File size: 25,909 Bytes
2b60c5d
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
---
base_model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
datasets: []
language: []
library_name: sentence-transformers
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:176856
- loss:ContrastiveLoss
widget:
- source_sentence: قاب زنجیر
  sentences:
  - قاب زنجیر هارلی
  - جارو شارژی عصایی g6 جارو شارژی اورجینال swivel sweeper g2 جارو شارژی سوئیول سوئیپر
    Swivel Sweeper G6 جارو شارژی G6 جارو شارژی جی 6 جارو شارژی Swivel Sweeper
  - Bitmain Antminer T17+ 64Th ASIC Miner دستگاه ماینر بیت مین Antminer T17+ 64Th
- source_sentence: سنگ فرز
  sentences:
  - سنگ فرز آهنگری پوکا g1802 فرز آهنگری پوکا مدل Pukka G1802 سنگ فرز پوکا مدل G1802
    فرز آهنگری 180 میلیمتری پوکا Pukka G1802 فرز آهنگری 2100 وات پوکا مدل PUKKA G1802
    سنگ فرز اهنگری پوکا 1802 فرز آهنگری 2100 وات پوکا مدل Pukka G1802 فرز آهنگری کلید
    بغل 2100 وات پوکا مدل G1802 فرز آهنگری کلید بقل پوکا مدل G1802 سنگفرزG1802 فرز
    آهنگری 2100 وات پوکا مدل G1802 سنگ فرز آهنگری 2100 وات پوکا مدل g1802 فرز آهنگری
    پوکا G1802 فرز آهنگری پوکا 2100 وات مدل G1802 Pukka G1802 Smithery Angle Grinder
    فرز آهنگری پوکا 2100 وات G1802 سنگ فرز پوکا Pukka مدل G1802 فرز آهنگری پوکا مدل
    G1802 سنگ فرز آهنگری پوکا مدل G1802 سنگ فرز آهنگری برقی 2100 وات پوکا مدل AG1802
    فرز آهنگری مدل G1802 پوکا Pukka Angle Grinder G1802 سنگ فرز آهنگری پوکا G1802
    فرزآهنگری پوکا مدل G1802
  - کیف مدرسه  کوله مدرسه  کوله دخترانه  کوله پسرانه  کیف دخترانه  کیف پسرانه  کیف
    مدرسه دخترانه  کوله مدرسه دخترانه »
  - توپ بسکتبال نایکی مدل Versa tack رنگ آبی سایز 7 توپ بسکتبال نایک سبز توپ بسکتبال
    بتا مدلVersa tackسایز7|زرد توپ بسکتبال لاستیکی بتا سایز7  VERSA-TACK توپ بسکتبال
    نایک Nike Versa Tack Basketball Yellow توپ بسکتبال بتا مدل Versa tack سایز 7|قرمز
    توپ بسکتبال نایکی رنگ خاکستری مدلVersatackسایز7 توپ بسکتبال بتا مدل Versa tack
    سایز 7|آبی VERSA TACK7  Basketball  Ball توپ بسکتبال بتا مدل Versa tack سایز 7|سبز
    توپ بسکتبال پلاستیکی بتا مدل VERSA TACK7 توپ بسکتبال  نایکی مدل Versa tack رنگ
    زرد سایز 7 توپ بسکتبال لاستیکی نایک | nike مدل versa tack توپ بسکتبال نایک Nike
    Versa Tack Basketball Green توپ بسکتبال نایک Nike Versa Tack Basketball Blue توپ
    بسکتبال نایکی رنگ سبز مدلVersatackسایز7 توپ بسکتبال نایکی مدل VERSA TACK | اورجینال
    توپ بسکتبال بتا مدل Versa tack سایز 7|خاکستری
