README.md

metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:26619
  - loss:MatryoshkaLoss
  - loss:MultipleNegativesRankingLoss
base_model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
widget:
  - source_sentence: Нобелийн хорооны энэхүү шийдвэр ямар утга учиртай вэ?
    sentences:
      - >-
        энэ хоёрыг сэдвийг холбон бичсэнээрээ ихээхэн ач холбогдолтой,
        сонирхолтой болсон ” хэмээн орчуулагчид номынхоо гол санааг тайлбарлав.
        Нээлтийн үеэр мөн Монголын бизнесийн хөгжлийн холбооны зүгээс хэлэхдээ:
        “Ирээдүйд дасан зохицож, өөртөө хөрөнгө оруулж, карьераа ахиулах нь гэх
        дэд гарчигтай нэн шинэлэг уг номыг орчин цагийн мэргэжилтнүүд, бизнес
        эрхлэгчид маань шимтэн уншаасай, дэлхийн шилдэг мэргэжилтнүүд,
        компаниудаас бидэнд сурах юм их байгааг олж харна гэдэгт итгэлтэй байна”
        хэмээв. “Та өөрөө старт-ап компани” ном өнөөдрөөс эхлэн номын
        дэлгүүрүүдээр 19,900 төгрөгийн үнэтэйгээр зарагдаж байна. Ч.БОЛ
      - "ч таатай байх байлгүй. Ямар нэгэн амьдрал, ямар нэгэн зүйлд сургадаг шүү дээ. Фото: REUTERS/ Mike Cassese/Files Түүний намтраас хоёрын зэргийн онцлогыг аваад үзье. Тэрээр өгүүлэл бичдэг. Өгүүлэлүүд нь\_ Канад, Америкийн олон сэтгүүлд хэвлэгддэг. Ийм маягаар муугүй амьдарч болно. Тэр сэтгүүлийн хүчирхэг давалгаа нь хэзээ нэгэн цагт бидэнд Чехов, Куприн, Бунин, Гринийг төрүүлсэн билээ. Тэд бүгд л өгүүллэгээр амьдарч байлаа. Харин одоо тэд Канадад төрж, тэнд уншдаг харин бидэнд үгүй болжээ. Элис Мунро Британийн Колумбийн их сургуульд зохиолч-резидентээр ажилласан юм. Жишээлбэл, одоо Москвагийн их сургуульд тийм тушаал байна уу? Хэрэв энэ удаа Нобелийн хороо ямар ч нийгэмд үнэлэхүйц сэхээтэн гэсэн давхарга байгааг,\_ уг давхаргад\_ ямар орчин хэрэгтэйг сануулж байгаа бол Нобелийн хорооны туршилт зөв болжээ. Дмитрий Косыревын материалыг орчуулан бэлтгэсэн Ш.МЯГМАР"
      - >-
        танилцуулъя. The Beatles - 21,9 сая Элвис Пресли - 21,6 сая Клифф Ричард
        - 21,5 сая Мадонна - 17,6 сая Майкл Жексон - 15,3 сая Элтон Джон - 14,8
        сая Queen - 12,6 сая ABBA - 11,2 сая Дэвид Боуи - 10,6 сая Рианна - 10,4
        сая Пол Маккартни - 10,2 сая Кайли Миноуг - 10,1 сая Ш.МЯГМАР
  - source_sentence: '"Ногоон ном"-ыг уншихад ямар мэдээлэл олж авах боломжтой вэ?'
    sentences:
      - "news: Хувцсыг зохицуулан өмсөж мэддэг залуу бол оймсыг хүртэл загварлаг хослуулан өмсөхөө мэдэх ёстой. Хэдий үнэтэй сайн гутал өмссөн ч оймстой тань зохицохгүй байвал ямар ч үнэ цэнэгүй муухай харагдана. Иймээс эрчүүд оймсоо хэрхэн яаж сонгож ѳмсѳх тухай хүргэж байна. Oxford Эрэгтэй хүнд болгонд байдаг Oxford гутланд хээтэй оймсыг өмсвөл илүү зохимжтой. Гэвч ажилдаа явахдаа хэтэрхий өнгөлөг биш бараандуу өнгийн хээтэй оймсыг өмсөөрэй. Хар өнгийн Oxford өмсөхдөө дан өнгийн оймс ѳмсвѳл илүү тохирожтой. Тод өнгийн оймсыг сонгон өмсвөл энгийн хувцаслалтанд илүү их өнгө нэмэн харагдуулна. \_ Penny Loafer Бор өнгийн Penny Loafer-той хамгийн их зохицох оймс нь судалтай оймс юм. Өнгөлөг өнгийн судалтай оймстой хослуулан өмссөн тохиолдолд өмдөө бага зэрэг нугалвал илүү зохимжтой. Усан цэнхэр өнгийн Penny Loafer гутланд өнгө холилдсон оймс өмсвөл илүү хээнцэр харагдана. \_ Sneakers пүүз (кэт) Цагаан өнгийн пүүзтэй ямарч өнгийн оймс зохицоно. Пиджакан хослолын доор цагаан өнгийн пүүз өмсөхдөө"
