metadata

base_model: nlpai-lab/KURE-v1
library_name: sentence-transformers
pipeline_tag: sentence-similarity
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:68
  - loss:MultipleNegativesRankingLoss
widget:
  - source_sentence: 한동대에서는 학생들이 어떤 방식으로 성장하도록 장려하나요?
    sentences:
      - |-
        제 54 조 (학생지도)
        학업 및 학생생활을 지도하기 위하여 담임지도교수를 둘 수 있다.
        담임지도교수는 학생이 건전한 사고방식을 지닌 유능한 학생이 되도록 학생지도에 최선의 노력을 다한다.
      - |-
        제 32 조 (교양과목)
        교양과목은 인문학ᆞ사회과학ᆞ자연과학ᆞ전공탐색ᆞ예체능ᆞ소통 및 융복합의 각 계열에 속하는 과목으로 편성하여 운영한다.
      - >-
        제 51 조 (학생활동)

        학생은 이 대학교의 건학정신에 따라 덕성을 기르고 교칙을 준수하며 전심ᆞ성의로 학업에 종사하고 신체를 단련하여 사회의 지도자가 될
        자질을 닦아야 한다.
  - source_sentence: 한동대학교 교수회의 역할은 무엇인가요?
    sentences:
      - >-
        제 15 조 (입학 관련 위원회)

        입학전형의 공정하고 원활한 관리를 위하여 입시공정관리위원회와 입학전형관리위원회를둔다.

        입시공정관리위원회와 입학전형관리위원회는 총장 직속으로 구성하되, 그 구성, 기능 및 운영에 관한 사항은 관련 지침 등에 따르거나,
        총장이 따로 정한다.
      - |-
        제 68 조 (기능)
        학사에 관한 중요사항 등을 심의하기 위하여 교수회를 둔다.
      - |-
        제 52 조 (총학생회)
        건전한 학풍을 조성하고 학생자치활동을 신장시키기 위하여 한동대학교 총학생회(이하 "총학생회"라 한다)를 둔다.
        총학생회의 조직과 운영에 관한 사항은 총장의 승인을 얻어 학생회칙으로 따로 정한다.
        전시·사변 또는 이에 준하는 국가 비상사태시에는 그 활동이 정지된다.
  - source_sentence: 한동대학교에서 질병 등으로 시험을 못 보면 추가시험을 신청할 수 있나요? 절차는 어떻게 되나요?
    sentences:
      - |-
        제 41 조 (추가시험)
        질병 기타 부득이한 사고로 인하여 시험에 응하지 못할 경우에는 사전에 추가시험원을 제출하여 학과(부)장의 승인을 받아야 한다.
      - |-
        제 11 조 (입학자격)
        제1학년에 입학할 수 있는 자는 다음 각호의 1에 해당하는 자이어야 한다.
        고등학교 졸업자 또는 졸업예정자.
        고등학교 졸업학력 검정고시 합격자.
        외국의 초,중,고등학교 전학교 교육과정을 이수한 자.
        기타 법령에 의하여 고등학교 졸업자와 동등이상의 학력이 있다고 인정된 자.
      - |-
        제 39 조 (시험)
        시험은 매학기 2회 이상 실시한다.
  - source_sentence: 한동대학교에 합격한 후 어떤 절차를 언제까지 마쳐야 하나요? 기한을 넘기면 어떻게 되나요?
    sentences:
      - >-
        제 66 조 (장학금)

        이 대학교 학생중 품행이 방정하고 학업성적이 우수한 자와 가계곤란으로 학업계속에 지장이 있는 학생에 대하여는 장학금을 지급할 수
        있다.

        장학금 지급에 관한 세부사항은 총장이 따로 정한다.
      - |-
        제 17 조 (입학절차)
        입학허가 예정자는 지정된 기일 내 소정의 서류를 제출하고 수학에 필요한 제반절차를 이행하여야 한다.
        이유없이 기일 내 제1항의 절차를 이행하지 않을 때에는 입학허가를 취소한다.
      - >-
        제 8 조 (수업일수)

        수업일수는 매학년도 30주(매학기 15주)이상으로 한다.