- source_sentence: چاقو کلمبیا
  sentences:
  - برنج هندی gtc برنج هندی جی تی سی مقدار 10 کیلوگرم برنج GTC هندی (10کلویی) برنج
    هندی  GTC. اصل باسماتی 1121. ( 10 کیلوگرمی) برنج هندی باسماتی GTC مقدار 10 کیلوگرم
    برنج هندی درجه یک GTC برنج هندی GTC برنج دانه بلند درجه یک هندی باسماتی با وزن
    10 کیلوگرم برنج هندی gtc 10 کیلوگرم
  - 'مودم روتر ADSL2 Plus بی سیم N300 تی پی-لینک مدلTD-8961N-V1 مودم تی پی لینکW8961N_V3گارانتی
    پارس ارتباط مودم روتر  بی‌سیم تی پی-لینک مدل 8961 ورژن 4 گارانتی 3ساله مودم روتر
    ADSL2 Plus بی‌سیم N300 تی پی-لینک مدل TP-Link TD W8961N V1 مودم  ADSL2 Plus تی
    پی لینک مدل N300 TD-W8961N_V1 مودم روتر ADSL2 Plus مدل TD-W8961N_V4 مودم روتر
    ADSL2 Plus تی پی-لینک مدل TD-W8961N_V6 مودم روتر +ADSL2 تی پی-لینک مدل TD-W8961N-V4
    ورژن 4 مودم تی پی لینک مدل 8961ورژن4 اورجینال با ارسال رایگان مودم روتر +ADSL2
    بی‌سیم N300 تی پی-لینک TD-W8961N_v4 مودم وای فای Tp-link 8961n ورژن ۴ قیمت خرید
    TP-Link TD-W8961N  Wireless N  Modem Router مودم روتر ADSL2 Plus بی‌سیم N300 تی
    پی-لینک مدلTD-W8961N_V4 ورژن4 مودم روتر بی‌سیم تی پی لینک مدل 8961 ورژن 4 مودم
    روتر تی پی-لینک ADSL2 Plus بی‌ سیم N300 مدل TD-W8961N_V1 مودم روتر ADSL2 وایرلس
    تی پی- لینک مدل TD-W8961N_Ver 4.0 مودم و روتر تی پی لینک | مدل TD-W8961N ا TP-LINK
    TD-W8961N ADSL2 Plus Wireless N300 Modem Router مودم W8961N ورژن 4 TP-LINK TD-W8961N_V4.0
    ADSL2 Plus Wireless N300 Modem Router مودم روتر بی سیم سری TD-W8961N ADSL2 Plus
    ورژن ۴ مودم 8961 tp link نسل 4 فایل فلش مودم تی پی لینک TP-Link TD-W8961N V3 Tplink
    TD-w8961n مودم روتر ADSL2 Plus tp-link W8961N V1 تی پی لینک مودم روتر ADSL2 Plus
    بی‌سیم N300 تی پی-لینک مدل TD-W8961N_V4 مودم روتر ADSL2 Plus بی‌سیم N300 تی پی-لینک
    مدل TD-W8961N-V 4 مودم روتر ADSL بی سیم تی پی لینک مدل TD-W8961N ورژن 4 با گارانتی
    مودم روتر ADSL2 Plus بی‌سیم تی پی-لینک مدل TD-W8961N_V1 مودم .TP-Link TD-W8961N
    مودم روتر بی‌سیم ای دی اس ال  تی پی-لینک مدل  TP-LINK ADSL TD-W8961 مودم روتر
    ADSL2 Plus بی‌سیم N300 تی پی-لینک مدل TD-W8961N V4 مودم روتر ADSL2 Plus بی‌سیم
    N300 تی پی-لینک مدل TD-W8961N v4.0 EU مودم روتر TP-LINK TD8961N مودم تی پی لینک
    مدل TD-W8961N-V4 مودم روتر ADSL تی پی لینک مدل TD-W8961n TP-LINK TD-W8961N ADSL2
    Plus Wireless N300 Modem Router مودم روتر ADSL2 Plus بی‌سیم N300 تی پی-لینک مدل
    TD-W8961N_V4.0 مودم روتر تی پلینک td w8961n ورژن 4 مودم Tp-link TD-W8961N گارانتی