      - "news: “Ногоон хатагтай” буюу Үндэсний цэцэрлэгт хүрээлэнгийн захирал Б.Саранчимэг “Ногоон ном”-оо олны хүртээл болгожээ. Дэлхийд нэгд орох томоохон цэцэрлэгт хүрээлэнг барихаар ажиллаж буй энэ эмэгтэй, “Эх дэлхийгээ ижий шигээ хайрладаг, Түүхт өв уламжлалаа үнэн зүйл хэмээн эрхэмлэсэн, Эгэл нэгт эрдэнэт\_ хүмүүн танд зориулав” хэмээн номын нүүрэн дээр шигтгэсэн байна. Үндэсний цэцэрлэгт хүрээлэн 1280 га газартай. Ийм том газартай цэцэрлэгт хүрээлэн дэлхийд байхгүй. Б.Саранчимэг дарга дэлхийд том тооцогдох цэцэрлэгт хүрээлэн барьж байгаа\_ гэж ярихаар тухайн үед итгэх хүн\_ тун ч цөөхөн байсан. Гэхдээ өнөөдөр байдал эсрэгээрээ. Нийслэлчүүдийн очиж, зугаалах, амрах дуртай газрын нэг нь энэ газар болоод байна. Нийслэлийн агаарын бохирдол, хөрсний элэгдэл, усны урсацад хувь нэмэр болж буй энэ цэцэрлэгт хүрээлэнгийн дарга үнэхээр эх дэлхийгээ хайрласан, ногоон ирээдүйг бий болгохоор зорьж, зориглож буйгаа илэрхийлж, энэхүү номоо гаргасан бололтой. Э.ЗУЛ Эх сурвалж: www.mminfo.mn"
      - "юм. Тийм л зохиолчийг сонгоод авчээ. Тиймээс Нобелийн хороонд та минь ээ, та нар юу бодож олоо вэ ? гэсэн асуулт тавимаар байна. Нобелийн уран зохиолын шагнал Сүүлийн жилүүдэд Нобелийн\_ “хүмүүнлэгийн” гэгдэх\_ “уран зохиол”, “энх тайван” номинацийн шагнал\_ нь уран зохиолын шилдэг сонголт гэж санагдуулахааргүй болсон. Энх тайвны\_ талаар хэлэх ч зүйлгүй, тэр нь нэн түрүүнд “гайхамшигт хүмүүсийн амьдрал” цувралыг санагдуулж байгаа. Тэд энх тайванчид уу эсвэл үгүй юу гэдэг нь өөр асуудал болно. Хороо нь дэлхийн уран зохиол судлаачдын нүгэлгүй ареопаг (Ареопаг нь (Англи хэл:Areopagus) Эртний Афины онц дээд шүүх юм. Шүүх ажиллагаа нь Ареопаг (Арес толгод) гэх газарт явагддаг байсан тул ийн нэрлэжээ) биш, тэд хойд Европын зах хязгаарын жижигхэн бүлэглэл болсон гэхэд хилсдэхгүй. Нэг үгээр,\_ иргэншлийн (барууны) зах хязгаарын дуу хоолой гэсэн үг юм. Хороо өөрийн байдлын онцлогийг\_ сайн мэдэрдэг учраас тодорхой шийдвэрээс зугтан бараг өдөөлт маягийн сонголт хийдэг нь эртнээс тодорхой болоод"
  - source_sentence: ЦХулан болон БЭрдэнэсолонготой уулзах үйл явдал ямар онцлогтой байв?
    sentences:
      - >-
        нэрэмжит шагналт, яруу найрагч Ц.Хулан болон цахим ертөнцийн байнгын
        уншигчид нь өөрсдийн хүсэлтээр хүрэлцэн ирсэн байсан юм. Яруу найргийг
        зөвхөн тайзан дээрээс сонсож, номноос унших бус найрагчтайгаа нүүр тулан
        уулзаж, халуун дотно яриа өрнүүлэн, нэгэн гэр бүл мэт хүрээлэл үүсгэн
        сонсохын амтыг анх удаа мэдрэв. “Яруу найраг бол амьдрах арга биш. Яруу
        найраг бол жүжиглэх тайз биш” гэж хэлдэг Б.Эрдэнэсолонгын үнэн бөгөөд
        шимтэй мэдрэмжийг түүний дуу хоолойгоор сонсч, түүнтэй гар барилцан
        суугаад сонсохын ялдамд яруу найргийн мөн чанарыг ирсэн бүхэн жинхэнэ
        утгаар нь мэдэрч байлаа. Мөн хилийн чанадад суудаг түүний уншигчид ч бас
        энэ үдшийг сэтгэлээрээ хамт өнгөрүүлж, Б.Эрдэнэсолонгоос асуухсан гэж
        хүсдэг олон зүйлсээ, сэтгэлийн үгсээ бичиж илгээсээр байсан юм. Чамаас