        다만, 교과목 특성 등을 고려하여 총장이 필요하다고 특별히 인정하는 경우에는 해당 교과의 수업일수를 단축하여 운영할 수 있으며,
        이 경우 학점당 15시간 이상의 수업시간을 준수하여야 한다.

        자유학기 및 혁신학기의 수업일수는 별도로 하며, 이에 관한 세부사항은 총장이 따로 정한다. 

        천재지변, 기타 교무 형편상 부득이한 사유로 소정의 수업일수를 충당할 수 없는 경우에는 고등교육법시행령 제11조 제3항의 규정에
        따라 2주이내의 범위에서 수업일수를 감축할 수 있다.
  - source_sentence: 입학 부정행위가 있으면 한동대에서는 어떤 조치를 하나요?
    sentences:
      - >-
        제 16 조 (입학허가 및 특별과정)

        입학은 총장이 허가하되, 제출 서류의 허위기재, 서류의 위조, 변조, 대리시험 또는 시험부정행위 등 입학 부정행위가 입학허가 전에
        그 사실이 판명된 때에는 불합격처리하고 입학허가 후에 사실이 판명된 때에도 입학을 취소한다.

        특별과정 운영에 관한 세부사항은 총장이 따로 정한다.
      - >-
        제 34 조 (예비과정)

        다음 각 호의 1에 해당하는 자로서 총장이 필요하다고 인정하는 자는 입학전이라도 예비 교육과정을 이수케 할 수 있으며, 여기서
        이수한 과목에 대하여는 입학후 학점을 인정 할 수 있다.

        외국인 학생.

        교포,외교관등의 자녀.

        기타 예비과정 수강이 필요하다고 총장이 인정하는자.

        예비과정의 개설과목, 실시간,학점인정등 예비과정 운영에 필요한 세부사항은 총장이 따로 정한다.
      - >-
        제 19 조 (편입학)

        입학전형은 당해연도 교육부의 대학 편입학 전형 기본계획과 이 대학교 모집요강에 따라 선발한다.

        편입학은 편입학 하고자 하는 학년의 직전 학기까지의 과정을 수료한 자 또는 이와 동등이상의 학력이 있다고 인정된 자로서 모집단위
        별 1학년 또는 2학년 학생 중 직전 학기 및 직전 학년도에 제적된 인원을 소정의 절차를 거쳐 모집할 수 있다.

        다만, 법령이 정하는 경우는 정원의 제한 없이 정원외 편입학을 허가할 수 있다.

        학사학위를 취득한 자는 3학년에 편입학할 수 있다.

        다만, 편입학할 수 있는 인원은 당해 학년 입학정원의 5퍼센트 이내이어야 하고, 당해 학년 모집단위별 입학정원의 10퍼센트를
        초과할 수 없다.

        제출 서류의 허위기재, 서류의 위조, 변조, 대리시험 또는 시험부정행위 등 편입학 부정행위가 편입학허가 전에 그 사실이 판명된
        때에는 불합격처리 하고 편입학 허가 후에 사실이 판명된 때에도 편입학을 취소하고 학적을 말소한다. 

        편입학한 학생이 전적학교에서 취득한 학점은 졸업 학점의 2분의 1 범위내에서 이 대학교 학점으로 인정할 수 있다.

SentenceTransformer based on nlpai-lab/KURE-v1

This is a sentence-transformers model finetuned from nlpai-lab/KURE-v1. 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: nlpai-lab/KURE-v1
Maximum Sequence Length: 512 tokens
Output Dimensionality: 1024 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': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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:

