---
base_model: somosnlp-hackathon-2022/paraphrase-spanish-distilroberta
library_name: sentence-transformers
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:44147
- loss:SoftmaxLoss
widget:
- source_sentence: Componentes y Equipos para Distribución y Sistemas de Acondicionamiento
Instalaciones de tubos y entubamientos
sentences:
- Frijoles verdes congelados Fríjoles congelados
- 'Brida reductora para tubos de plástico cpvc Bridas reductoras para tubos '
- Naranja hamlin orgánica en lata o en frasco Naranjas orgánicas en lata o en frasco
- source_sentence: Componentes y Suministros de Manufactura Ferretería
sentences:
- Terfenadina Antihistamínicos (bloqueadores H1)
- Tomates verde Tomates
- Ciruela sloe seca Ciruelas secas
- source_sentence: Servicios Públicos y Servicios Relacionados con el Sector Público
Servicios públicos
sentences:
- Chalote pikant orgánico Chalotes orgánicos
- Rosal cortado seco ciciolina Rosas cortadas secas rosados
- Rosal vivo peach sherbet Rosales vivos anaranjados
- source_sentence: Maquinaria y Accesorios para Manufactura y Procesamiento Industrial
Maquinaria y accesorios para cortar metales
sentences:
- Pimentón peperoncini seco Pimientos Secos
- Ciruela diamante rojo congelada orgánica Ciruelas orgánicas congeladas
- Máquinas para dar formas al metal en la superficie Máquinas perforadoras de metales
- source_sentence: Alimentos, Bebidas y Tabaco Vegetales orgánicos secos
sentences:
- Coliflo rdok elgon orgánica seca Coliflores orgánicas secas
- Arame orgánica seca Vegetales marinos orgánicos secos
- Cereza dark guines Cerezas
---
# SentenceTransformer based on somosnlp-hackathon-2022/paraphrase-spanish-distilroberta
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [somosnlp-hackathon-2022/paraphrase-spanish-distilroberta](https://huggingface.co/somosnlp-hackathon-2022/paraphrase-spanish-distilroberta). 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:** [somosnlp-hackathon-2022/paraphrase-spanish-distilroberta](https://huggingface.co/somosnlp-hackathon-2022/paraphrase-spanish-distilroberta)
- **Maximum Sequence Length:** 256 tokens
- **Output Dimensionality:** 768 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': 256, 'do_lower_case': False}) with Transformer model: RobertaModel
(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:
```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("dfsandovalp01/paraphrase-spanish-distilroberta-MDD-pucCO-V2")
# Run inference
sentences = [
'Alimentos, Bebidas y Tabaco Vegetales orgánicos secos',
'Coliflo rdok elgon orgánica seca Coliflores orgánicas secas',
'Arame orgánica seca Vegetales marinos orgánicos secos',
]
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]
```
## Training Details
### Training Dataset
#### Unnamed Dataset
* Size: 44,147 training samples
* Columns: sentence_0
, sentence_1
, and label
* Approximate statistics based on the first 1000 samples:
| | sentence_0 | sentence_1 | label |
|:--------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:------------------------------------------------------------------|
| type | string | string | int |
| details |
Maquinaria y Accesorios para Generación y Distribución de Energía Generación de energía
| Amortiguador de veleta Equipo de cribado o estructuras de tubo de escape
| 0
|
| Alimentos, Bebidas y Tabaco Fruta orgánica en lata o en frasco
| Mangos mayaguez orgánico en lata o en frasco Mangos orgánicos en lata o en frasco
| 0
|
| Alimentos, Bebidas y Tabaco Fruta orgánica congelada
| Bolsa para transportar quimioterapia Equipo y suministros de quimioterapia
| 1
|
* Loss: [SoftmaxLoss
](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#softmaxloss)
### Training Hyperparameters
#### Non-Default Hyperparameters
- `per_device_train_batch_size`: 16
- `per_device_eval_batch_size`: 16
- `num_train_epochs`: 1
- `multi_dataset_batch_sampler`: round_robin
#### All Hyperparameters