        өөр хэн ч намайг Тийм ихээр зовоож байгаагүй Чамаас өөр хэнийг ч би Тийм
        ихээр хүлээж байгаагүй Өөр хэн ч намайг Чам шиг өвтгөж байгаагүй Өөр
        хэнийг ч би Чам шиг хайрлаж байгаагүй Ус шиг, цас шиг, мөс шиг, Гал шиг,
        салхи
      - >-
        news: Би чамайг өглөө ажилдаа явах, орой гэртээ харих бүртээ болзсон
        газраа хүлээдэг. Зуны бороонд норон, өвлийн хүйтэнд жиндэх ч зөвхөн
        чамайг ирэхийг хүлээдэг. Заримдаа чи түрүүлээд болзсон газраа ирэх ч
        намайг огт тоолгүйгээр орхиод оддог. Бүр чиний хойноос унан тусан,
        гараараа даллан гүйнэ. Харин чи харсан ч хараагүй мэт аашлан намайг
        орхин явдаг. Тэгээд л би дахиад чамайг удахгүй ирнэ гэж найдан болзооны
        газраа хүлээнэ. Чамайг хэзээ ирэхийг би мэдэхгүй. Учир нь чамд болзсон
        газартаа уулзах тогтсон цаг хугацаа гэж үгүй. Ингээд удаан хүлээсний
        эцэст чи арайхийн ирнэ. Гэвч өглөө, оройд чиний орон зайд би багтахгүй
        үлдэх нь бий. Тэгээд л дахин ирэхийг чинь хүлээх шаардлага гарна.
        Маргааш нь, нөгөөдөр нь, түүний маргааш гээд бүхий өдөр чамайг хүлээдэг.
        Гэвч чамайг хэзээ нэгэн цагт болзсон хугацаанд ирж, намайг болон бусдыг
        хүндэлдэг болно гэж үүнийг бичиж сууна. Заримдаа чамайг хүлээхээс
        залхан, намайг байнга хүлээж, хоол нэхэн зогсох нэгнийг сонгох ч их
        хотын түгжрэл харилцааг минь
      - >-
        news: Өвөрмонголын яруу найрагч С.Оюунгэрэлийн урилгаар Хөх хотод
        зочилсон Монгол Улсын Соёлын гавьяат зүтгэлтэн Ш.Дулмаа, Монгол Улсын
        Соёлын гавьяат зүтгэлтэн С.Оюун, Монголын зохиолчдын эвлэлийн шагналт
        зохиолч Б.Пүрэвдорж нарыг “Одон” телевизийн “Одод түгэх цаг” нэвтрүүлэгт
        хүндэт зочноор урьж тус бүрээр нь 25-45 минутын нэвтрүүлэг бэлдэхээр
        ярилцлага хийжээ. Яруу найрагч С.Оюунгэрэл нь Өвөрмонголд нэрд гарсан
        яруу найрагч, орчуулагч, БНХАУ-ын Монгол сэтгүүлийн гавьяат найруулагч
        бөгөөд тэрээр “Одод түгэх цаг” нэвтрүүлэгт оролцохдоо дээрхи зохиолчдыг
        урин оролцуулсан байна. Яруу найрагч Ш.Дулмаа, С.Оюун нарын шүлгүүдийг
        өвөрмонголчууд эртнээс мэддэг бөгөөд харин зохиолч Б.Пүрэвдоржийн “Могой
        боолт” роман уйгаржин бичигт хөрвүүлэгдсэн тул өвөр нутагт олон
        уншигчидтай номоор шалгарч байжээ. Д.БҮҮВЭЙ
  - source_sentence: >-
      "Цогт тайж" киноны дижитал хувилбар нь анхны хувилбараас ямар ямар
      ялгаатай вэ?
    sentences:
      - >-
        шиг үнсэж, аминаас харам энрхийлье Ганцхан өдөр л хэрвээ биенд чинь
        шүргэж чадаагүй бол Гараан тас цавчуулнаа, тэр гунигт өдөр нь Уран
        шүлгээ аялаач гэж цэнгэхийг хүсэгч олон ч Уянга дуундаан ганцхан л
        чамайг дуулсаар дүүрье. орчуулсан С.Дулам Канэко Мисүзү 1903-1929 Японы
        нэрт бүсгүй яруу найрагч Канэко Мисүзү загасчны тосгонд төрж, хорин
        долоохон жил хорвоод амьдрахдаа зовлон гуниг, үхэл хагацал бүхнийг
        үзжээ. Хорин настайгаасаа шүлэг бичиж яруу найргийн цэцэрлэгт хүрээлэнд
        “од” болон гарч ирэв. Богино хугацаанд түүний шүлгүүд нийтлэгдэж Японы
        өнцөг булан бүрээс захидал талархал ирж яруу найргийн “гүнж” хэмээн
        алдаршиж байсан ч нөгөө талд амьдралын зовлон бэрхэд байнга нэрвэгдэж