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("sentence_transformers_model_id")
# Run inference
sentences = [
    '입학 부정행위가 있으면 한동대에서는 어떤 조치를 하나요?',
    '제 16 조 (입학허가 및 특별과정)\n입학은 총장이 허가하되, 제출 서류의 허위기재, 서류의 위조, 변조, 대리시험 또는 시험부정행위 등 입학 부정행위가 입학허가 전에 그 사실이 판명된 때에는 불합격처리하고 입학허가 후에 사실이 판명된 때에도 입학을 취소한다.\n특별과정 운영에 관한 세부사항은 총장이 따로 정한다.',
    '제 19 조 (편입학)\n입학전형은 당해연도 교육부의 대학 편입학 전형 기본계획과 이 대학교 모집요강에 따라 선발한다.\n편입학은 편입학 하고자 하는 학년의 직전 학기까지의 과정을 수료한 자 또는 이와 동등이상의 학력이 있다고 인정된 자로서 모집단위 별 1학년 또는 2학년 학생 중 직전 학기 및 직전 학년도에 제적된 인원을 소정의 절차를 거쳐 모집할 수 있다.\n다만, 법령이 정하는 경우는 정원의 제한 없이 정원외 편입학을 허가할 수 있다.\n학사학위를 취득한 자는 3학년에 편입학할 수 있다.\n다만, 편입학할 수 있는 인원은 당해 학년 입학정원의 5퍼센트 이내이어야 하고, 당해 학년 모집단위별 입학정원의 10퍼센트를 초과할 수 없다.\n제출 서류의 허위기재, 서류의 위조, 변조, 대리시험 또는 시험부정행위 등 편입학 부정행위가 편입학허가 전에 그 사실이 판명된 때에는 불합격처리 하고 편입학 허가 후에 사실이 판명된 때에도 편입학을 취소하고 학적을 말소한다. \n편입학한 학생이 전적학교에서 취득한 학점은 졸업 학점의 2분의 1 범위내에서 이 대학교 학점으로 인정할 수 있다.',
]
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: 68 training samples
Columns: sentence_0 and sentence_1
Approximate statistics based on the first 68 samples:
sentence_0 sentence_1
type string string
details
min: 12 tokens
mean: 25.01 tokens
max: 43 tokens

min: 18 tokens
mean: 112.38 tokens
max: 512 tokens

	sentence_0	sentence_1
type	string	string
details	min: 12 tokens mean: 25.01 tokens max: 43 tokens	min: 18 tokens mean: 112.38 tokens max: 512 tokens

Samples:

sentence_0	sentence_1
`한동대학교에서 어떤 경우에 제적 처리가 되나요? 특별한 사정이 있으면 예외가 인정되기도 하나요?`	제 28 조 (제적) 학생으로서 다음 각호의 1에 해당하는 자는 제적한다. 휴학기간 경과후 복학하여야 하는 학기의 소정기간내에 복학하지 않은 자. 등록금 분납신청자중 소정의 기간내에 완납하지 못한 자. 학사경고를 연속 3회 또는 통산 4회 받은 자. 재학연한을 초과한 자. 제1항 제1호의 경우 제적 처리를 원칙으로 하되, 교무처장이 인정하는 경우, 해당학기에 휴학연장으로 처리할 수 있다. 제1항 제4호의 경우 제적 처리를 원칙으로 하되, 질병 또는 이에 준하는 특별한 사유가 있다고 총장이 인정한 경우에는 1회에 한하여 제적을 유보하고 권고휴학을 하도록 할 수 있다.
`한동대학교에서는 수강한 과목을 철회하거나 다시 들을 수 있나요? 재이수는 어떤 기준으로 가능한가요?`	`제 43 조 (수강과목 철회 및 재이수) 수강신청한 과목을 철회할 수 있으며, 이에 관한 세부사항은 학사운영규정으로 정한다. 이미 이수한 과목을 재이수하고자 할 때는 재이수 신청을 하여 이미 취득한 학점을 취소하고 재이수할 수 있다. 재이수는 성적이 "C+"이하인 과목에 한하여 허용한다. 다만, 총장이 특별히 필요하다고 인정하는 경우에는 그러하지 아니하다.`
`한동대학교에서는 실험실습비나 기타 납입금을 별도로 징수하나요?`	`제 62 조 (실험실습비 및 기타 납입금) 실험실습비 및 기타 납입금에 관한 비용은 실비를 따로 징수할 수 있다.`

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: 1
per_device_eval_batch_size: 1
num_train_epochs: 7
fp16: True
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: 1
per_device_eval_batch_size: 1
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: 7
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: 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
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
0.5882	20

Framework Versions

Python: 3.10.13
Sentence Transformers: 3.3.1
Transformers: 4.46.2
PyTorch: 2.0.1+cu118
Accelerate: 0.34.2
Datasets: 3.0.0
Tokenizers: 0.20.1

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}
}