    3ساله TP-LINK TD-W8961N_V1 ADSL2 Plus Wireless N300 Modem Router مودم روتر ADSL2
    Plus بی‌سیم N300 تی پی لینک مدل TD_W8961N _Ver 4.0 300Mbps TP-LINK TD_W8961N _Ver
    4.0 300Mbps Wireless N ADSL2+ Modem Router مودم روتر ADSL2 تی پی-لینک TD W8961N
    V4 گارانتی مودم تی پی لینک ۸۹۶۱ TD-W8961N مودم روتر +ADSL2 تی پی-لینک مودم روتر
    +ADSL2 بی‌سیم N300 تی پی لینک مدل TD-W8961N_V1 مودم روتر +ADSL2 تی پی-لینک مدل
    TD-W8961N مودم روتر ADSL2 Plus بی‌سیم TP-Link مدل TD-W8961N کد 7433 مودم روتر
    tp-link مدل W8961N ورژن 4 رنگ سفید 2 آنتن مودم ADSL2+ تی پی-لینک مدل TD-W8961N
    گارانتی 3سال مودم تی پی لینک مدل TD W8961N V1 مودم تی پی لینک 8961n مودم روتر
    ADSL2 Plus بی‌سیم N300 تی پی لینک مدل TD-W8961N_V1 مودم دوآنتن  tp-link 8961 با
    3 سال گارانتی مودم روتر تی پی لینک مدل TP-LINK TD-W8961N - TD-W8961N ADSL2 Plus
    Wireless N300 Modem Router مودم تی پی لینک 8961N ورژن 4 با گارانتی 12 ماهه مودم
    روتر بی‌سیم تی پی-لینک مدل TD-W8961N مودم روتر بی سیم ADSL2 Plus مدل TD-W8961N
    ورژن 4 TP-LINK TD-W8961N_V1 مودم و روتر بی سیم +ADSL2 تی پی لینک مدل TP-Link TD-W8961N
    (Ver 4.0) مودم روتر ADSL تی پی لینک مدل W8961N V4 (ضمانت 3 سال پارس ارتباط) مودم
    ADSL تی پی لینک مدل 8961N (گارانتی یکساله ایویز) TP-LINK TD_W8961N _Ver 4.0 300Mbps
    Wireless N ADSL2+ Modem Router مودم مودم روتر ADSL2 Plus بی‌سیم N300 تی پی-لینک
    مدل TPLink TD-W8961N_V1 در بروزکالا مودم روتر ADSL2 Plus بی‌سیم N300 تی پی-لینک
    مدل TD-W8961N_V1 مودم روتر tp-link W8961N مودم روتر تی پی لینک مدل TD-W8961N مودم
    تی پی لینک 8961 (سه سال گارانتی پارس ارتباط) مودم روتر +ADSL2 تی پی-لینک مدل TD-W8961N_V4|پارس
    تک مودم روتر  TP-LINK TD-W8961N V1 ADSL2 Plus Wireless N300 Modem RouterD W8961N
    V1 مودم روتر ADSL 2+ تی پی لینک مدل – tp-link TD-W8961N مودم ADSL تی پی-لینک N300
    مدل TD-W8961N_V1 مودم روتر ADSL2 Plus بی‌سیم تی پی-لینک مدل TD-W8961N_V4 مودم
    روتر تی پی لینک 8961 | TP-LINK TD-W8961N ADSL2 Plus Wireless N300 Modem Router
    TP-LINK TD-W8961N_V4 مودم روتر +ADSL2 تی پی لینک مدل TD-W8961N_V4 مودم روتر ADSL2
    Plus بی‌سیم N300 تی پی لینک مدل TD W8961N V1 مودم روتر ADSL2 Plus بی‌سیم N300
    تی پی-لینک مدل TD-W8961N_V1 شرکتی ADSL2 Plus Wireless N300 Router Modem TP-Link
    Model TD-W8961N_V1 مودم روتر بی‌سیم تی پی لینک مدل W8961N-V4 (آخرین ورژن) مودم
    روتر ADSL2 Plus بی‌سیم N300 تی پی-لینک مدل Modem Router TP-LINK TD-W8961N_V1 مودم
