Bekämpfung des
      Arbeitskräftemangels. Die Ampel hat die frühere Arroganz, ja, die
      Fehleinschätzung der vielleicht nicht auf alle Fach- und Arbeitskräfte
      wirkenden Attraktivität Deutschlands endlich abgelegt. Es ist ein Irrtum,
      zu glauben, man müsse nicht viel tun und man müsse auch nicht viel
      leisten, man könne sich die Besten der Besten aussuchen, die alle Schlange
      stünden, um in Deutschland arbeiten zu können. Mit dem Haushalt und den
      Mitteln, die wir jetzt hier beschließen werden, stellen wir uns zum ersten
      Mal einer Realität, die zeigt,
    sentences:
      - Attraktivität Deutschlands für Fachkräfte
      - >-
        Wie sieht die Zusammenarbeit zwischen der Bundesregierung, der
        irakischen Regierung und der kurdischen Regionalregierung aus?
      - Befürwortung des Rechts auf selbstbestimmtes Sterben
  - source_sentence: ' Vielen Dank, Herr Kollege Hofreiter. – Das Wort hat nunmehr der Kollege Alexander Graf Lambsdorff, FDP-Fraktion. '
    sentences:
      - Wissenschaftstheorie im Bundestag
      - Redebeitrag Alexander Graf Lambsdorff im Bundestag
      - Parlamentarisches Verfahren zur Legalisierung
  - source_sentence: ' Sehr geehrte Frau Präsidentin! Exzellenz! Liebe Kolleginnen und Kollegen! Lieber Herr Roth, ich kann dieses Gerede davon, dass Russland Europa destabilisieren will, nicht mehr hören. Das entbehrt jeder logischen Grundlage. Russland hat die Ressourcen, wir haben das Know-how. Es liegt im Interesse der Europäischen Union, aller Staaten in der EU, mit Russland zusammenzuarbeiten, genauso wie das im Interesse Russlands liegt. Das, was Sie hier vorführen, ist Kriegstreiberei, Panikmache und Kriegsrhetorik. Ja, es ist richtig: Russland bewegt seine Armee auf seinem Territorium. Darüber wird hier sehr intensiv gesprochen. Aber wird auch darüber gesprochen, was auf der Gegenseite, in der Ukraine, passiert? Ich möchte Ihnen zitieren, was der ukrainische Verteidigungsminister vorgestern erklärt hat: Ich kann mit absoluter Gewissheit sagen, dass Stand heute die russischen Streitkräfte keine Angriffsgruppierungen aufgestellt haben, die einen gewaltsamen Einmarsch in die Ukraine durchführen könnten. Also bitte betreiben '
    sentences:
      - Redezeit Bundestag
      - Wer hat das Wort für die CDU/CSU-Fraktion im Bundestag?
      - Rede zur Ukraine-Krise
  - source_sentence: >-
      t wir hier im Bundestag sind. Es ist Zeit, umzudenken. Es ist Zeit,
      umzudenken für die Union. Meine Damen und Herren, glauben Sie bitte nicht
      diesen Geschichten, die Ihnen hier eben aufgetischt worden sind. Vielen
      Dank. 
    sentences:
      - Kritik an der Union
      - >-
        Wie wird im Bundestag über die Debatte zum Sozialsystem und der
        Zuwanderung diskutiert?
      - >-
        Wie sieht der Autor die Beziehung zwischen Einheit und Vielfalt in
        Deutschland?
datasets:
  - davhin/parl-synthetic-queries-v2
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - cosine_accuracy
model-index:
  - name: SentenceTransformer based on chkla/parlbert-german-v1
    results:
      - task:
          type: triplet
          name: Triplet
        dataset:
          name: parlsearch dev
          type: parlsearch-dev
        metrics:
          - type: cosine_accuracy
            value: 0.6420420408248901
            name: Cosine Accuracy
          - type: cosine_accuracy
            value: 0.9855855703353882
            name: Cosine Accuracy
      - task:
          type: triplet
          name: Triplet
        dataset:
          name: parlsearch test before training
          type: parlsearch-test-before-training
        metrics:
          - type: cosine_accuracy
            value: 0.62409907579422
            name: Cosine Accuracy
      - task:
          type: triplet
          name: Triplet
        dataset:
          name: parlsearch test after training
          type: parlsearch-test-after-training
        metrics:
          - type: cosine_accuracy
            value: 0.982207179069519
            name: Cosine Accuracy