        нөхөр нь түүнийг шүлэг зохиох, захиа бичихийг ч хориглож байв. Тийн цэл
        залуухан 27 настай яруу найрагч “энэ шөнийн саран ямар тунгалаг, ямар
        гэгээн, ямар анир гүм юм бэ? Яг л миний зүрх сэтгэл шиг анир юм гээч”
        гэсэн эцсийн үгээ үлдээгээд амиа хорложээ. Төрсөн дүүд нь түүний 512
        шүлгийн гар бичмэл
      - "news: Зууны манлай бүтээл \"Цогт тайж\" МУСК-г Франц улсын \"Кино сэргээх төв\"-д тоон системд хөрвүүлэн, дуу дүрсний өндөр чанартай болгон шинэчиллээ. Энэ нь Монгол-Франц улсын соёлын харилцааны хүрээнд хийгдэж буй ажлын нэг бөгөөд Монгол улсад кино урлаг үүсч хөгжсөний 80 жил, “Цогт тайж” киноны 70 жил тохиож байгаагаараа онцлог юм. Долдугаар сарын 9-ний өдөр Францын талаас “Цогт тайж” киноны эх хувь болон тоон хувилбарыг Монголын талд хүлээлгэн өгөх ёслол хүндэтгэлийн үйл ажиллагаа боллоо. Ёслолын ажиллагааны үеэр Франц улсаас Монгол улсад суугаа Онц бөгөөд Бүрэн эрхт элчин сайд Ив Дэлунэ хэлэхдээ: \"Нийт 15 бүлэг дүрс, 15 бүлэг дууны хальс нийт 30 бүлэг хальсыг сэргээн засварлах ажил тэр дундаа хальс сэргээхэд нэлээд цаг хугацаа шаардсан учраас 3 жилийн дараа бэлэн боллоо\" гэсэн юм. Одоогоос 70\_ жилийн өмнө тус кинонд ажиллаж байсан ахмад уран бүтээлчид, тэдний гэр бүлийнхэн ёслолын ажиллагаанд урилгаар оролцлоо. Сонирхуулахад, Монголын \"Үндэсний Төв Архив\"-т “Цогт тайж” кино нь"
      - >-
        news: “No wonder Films” болон “Алтан хальс” холбооны хамтын бүтээл болох
        “Уран хас” баримтат кино Францын Марселийн баримтат киноны наадмын үеэр
        гарах гэж байна. Тус кино ирэх сарын 2 болон 4-ний өдөр дэлхийн бусад
        орны үзэгчдэд хүрэх юм. Залуу найруулагч Ш.Ихбаярын тус кинонд зураач
        Д.Дорждэрэм, зураач Г.Гэрэлхүү, зураач Н.Нассанбат нарын тухай өгүүлэх
        бөгөөд залуу уран бүтээлч гэр бүлийн өдөр тутмын амьдралыг элдэв
        чимэггүй дүрслэн харуулжээ. “Уран хос” кино өнгөрсөн оны 11-р сард
        Монголын урлагийн зөвлөлийн дэмжлэгтэйгээр “Тэнгис” кино театрт ганцхан
        удаа гарч байжээ. Ч.БОЛ
  - source_sentence: Номын нэр ямар утгатай вэ?
    sentences:
      - >-
        news: Монгол Улсын Соёлын гавьяат зүтгэлтэн яруу найрагч Санжаажавын
        Оюун “Ижилгүй цоохор морь” хэмээх үргэлжилсэн үгийн шинэ номоо өлгийдөн
        авчээ. Түүний энэ удаагийн номыг яруу найрагч Д.Баянтунгалаг ариутган
        шүүсэн бөгөөд “Мөнхийн үсэг” компанид хэвлүүлсэн байна. Энэхүү номдоо
        тэрээр “Костюмт багш”, “Бурханы унаа”, “Би цоохор морь” зэрэг 11
        бүтээлээ уншигч олондоо дэлгэн барьжээ. Булган аймгийн Могод сумын
        харьяат яруу найрагч С.Оюуныг уншигч олон “Хорвоод ганцхан ээждээ”,
        “Үнсье чамайгаа” зэрэг олон сайхан дуу, “Тань руу нүүж явна” кино зохиол
        зэргээр нь сайн таних юм. Т.ДАРХАН
      - >-
        нэрэмжит шагналт, яруу найрагч Ц.Хулан болон цахим ертөнцийн байнгын
        уншигчид нь өөрсдийн хүсэлтээр хүрэлцэн ирсэн байсан юм. Яруу найргийг
        зөвхөн тайзан дээрээс сонсож, номноос унших бус найрагчтайгаа нүүр тулан
        уулзаж, халуун дотно яриа өрнүүлэн, нэгэн гэр бүл мэт хүрээлэл үүсгэн
        сонсохын амтыг анх удаа мэдрэв. “Яруу найраг бол амьдрах арга биш. Яруу