    روتر ADSL2 Plus بی‌سیم N300 تی پی-لینک مدل TD-W8961N_V1 سه سال گارانتی TP-Link
    TD-W8961N V3 Modem: TP-Link TD-W8961N مودم روتر ADSL2 Plus بی‌سیم N300 تی پی-لینک
    مدل TP-LINK TD-W8961N_V1 TP-LINK TD-W8961N  Ver 4.0 EU مودم تی پی لینک 8961 سه
    سال گارانتی مودم روتر تی پی لینک مدل TP-LINK TD-W8961N – V4.0 TD-W8961N ADSL2
    Plus Wireless مودم روتر ADSL2 Plus بی‌سیم N300 تی پی-لینک مدل TD-W8961N_V1 گارانتی
    پارس ارتباط مودم روتر +ADSL2 تی پی-لینک مدل TD-W8961N_V4 مودم روتر ADSL2 Plus
    بی‌سیم N300 تی پی-لینک مدل TD-W8961N ورژن 4.0 روتر مودم TP-Link مدل W8961N V4
    مودم تی پی لینک مدل TD-W8961N ورژن 4 Modem wireless router ADSLTP-link model TD-W8961
    TP-LINK TD-W8961N_V4 ADSL2 Plus Wireless N300 Modem Router مودم روتر ADSL2Plusبی
    سیمN300تی پی-لینک مدلTD-W8961N_V3 قیمت ویژه مودم ADSL2 Plus بی‌سیم N300 تی پی-لینک
    مدل TD-W8961N_V4 مودم روتر ADSL2 Plus بی سیم N300 تی پی لینک مدل 8961 ورژن4 مودم
    روتر ADSL2 Plus بی سیم N300 تی پی-لینک مدل TD-W8961N_V1 TD-W8961N ADSL2+ Wireless
    N300 Modem Router مودم روتر ADSL2 Plus بی‌سیم N300 تی پی-لینک مدل TD-W8961N_V1
    - گارانتی ۳ ساله مودم روتر ADSL2 Plus بی‌سیم N300 تی پی لینک TP-LINK TD-W8961N
    مودم روتر ADSL2 Plus بی‌سیم N300 تی پی-لینک مدل TD-W8961N_V1 گارانتی دارد مودم
    Adsl Tplink 8961 v.4 TP-LINK TD-W8961N 300Mbps Wireless N ADSL2+ Modem Router
    Ver 4.0 مودم_TP_LINK_8961 مودم روتر تی پی لینک TPLINK ADSL2 Plus بی سیم N300 مدل
    TD-W8961N ورژن 4 با یک سال گارانتی شرکتی مودم TP-LINK TD-W8961N_V4 پک 10 عددی،هزینه
    ارسال محاسبه شده است مودم روتر بیسیم تی پی لینک TD-W8961N ورژن4 مودم روتر تی پی
    لینک TPLINK ADSL2 Plus بی سیم N300 مدل TD-W8961N ورژن 4 بدون گارانتی مودم روتر  تی
    پی لینک مدل TD-W8961NTP-LINK  ورژن 4   ارسال رایگان مودم روتر ADSL2 Plus بی‌سیم
    N300 تی پی لینک مدل TD-W8961N V4 مودم tplink adsl 8961 v.4 Modem TP-Link TD-8961N
    | مودم روتر بی سیم ای دی اس ال تی پی لینک مودم روتر تی پی لینک مدل +TP-LINK TD_W8961N
    _Ver 4.0 300Mbps Wireless N ADSL2 مودم تی پی لینک TP-LINK W8961N VER:4.0 مودم
    روتر +ADSL2 بی‌سیم N300 تی پی لینک مدل TD-W8961N-V1 مودم روتر +ADSL2 تی پی-لینک
    مدل TD-W8961N V4 مودم روتر بی‌سیم ADSL2 Plus تی پی-لینک مدل W8961N /سه سال گارانتی
    مودم adsl 8961 ورژن 4 tp link 8961 modem مودم روتر +ADSL2 بی سیم تی پی لینک TD-W8961N
    V1 مودم دو انتن TPlink 8961 مودم روتر وایرلس تی پی لینک مدل TD-W8961N مودم روتر
    +ADSL۲ و بی‌سیم تی پی-لینک ورژن 4-مدل TD-W۸۹۶۱N مودم روتر ADSL2 Plus تی پی-لینک