SentenceTransformer based on chkla/parlbert-german-v1

This is a sentence-transformers model finetuned from chkla/parlbert-german-v1 on the parl-synthetic-queries-v2 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: chkla/parlbert-german-v1
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- parl-synthetic-queries-v2

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("davhin/parlbert-german-search-v0")
# Run inference
sentences = [
    't wir hier im Bundestag sind. Es ist Zeit, umzudenken. Es ist Zeit, umzudenken für die Union. Meine Damen und Herren, glauben Sie bitte nicht diesen Geschichten, die Ihnen hier eben aufgetischt worden sind. Vielen Dank. ',
    'Kritik an der Union',
    'Wie wird im Bundestag über die Debatte zum Sozialsystem und der Zuwanderung diskutiert?',
]
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

Triplet

Datasets: parlsearch-dev, parlsearch-test-before-training and parlsearch-test-after-training
Evaluated with TripletEvaluator

Metric	parlsearch-dev	parlsearch-test-before-training	parlsearch-test-after-training
cosine_accuracy	0.642	0.6241	0.9822

Triplet

Dataset: parlsearch-dev
Evaluated with TripletEvaluator

Metric	Value
cosine_accuracy	0.9856

Training Details

Training Dataset

parl-synthetic-queries-v2

Dataset: parl-synthetic-queries-v2 at 0dd76c6
Size: 6,659 training samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 1000 samples:

	anchor	positive	negative
type	string	string	string
details	min: 4 tokens mean: 149.07 tokens max: 241 tokens	min: 4 tokens mean: 10.6 tokens max: 28 tokens	min: 4 tokens mean: 10.38 tokens max: 24 tokens

Samples:

anchor	positive	negative
t steigen, und das Handwerk müsste die Anzahl der Beschäftigten verdoppeln. Betrachtet man zudem den europäischen Gebäudebereich – ich habe es gesagt – und das Ziel der einheitlichen Maßstäbe, zeigt sich in Europa ein sehr uneinheitliches Bild. Die Effizienzklassen in Europa sind nicht vergleichbar. Gebäude in den Niederlanden mit der Energieeffizienzklasse C entsprechen in Deutschland der Klasse G. So entsteht der Eindruck, dass die Gebäude in Deutschland schlechtgerechnet werden. Wenn man sich das auf dem Papier anschaut, stellt man fest: Der Gebäudebestand in Deutschland ist deutlich besser als in vielen anderen Mitgliedstaaten. Und was macht unser zuständiger Minister Habeck? Er setzt sich von Beginn an im Rat dafür ein, schärfere Vorgaben, als von der Kommission empfohlen, durchzudrücken. Bis zum Wohngipfel war die Position der Regierung, hier mehr zu erzwingen. Dass der Sanierungszwang jetzt vom Tisch ist, ist gut. Aber er wurde bis vor Kurzem von den Grünen gefördert und geforde...	`Habeck Gebäudepolitik`	`Kosten für Pendler in Kiel`
Vielen Dank. – Frau Präsidentin! Meine sehr verehrten Damen und Herren! Im Frühjahr 2006 reiste Daniel Loy nach Berlin. Er nimmt an einer Veranstaltung der Studienstiftung des deutschen Volkes teil und infiziert sich dort mit dem Epstein-Barr-Virus. Nach seiner Reise wird nichts mehr so sein, wie es einmal war. Jahrelang ist er krank, und trotz zahlreicher Arztbesuche weiß keiner, was ihm fehlt. Sein Zustand verschlechtert sich drastisch. Zwölf Jahre später erhält er die Diagnose ME/CFS, Chronisches Fatigue-Syndrom. „Seitdem habe ich fast alles verloren, was mein Leben zuvor ausgemacht hat“, erzählte uns Daniel Loy im Petitionsausschuss im Februar letzten Jahres. ME/CFS ist eine schwere chronische Krankheit, die meist durch eine Virusinfektion ausgelöst wird und zu extremer Erschöpfung und ständigen Schmerzen führt. Vielen Ärzten und Pflegekräften ist das Krankheitsbild bis heute kaum ein Begriff. Es mangelt an Forschung und Aufklärung, und infolgedessen wird die Krankheit oft nicht e...	`Forschung zu ME/CFS Bundestag`	`Denkverbote bei Nachhaltigkeit`
Frau Präsidentin! Liebe Kolleginnen und Kollegen! Minister Habeck hat in seiner Rede ausgeführt, dass mit der vorgelegten Strategie der Zug der Wasserstofftechnologie den Bahnhof verlassen hätte. Das mag sein. Da hat die Vorgängerregierung durchaus einiges ganz gut auf den Weg gebracht. Aber wir müssen jetzt schon aufpassen, dass sich der Zug auf dem Weg nicht verfährt. Ich glaube, wir sind uns einig, dass der Wasserstoff für viele Bereiche die Zukunft ist. Wasserstoff soll Deutschland klimafreundlicher und unabhängiger von fossilen Brennstoffen machen. Aber: Das geht eben nicht ohne gemeinsame Anstrengungen. Da sind natürlich die Wirtschaft, die Verbraucher genauso wie Forschung und Entwicklung gefragt. Aber die Weichen für den Zug müssen wir als politisch Verantwortliche schon selbst stellen. Als Union sehen wir da ganz klare Prioritäten. Wir wollen, dass der Wasserstoffhochlauf pragmatisch, schnell, technologieoffen und für den Anfang auch bunt sein soll. Wir müssen die Transportne...	`Wasserstoff als Alternative zu fossilen Brennstoffen`	`Was wurde in der Bundestag-Debatte über die AfD gesagt?`