        найраг бол жүжиглэх тайз биш” гэж хэлдэг Б.Эрдэнэсолонгын үнэн бөгөөд
        шимтэй мэдрэмжийг түүний дуу хоолойгоор сонсч, түүнтэй гар барилцан
        суугаад сонсохын ялдамд яруу найргийн мөн чанарыг ирсэн бүхэн жинхэнэ
        утгаар нь мэдэрч байлаа. Мөн хилийн чанадад суудаг түүний уншигчид ч бас
        энэ үдшийг сэтгэлээрээ хамт өнгөрүүлж, Б.Эрдэнэсолонгоос асуухсан гэж
        хүсдэг олон зүйлсээ, сэтгэлийн үгсээ бичиж илгээсээр байсан юм. Чамаас
        өөр хэн ч намайг Тийм ихээр зовоож байгаагүй Чамаас өөр хэнийг ч би Тийм
        ихээр хүлээж байгаагүй Өөр хэн ч намайг Чам шиг өвтгөж байгаагүй Өөр
        хэнийг ч би Чам шиг хайрлаж байгаагүй Ус шиг, цас шиг, мөс шиг, Гал шиг,
        салхи
      - >-
        news: Бүх цаг үеэс сонгосон дэлхийн яруу найргийн дээж “Гурван зуун
        шүлэгт” антологи хэвлэгдэн уншигчдын гарт очлоо. Энэ антологийг эмхэтгэж
        сонголт хийсэн Соёлын гавьяат зүтгэлэн, яруу найраг Г.Мэнд-Ооёотой
        ярилцлаа. -Та саяхан “Бүх цаг үеэс сонгосон дэлхийн яруу найргийн дээж
        ГУРВАН ЗУУН ШҮЛЭГТ” нэртэй антологи гаргасан байна? Ийм антологи хийхэд
        мэдээж нилээд их цаг хугацаа, хүч хөдөлмөр орох байх? -Тиймээ. Би шүлэг
        зохиолд хорхойсч байх үеэсээ л өөрт сайхан санагдсан шүлгүүдийг тусгай
        дэвтэрт бичиж, түүнээ үе үе уншиж урам зориг авдаг байсан. Аандаа уг
        дэвтэр маань олон зуун шүлэгтэй болсон. Тэр ногоон дэвтэр энэ антологийн
        эхлэл юм. 2005 оноос эхлээд би “Дэлхийн шилдэг яруу найраг” нэртэй
        цуврал антологиуд хэвлүүлж эхэлсэн. “Оросын яруу найраг”, “Японы яруу
        найраг”, “Энэтхэгийн яруу найраг”, “Хятадын яруу найраг”, “Америкийн
        яруу найраг” гээд 10 ботийг гаргаад байгаа л даа. Цуврал маань цааш
        үргэлжилнэ. Ингээд би өөртөө яруу найргийн нилээд баялаг сан хөмрөгтэй
        болж, үүнийхээ
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
      sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: Unknown
          type: unknown
        metrics:
          - type: cosine_accuracy@1
            value: 0.2516217138955275
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.4182314783202458
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.49607374530556503
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.5991806077159441
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.2516217138955275
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.13941049277341525
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.099214749061113
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.05991806077159439
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.2516217138955275
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.4182314783202458
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.49607374530556503
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.5991806077159441
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.41462348982965636
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.35687040378914775
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.36879221694822917
            name: Cosine Map@100

SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. It maps sentences & paragraphs to a 384-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: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
• Maximum Sequence Length: 128 tokens
• Output Dimensionality: 384 dimensions
• Similarity Function: Cosine Similarity

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': 128, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, '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("gmunkhtur/finetuned_paraphrase-multilingual_v2")
# Run inference
sentences = [
    'Номын нэр ямар утгатай вэ?',
    'news: Монгол Улсын Соёлын гавьяат зүтгэлтэн яруу найрагч Санжаажавын Оюун “Ижилгүй цоохор морь” хэмээх үргэлжилсэн үгийн шинэ номоо өлгийдөн авчээ. Түүний энэ удаагийн номыг яруу найрагч Д.Баянтунгалаг ариутган шүүсэн бөгөөд “Мөнхийн үсэг” компанид хэвлүүлсэн байна. Энэхүү номдоо тэрээр “Костюмт багш”, “Бурханы унаа”, “Би цоохор морь” зэрэг 11 бүтээлээ уншигч олондоо дэлгэн барьжээ. Булган аймгийн Могод сумын харьяат яруу найрагч С.Оюуныг уншигч олон “Хорвоод ганцхан ээждээ”, “Үнсье чамайгаа” зэрэг олон сайхан дуу, “Тань руу нүүж явна” кино зохиол зэргээр нь сайн таних юм. Т.ДАРХАН',
    'news: Бүх цаг үеэс сонгосон дэлхийн яруу найргийн дээж “Гурван зуун шүлэгт” антологи хэвлэгдэн уншигчдын гарт очлоо. Энэ антологийг эмхэтгэж сонголт хийсэн Соёлын гавьяат зүтгэлэн, яруу найраг Г.Мэнд-Ооёотой ярилцлаа. -Та саяхан “Бүх цаг үеэс сонгосон дэлхийн яруу найргийн дээж ГУРВАН ЗУУН ШҮЛЭГТ” нэртэй антологи гаргасан байна? Ийм антологи хийхэд мэдээж нилээд их цаг хугацаа, хүч хөдөлмөр орох байх? -Тиймээ. Би шүлэг зохиолд хорхойсч байх үеэсээ л өөрт сайхан санагдсан шүлгүүдийг тусгай дэвтэрт бичиж, түүнээ үе үе уншиж урам зориг авдаг байсан. Аандаа уг дэвтэр маань олон зуун шүлэгтэй болсон. Тэр ногоон дэвтэр энэ антологийн эхлэл юм. 2005 оноос эхлээд би “Дэлхийн шилдэг яруу найраг” нэртэй цуврал антологиуд хэвлүүлж эхэлсэн. “Оросын яруу найраг”, “Японы яруу найраг”, “Энэтхэгийн яруу найраг”, “Хятадын яруу найраг”, “Америкийн яруу найраг” гээд 10 ботийг гаргаад байгаа л даа. Цуврал маань цааш үргэлжилнэ. Ингээд би өөртөө яруу найргийн нилээд баялаг сан хөмрөгтэй болж, үүнийхээ',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# 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	0.2516
cosine_accuracy@3	0.4182
cosine_accuracy@5	0.4961
cosine_accuracy@10	0.5992
cosine_precision@1	0.2516
cosine_precision@3	0.1394
cosine_precision@5	0.0992
cosine_precision@10	0.0599
cosine_recall@1	0.2516
cosine_recall@3	0.4182
cosine_recall@5	0.4961
cosine_recall@10	0.5992
cosine_ndcg@10	0.4146
cosine_mrr@10	0.3569
cosine_map@100	0.3688