    TD-W8961N_V1 مودم روتر ADSL  تی پی لینک مدل W8961N V4 مودم روتر ADSL2 Plus بی
    سیم N300 مدل TD-W8961N مودم روتر TP-Link مدل TD-W8961N ورژن 4.0 مودم ADSL2 Plus
    تی پی-لینک ورژن TD-W8961N Version 4 مودم روتر ADSL2 Plus بی‌سیم N300 تی‌پی لینک
    مدل TD-W8961N_V1 مودم روتر +ADSL2 بیسیم 300Mbps تی پی لینک مدل TD-W8961N مودم
    TP-LINK TD-W8961N_V4 پک 5 عددی،هزینه ارسال محاسبه شده است مودم تی پی لینک  مدل
    8961nوایرلس دو آنتن چهار پورت ورژن 4 مودم روتر ADSL2 Plus بی‌سیم N300 تی پی-لینک
    مدل TD-W8961Nورژن 4 مودم  ADSL TP-link TD-W8961N-V4 مودم روتر تی پی لینک مدل 8961
    مودم روتر ADSL2 plus بی سیم N300 تی پی - لینک مدل TD-W8961N-V1 مودم آکبند TP-LINK
    8961با 3 سال گارانتی مودم تی پی لینک تی دی دبلیو 8961  ان مودم روتر tp-link مدل
    TD-W8961N TP-LINK TD-W8961N (EU) Ver 4.0 مودم روتر  ADSL2 تی پی لینک (TP LINK)
    مدل TD- W8961N -V4 مودم روتر تی پی لینک مدل TP-LINK TD-W8961N V4 مودم روتر ADSL2
    Plus   N300 تی پی لینک 8961N ورژن4 مودم TP Link TD W8961N مودم روتر ADSL2 plus
    تی پی-لینک مدل TD-W8961NV4 مودم روتر تی پی لینک مدل TD-W8961N_V1 مودم تی پی-لینک
    TD W8961N V1'
  - چاقو سفری کلمبیا
- source_sentence: مت یوگا
  sentences:
  - ونس دخترانه  ونس زنانه  کتوني طبي کتوني زنانه  کتاني کفش زنانه  کفش اسپرت   کفش
    طبي   اسپرت بندي   ونس بندي  ونس ... ونس دخترانه  ونس زنانه  کتونی طبی کتونی زنانه  کتانی
    کفش زنانه  کفش اسپرت   کفش طبی   اسپرت بندی   ونس بندی  ونس اسپرت
  - زیرانداز یوگا شش میل ، مت ورزشی شیش میل ، مت یوگا ضخامت 6 میلی متر سبز Six-mile
    yoga mat, six-mile sports mat زیرانداز یوگا شش میل ، مت ورزشی شیش میل ، مت یوگا
    ضخامت 6 میلی متر مشکی زیرانداز یوگا شش میل ، مت ورزشی شیش میل ، مت یوگا ضخامت
    6 میلی متر بنفش زیرانداز یوگا شش میل ، مت ورزشی شیش میل ، مت یوگا ضخامت 6 میلی
    متر زیرانداز یوگا شش میل ، مت ورزشی شیش میل ، مت یوگا ضخامت 6 میلی متر زرشکی زیرانداز
    یوگا شش میل ، مت ورزشی شیش میل ، مت یوگا ضخامت 6 میلی متر آبی
  - شکر پاش پاشاباغچه 80078 شکرپاش پاشاباغچه کد 80078 Pasabahce 80078 Sugar Shaker
    شکرپاش پاشاباغچه
- source_sentence: سپر جلو 405
  sentences:
  - مانع پرش 40 سانتی مانع تمرین پرش مدل S217
  - سرویس قاشق و چنگال ۲۴ پارچه ایکیا سرویس قاشق چنگال IKEA مدل FORNUFT سرویس قاشق
    چنگال 6 نفره FORNUFT ایکیا سرویس قاشق و چنگال ایکیا FORNUFT سرویس قاشق و چنگال
    ایکیا 24 پارچه مدل FORNUFT سرویس قاشق چنگال و کارد 24 پارچه ایکیا FORNUFT
  - سپر جلو 405
---

