---
base_model: intfloat/multilingual-e5-large
library_name: sentence-transformers
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:1797
- loss:MultipleNegativesRankingLoss
widget:
- source_sentence: МультНайтШоу. Выпуск 1. В гостях Джо Байден, поет Мультимати МультНайтШоу
- юмористическое нарисованное вечернее шоу, где обсуждаются актуальные новости
страны и мира, в гости приходят герои настоящего, прошлого и даже будущего.В первом
выпуске мы обсудим актуальные новости недели, посмотрим анимационную версию нового
сериала «Дом Дракона», пригласим в нашу студию небезызвестного президента США
Джо Байдена, увидим новый клип от Мультимати и многое другое.
sentences:
- 'Информационные технологии: Искусственный интеллект'
- 'Образование: Высшее образование'
- 'Массовая культура: Юмор и сатира, Новости и политика: Международные новости'
- source_sentence: СarJitsu. 2 сезон, 4 серия. Сушист vs Оксана «Новиков» CarJitsu
— бои в формате POP MMA, где в вместо ринга бойцы сражаются в салоне автомобиля.
В этом выпуске встретились эпатаж и мастерство! Дракон и Японский самурай, Андрей
«Сушист» Мешков и Александр «Оксана» Новиков! Узнайте, кому удалось порулить этой
машиной! Комментирует YURI THE PROFESSIONAL 18+
sentences:
- 'Книги и литература: Комиксы и графические романы'
- 'Спорт: Борьба, Массовая культура'
- 'Религия и духовность: астрология, События и достопримечательности: Комедия и
стендап'
- source_sentence: ВЫПУСК №4 НЕУДОБНЫЙ СТЕНДАП Новогодний выпуск Неудобного Стендапа
уже на канале! На этот раз за 5000 рублей сразятся Иван Бобровников, Аля Кокушкина
и Егор Константинов. Комики расскажут свои шутки посетителям парка ВДНХ, и выступят
в гончарной мастерской, в раздевалке катка и в аниме-магазине. Кто заберёт бабло,
а кто уйдёт ни с чем определят случайные зрители.
sentences:
- Массовая культура, Карьера, Изобразительное искусство
- Хобби и интересы, Транспорт
- 'Массовая культура: Юмор и сатира'
- source_sentence: МАКСИМ НАРОДНЫЙ Выпуск №65 ГОТОВИМ С АКТЁРОМ СЕРИАЛА «САЛЮТ, НАЧАЛЬНИК»
ДЕНИСОМ ЗАЙНУЛЛИНЫМ В новом выпуске у ведущего канала Максима в гостях актёр театра
и кино Денис Зайнуллин. Максим и Денис готовят бешбармак. Это просто и вкусное
блюдо, которое позволит удивить всех гостей. По вопросам рекламы пишите на email
sentences:
- 'Еда и напитки: Кулинария, Массовая культура'
- Массовая культура, Фильмы и анимация
- 'Бизнес и финансы: Бизнес: Бизнес в ИТ'
- source_sentence: Роман Юнусов и популярный озвучер Карен Арутюнов попали в клуб
богачей В новом выпуске шоу «Спортивный Интерес» Рома Юнусов и Карен Арутюнов
почувствуют себя богатеями или даже мафиози. А всё потому, что им предстоит освоить
вид спорта, куда без членства в клубе не попасть. Да, мы отправили героев на поле
для гольфа. Солнце, трава, песок, клюшка - вот неполный список того, что мешало
ребятам бить по мячу. Ну, а кто выполнил драйв и прошёл лунку быстрее оппонента,
ты узнаешь, посмотрев выпуск до конца.
sentences:
- 'Семья и отношения: Уход за пожилыми людьми'
- Массовая культура, Спорт
- 'Транспорт, Спорт: Автогонки, События и достопримечательности: Спортивные события'
---
# SentenceTransformer based on intfloat/multilingual-e5-large
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large). 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)
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 1024 tokens
- **Similarity Function:** Cosine Similarity
### 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("nizamovtimur/multilingual-e5-large-videotags")
# Run inference
sentences = [
'Роман Юнусов и популярный озвучер Карен Арутюнов попали в клуб богачей В новом выпуске шоу «Спортивный Интерес» Рома Юнусов и Карен Арутюнов почувствуют себя богатеями или даже мафиози. А всё потому, что им предстоит освоить вид спорта, куда без членства в клубе не попасть. Да, мы отправили героев на поле для гольфа. Солнце, трава, песок, клюшка - вот неполный список того, что мешало ребятам бить по мячу. Ну, а кто выполнил драйв и прошёл лунку быстрее оппонента, ты узнаешь, посмотрев выпуск до конца.',
'Массовая культура, Спорт',
'Транспорт, Спорт: Автогонки, События и достопримечательности: Спортивные события',
]
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]
```
## Training Details
### Training Dataset
#### Unnamed Dataset
* Size: 1,797 training samples
* Columns: sentence_0 and sentence_1
* Approximate statistics based on the first 1000 samples:
| | sentence_0 | sentence_1 |
|:--------|:------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
| type | string | string |
| details | - min: 12 tokens
- mean: 117.7 tokens
- max: 512 tokens
| - min: 3 tokens
- mean: 14.94 tokens
- max: 36 tokens
|
* Samples:
| sentence_0 | sentence_1 |
|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------|
| Пример описания по заданному тегу:
Техно-Гид Выпуск 16 Новые горизонты домашнего кинотеатра! Сегодня мы погрузимся в мир высоких технологий и рассмотрим, как выбрать идеальную систему для вашего дома. От стерео до многоканального звука – мы разберемся, что действительно важно при покупке. Узнаем о последних новинках рынка домашних кинотеатров и научимся создавать атмосферу настоящего кинозала прямо у себя дома. Подписывайтесь на наш канал, чтобы не пропустить интересные обзоры и полезные советы по выбору бытовой электроники! | Информационные технологии: Бытовая электроника: Домашние развлекательные системы |
| Артмеханика. Игра "Угадай технологию". Игра "Угадай технологию". | Информационные технологии, Массовая культура |
| Лесенка знаний: мастерство I 2 серия I Рисовальщик В гараже Артура Лиза рисует портрет Макса, только он получается … не похожим на Макса! Надо научиться рисовать, узнав все тонкости художественного искусства. Для этого Артур отправляет Лизу и Макса в прошлое, чтобы они узнали все самые важные секреты изобразительного искусства от древности до наших времен. | Фильмы и анимация: Семейные и детские фильмы, Фильмы и анимация: Фильмы и анимация |
* Loss: [MultipleNegativesRankingLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "cos_sim"
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `num_train_epochs`: 10
- `multi_dataset_batch_sampler`: round_robin
#### All Hyperparameters
Click to expand
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: no
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 8
- `per_device_eval_batch_size`: 8
- `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`: 5e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1
- `num_train_epochs`: 10
- `max_steps`: -1
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.0
- `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`: 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`: 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
- `use_liger_kernel`: False
- `eval_use_gather_object`: False
- `batch_sampler`: batch_sampler
- `multi_dataset_batch_sampler`: round_robin