Training Details

Training Dataset

Unnamed Dataset

• Size: 26,619 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: 8 tokens mean: 17.93 tokens max: 43 tokens	min: 41 tokens mean: 124.86 tokens max: 128 tokens

• Samples:

  sentence_0	sentence_1
  "Юрийн галавын үе" киноны амжилтыг юугаар тайлбарлах вэ?	news: Киноны кадраас «Юрийн галавын үе» кино прокатад тавигдсныхаа дараах эхний амралтын өдрөөр хамгийн их орлого оллоо гэж Business Insider хэвлэл мэдээлэв. Хойд Америкт л гэхэд эхний амралтын өдрүүдэд 204,6 сая доллар цуглуулж чадлаа. Гадаад орнуудын үзүүлэлт нь 307,2 сая ам.доллар байв. Нийт кассын орлого 511,8 сая ам.доллар болжээ. Энэхүү үзүүлэлт нь Universal кино компанийн дээд амжилт төдийгүй дэлхийн кино аж үйлдвэрийн томоохон үсрэлт боллоо. Үүнээс өмнө амралтын эхний өдрүүдэд 500 сая долларын босго давсан их мөнгө цуглуулж байсан түүх байхгүй. «Гарри Поттер ба үхлийн тахил: II хэсэг» 483 сая долларын орлого олсноороо хоёрдугаарт явж байна. Universal компанийн дөрөвдүгээр сард гаргасан «Галзуу хурд 7» кино харин эхний амралтын өдрүүдэд 147 сая доллар цуглуулсан юм. Эхний амралтын өдрүүдийн орлого нь кино бизнесийн чухал үзүүлэлт бөгөөд тэр үзүүлэлтээр киноны прокатын хувь заяа шалтгаалдаг. Бэлтгэсэн Ш.МЯГМАР
  Энэ киноны амжилт дэлхийн кино үйлдвэрт ямар нөлөө үзүүлэх вэ?	news: Киноны кадраас «Юрийн галавын үе» кино прокатад тавигдсныхаа дараах эхний амралтын өдрөөр хамгийн их орлого оллоо гэж Business Insider хэвлэл мэдээлэв. Хойд Америкт л гэхэд эхний амралтын өдрүүдэд 204,6 сая доллар цуглуулж чадлаа. Гадаад орнуудын үзүүлэлт нь 307,2 сая ам.доллар байв. Нийт кассын орлого 511,8 сая ам.доллар болжээ. Энэхүү үзүүлэлт нь Universal кино компанийн дээд амжилт төдийгүй дэлхийн кино аж үйлдвэрийн томоохон үсрэлт боллоо. Үүнээс өмнө амралтын эхний өдрүүдэд 500 сая долларын босго давсан их мөнгө цуглуулж байсан түүх байхгүй. «Гарри Поттер ба үхлийн тахил: II хэсэг» 483 сая долларын орлого олсноороо хоёрдугаарт явж байна. Universal компанийн дөрөвдүгээр сард гаргасан «Галзуу хурд 7» кино харин эхний амралтын өдрүүдэд 147 сая доллар цуглуулсан юм. Эхний амралтын өдрүүдийн орлого нь кино бизнесийн чухал үзүүлэлт бөгөөд тэр үзүүлэлтээр киноны прокатын хувь заяа шалтгаалдаг. Бэлтгэсэн Ш.МЯГМАР
  Киноны эхний амралтын өдрүүдийн орлого яагаад ийм чухал вэ?	news: Киноны кадраас «Юрийн галавын үе» кино прокатад тавигдсныхаа дараах эхний амралтын өдрөөр хамгийн их орлого оллоо гэж Business Insider хэвлэл мэдээлэв. Хойд Америкт л гэхэд эхний амралтын өдрүүдэд 204,6 сая доллар цуглуулж чадлаа. Гадаад орнуудын үзүүлэлт нь 307,2 сая ам.доллар байв. Нийт кассын орлого 511,8 сая ам.доллар болжээ. Энэхүү үзүүлэлт нь Universal кино компанийн дээд амжилт төдийгүй дэлхийн кино аж үйлдвэрийн томоохон үсрэлт боллоо. Үүнээс өмнө амралтын эхний өдрүүдэд 500 сая долларын босго давсан их мөнгө цуглуулж байсан түүх байхгүй. «Гарри Поттер ба үхлийн тахил: II хэсэг» 483 сая долларын орлого олсноороо хоёрдугаарт явж байна. Universal компанийн дөрөвдүгээр сард гаргасан «Галзуу хурд 7» кино харин эхний амралтын өдрүүдэд 147 сая доллар цуглуулсан юм. Эхний амралтын өдрүүдийн орлого нь кино бизнесийн чухал үзүүлэлт бөгөөд тэр үзүүлэлтээр киноны прокатын хувь заяа шалтгаалдаг. Бэлтгэсэн Ш.МЯГМАР