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

This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2](https://huggingface.co/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](https://huggingface.co/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2) <!-- at revision bf3bf13ab40c3157080a7ab344c831b9ad18b5eb -->
- **Maximum Sequence Length:** 128 tokens
- **Output Dimensionality:** 384 tokens
- **Similarity Function:** Cosine Similarity
<!-- - **Training Dataset:** Unknown -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->

### 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': 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:

```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("DashReza7/sentence-transformers_paraphrase-multilingual-MiniLM-L12-v2_FINETUNED_on_torob_data")
# Run inference
sentences = [
    'سپر جلو 405',
    'سپر جلو 405',
    'سرویس قاشق و چنگال ۲۴ پارچه ایکیا سرویس قاشق چنگال IKEA مدل FORNUFT سرویس قاشق چنگال 6 نفره FORNUFT ایکیا سرویس قاشق و چنگال ایکیا FORNUFT سرویس قاشق و چنگال ایکیا 24 پارچه مدل FORNUFT سرویس قاشق چنگال و کارد 24 پارچه ایکیا FORNUFT',
]
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]
```

<!--
### 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.*
-->

<!--
## 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 Hyperparameters
#### Non-Default Hyperparameters

- `per_device_train_batch_size`: 64
- `per_device_eval_batch_size`: 64
- `learning_rate`: 2e-05
- `num_train_epochs`: 1
- `warmup_ratio`: 0.1
- `fp16`: True

#### All Hyperparameters
<details><summary>Click to expand</summary>

- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: no
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 64
- `per_device_eval_batch_size`: 64
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 1
- `eval_accumulation_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`: 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
- `batch_sampler`: batch_sampler
- `multi_dataset_batch_sampler`: proportional

</details>

### Training Logs
| Epoch  | Step | Training Loss |
|:------:|:----:|:-------------:|
| 0.1809 | 500  | 0.0271        |
| 0.3618 | 1000 | 0.0172        |
| 0.5427 | 1500 | 0.0152        |
| 0.7236 | 2000 | 0.0141        |
| 0.9045 | 2500 | 0.0133        |


### Framework Versions
- Python: 3.10.12
- Sentence Transformers: 3.0.1
- Transformers: 4.42.4
- PyTorch: 2.4.0+cu121
- Accelerate: 0.32.1
- Datasets: 2.21.0
- 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",
}
```

#### ContrastiveLoss
```bibtex
@inproceedings{hadsell2006dimensionality,
    author={Hadsell, R. and Chopra, S. and LeCun, Y.},
    booktitle={2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06)}, 
    title={Dimensionality Reduction by Learning an Invariant Mapping}, 
    year={2006},
    volume={2},
    number={},
    pages={1735-1742},
    doi={10.1109/CVPR.2006.100}
}
```

<!--
## 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.*
-->