Loss: MultipleNegativesRankingLoss with these parameters:

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

Evaluation Dataset

parl-synthetic-queries-v2

Dataset: parl-synthetic-queries-v2 at 0dd76c6
Size: 6,659 evaluation samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 1000 samples:

	anchor	positive	negative
type	string	string	string
details	min: 4 tokens mean: 148.42 tokens max: 241 tokens	min: 3 tokens mean: 10.71 tokens max: 27 tokens	min: 3 tokens mean: 10.48 tokens max: 29 tokens

Samples:

anchor	positive	negative
`Weil wir jetzt so viel über den Odenwald gehört haben, reizt es mich doch, zu sagen: Das Wort hat für Bündnis 90/Die Grünen der Kollege Stefan Gelbhaar aus Berlin-Pankow.`	`Wer sprach im Bundestag über den Odenwald?`	`Ist eine Erbschaftssteuer mit Leistungsgerechtigkeit vereinbar?`
`Für die AfD-Fraktion hat nun der Abgeordnete Joachim Wundrak das Wort.`	`Aktuelle Rede im Bundestag`	`Wer hält die Rede?`
t es Gerechtigkeitslücken, von denen insbesondere selbstständige Frauen und Gründerinnen betroffen sind. Noch immer haben sie keinen Anspruch auf Leistungen nach dem Mutterschutzgesetz, sondern müssen sich freiwillig gegen Einkommensausfälle absichern. Diese freiwilligen Möglichkeiten sind allerdings kompliziert, weitgehend unbekannt und unzureichend. Sie unterscheiden sich, je nachdem, ob man privat oder freiwillig gesetzlich versichert ist. Und jede Zusatzversicherung kostet Betroffene Geld. Hier sind Frauen noch einmal mehr belastet als männliche Kollegen, die schlicht und ergreifend gar nicht vor dieser Herausforderung stehen. Das ist ein Zustand, der so nicht bleiben darf. Eine Mutter ist eine Mutter und gehört geschützt, egal für wen oder wo sie arbeitet. Gerade in Zeiten wirtschaftlicher Herausforderungen müssen wir Frauen unterstützen, den Schritt in die Selbstständigkeit und Unternehmensgründung zu wagen. Eine Schwangerschaft sollte dabei nie ein Hindernis sein. Deshalb brauch...	`Rechte von selbstständigen Frauen`	`Welche Verbesserungsvorschläge wurden im Kontext des Völkerstrafrechts gemacht?`

Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
learning_rate: 2e-05
num_train_epochs: 1
warmup_ratio: 0.1
use_mps_device: True
bf16: 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: 16
per_device_eval_batch_size: 16
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: True
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: 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: 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	parlsearch-dev_cosine_accuracy	parlsearch-test-before-training_cosine_accuracy	parlsearch-test-after-training_cosine_accuracy
-1	-1	-	-	0.6120	0.6241	-
0.3195	100	1.8343	0.8828	0.9796	-	-
0.6390	200	0.8386	0.7182	0.9814	-	-
0.9585	300	0.8129	0.6614	0.9856	-	-
-1	-1	-	-	-	-	0.9822

Framework Versions

Python: 3.12.8
Sentence Transformers: 3.4.0
Transformers: 4.48.1
PyTorch: 2.5.1
Accelerate: 1.3.0
Datasets: 3.2.0
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}
}