• Loss: MatryoshkaLoss with these parameters:

  {
      "loss": "MultipleNegativesRankingLoss",
      "matryoshka_dims": [
          384,
          256,
          128,
          64,
          32
      ],
      "matryoshka_weights": [
          1,
          1,
          1,
          1,
          1
      ],
      "n_dims_per_step": -1
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 20
• per_device_eval_batch_size: 20
• num_train_epochs: 10
• multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: steps
• prediction_loss_only: True
• per_device_train_batch_size: 20
• per_device_eval_batch_size: 20
• 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: 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: batch_sampler
• multi_dataset_batch_sampler: round_robin

Training Logs

Epoch	Step	Training Loss	cosine_ndcg@10
0.0376	50	-	0.2937
0.0751	100	-	0.3049
0.1127	150	-	0.3175
0.1503	200	-	0.3277
0.1878	250	-	0.3382
0.2254	300	-	0.3472
0.2630	350	-	0.3585
0.3005	400	-	0.3635
0.3381	450	-	0.3666
0.3757	500	9.7164	0.3697
0.4132	550	-	0.3739
0.4508	600	-	0.3788
0.4884	650	-	0.3799
0.5259	700	-	0.3825
0.5635	750	-	0.3828
0.6011	800	-	0.3852
0.6386	850	-	0.3889
0.6762	900	-	0.3873
0.7137	950	-	0.3863
0.7513	1000	6.4327	0.3925
0.7889	1050	-	0.3913
0.8264	1100	-	0.3910
0.8640	1150	-	0.3941
0.9016	1200	-	0.3936
0.9391	1250	-	0.3907
0.9767	1300	-	0.3969
1.0	1331	-	0.3952
1.0143	1350	-	0.3973
1.0518	1400	-	0.3955
1.0894	1450	-	0.4016
1.1270	1500	5.0976	0.3987
1.1645	1550	-	0.3993
1.2021	1600	-	0.4001
1.2397	1650	-	0.4028
1.2772	1700	-	0.3989
1.3148	1750	-	0.3980
1.3524	1800	-	0.4015
1.3899	1850	-	0.3999
1.4275	1900	-	0.3983
1.4651	1950	-	0.3978
1.5026	2000	4.429	0.4002
1.5402	2050	-	0.3992
1.5778	2100	-	0.4045
1.6153	2150	-	0.4075
1.6529	2200	-	0.4062
1.6905	2250	-	0.4055
1.7280	2300	-	0.4045
1.7656	2350	-	0.4107
1.8032	2400	-	0.4114
1.8407	2450	-	0.4058
1.8783	2500	4.0496	0.4097
1.9159	2550	-	0.4049
1.9534	2600	-	0.4065
1.9910	2650	-	0.4114
2.0	2662	-	0.4093
2.0285	2700	-	0.4091
2.0661	2750	-	0.4094
2.1037	2800	-	0.4085
2.1412	2850	-	0.4140
2.1788	2900	-	0.4117
2.2164	2950	-	0.4131
2.2539	3000	3.3969	0.4129
2.2915	3050	-	0.4146

Framework Versions

• Python: 3.10.12
• Sentence Transformers: 3.3.1
• Transformers: 4.47.1
• PyTorch: 2.5.1+cu121
• Accelerate: 1.2.1
• 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",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

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}
}