metadata

language:
  - th
license: apache-2.0
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:2452
  - loss:MultipleNegativesRankingLoss
  - thai
  - semantic-search
  - food
  - ingredients
  - retrieval
base_model: sentence-transformers/paraphrase-multilingual-mpnet-base-v2
widget:
  - source_sentence: >-
      น้ำ, ปีกไก่, ไข่เป็ด, รากผักชี, อบเชย, โป๊ยกั๊ก, น้ำตาลมะพร้าว, น้ำปลา,
      เกลือ, มะนาว, พริกขี้หนู, พริกจินดา, ผักชี
    sentences:
      - พะโล้ไข่เป็ดต้มแซ่บ
      - ต้มยำซี่โครงหมู สูตรใส่คนอร์
      - ชุดอาหารเช้า
  - source_sentence: >-
      ข้าวสวย, หมึกกล้วย, หมูสับ, พริกแกง, น้ำปลา, น้ำตาลทราย, น้ำมันพืช,
      ใบโหระพา, ใบมะกรูด, พริกชี้ฟ้าแดง, ผักชี, พริกแกงเขียวหวาน, กะทิ, น้ำปลา,
      น้ำตาลทราย
    sentences:
      - ไส้กรอกพันเบคอนซอสน้ำตก (เบทาโกร)
      - ผักกาดขาวผัดไข่
      - หมึกยัดไส้ข้าวผัดเขียวหวาน
  - source_sentence: >-
      กะปิ,  กุ้งแห้ง,  พริกขี้หนูสวน,  กระเทียมไทย,  น้ำปลา, น้ำตาลปี๊บ,
      น้ำมะนาว, น้ำเปล่า,  ใบตอง,  มะเขือพวง
    sentences:
      - น้ำพริกกะปิกุ้งแห้ง
      - หมูสวรรค์
      - แกงส้มผักรวมปลากระพง
  - source_sentence: กล้วยไข่สุก, น้ำตาลทรายขาว, เกลือ, มะพร้าวอ่อน, ใบเตย
    sentences:
      - กล้วยไข่บวดชีมะพร้าวอ่อน
      - เส้นใหญ่ผัดซีอิ๊วไก่
      - หุง(นึ่ง)ข้าวเหนียว ด้วยไมโครเวฟ
  - source_sentence: ปลาทูน่า,  พริกขี้หนู,  ไข่ไก่,  น้ำปลา, เล็กน้อย, น้ำมันพืช
    sentences:
      - เจี๋ยนปลาทับทิม สูตร 2 น้ำมะขามเปียก
      - ข้าวแต๋น
      - ไข่เจียวทูน่าพริกสับ
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_recall@1
  - cosine_recall@3
  - cosine_recall@5
  - cosine_ndcg@10
  - cosine_mrr@10
  - cosine_map@100
model-index:
  - name: Thai Food Ingredients → Dish Prediction
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: thai food eval
          type: thai-food-eval
        metrics:
          - type: cosine_accuracy@1
            value: 0.6052631578947368
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.8421052631578947
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.9342105263157895
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.9736842105263158
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.6052631578947368
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.28070175438596484
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.18684210526315784
            name: Cosine Precision@5
          - type: cosine_recall@1
            value: 0.6052631578947368
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.8421052631578947
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.9342105263157895
            name: Cosine Recall@5
          - type: cosine_ndcg@10
            value: 0.7890073085601046
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.7292188805346704
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.7302039635630968
            name: Cosine Map@100

Thai Food Ingredients → Dish Prediction

This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-mpnet-base-v2. 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: sentence-transformers/paraphrase-multilingual-mpnet-base-v2
Maximum Sequence Length: 128 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Language: th
License: apache-2.0

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: XLMRobertaModel 
  (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:

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("thai_food_prediction1")
# Run inference
sentences = [
    'ปลาทูน่า,  พริกขี้หนู,  ไข่ไก่,  น้ำปลา, เล็กน้อย, น้ำมันพืช',
    'ไข่เจียวทูน่าพริกสับ',
    'ข้าวแต๋น',
]
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]

Evaluation

Metrics

Information Retrieval

Dataset: thai-food-eval
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.6053
cosine_accuracy@3	0.8421
cosine_accuracy@5	0.9342
cosine_accuracy@10	0.9737
cosine_precision@1	0.6053
cosine_precision@3	0.2807
cosine_precision@5	0.1868
cosine_recall@1	0.6053
cosine_recall@3	0.8421
cosine_recall@5	0.9342
cosine_ndcg@10	0.789
cosine_mrr@10	0.7292
cosine_map@100	0.7302

Training Details

Training Dataset

Unnamed Dataset

Size: 2,452 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 7 tokens
mean: 29.15 tokens
max: 125 tokens

min: 4 tokens
mean: 9.91 tokens
max: 22 tokens

	anchor	positive
type	string	string
details	min: 7 tokens mean: 29.15 tokens max: 125 tokens	min: 4 tokens mean: 9.91 tokens max: 22 tokens

Samples:

anchor	positive
`ปลาหมึก, ซีอิ๊วดำ, ผงขมิ้น, น้ำปูนใส, กระเทียมสับ, รากผักชี, พริกแดง, น้ำตาลปี๊บ, เกลือ, น้ำปลา, น้ำมะนาว`	`ปลาหมึกย่าง`
`ไปตกหมึกมา อยากทำอะไรกินง่ายๆ ได้รสชาติของปลาหมึกแท้ๆ`	`ปลาหมึกย่าง`
`อยากกินปลาหมึกๆ ซีฟุ้ด อร่อยๆ`	`ปลาหมึกย่าง`

Loss: MultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim"
}

Evaluation Dataset

Unnamed Dataset

Size: 76 evaluation samples
Columns: anchor and positive
Approximate statistics based on the first 76 samples:
anchor positive
type string string
details
min: 4 tokens
mean: 47.42 tokens
max: 86 tokens

min: 4 tokens
mean: 10.24 tokens
max: 20 tokens

	anchor	positive
type	string	string
details	min: 4 tokens mean: 47.42 tokens max: 86 tokens	min: 4 tokens mean: 10.24 tokens max: 20 tokens

Samples:

anchor	positive
`น้ำมันพืช, กระเทียม, น้ำตาลทราย, น้ำปลา, ซีอิ๊วขาว, ซอสปรุงรส, ซีอิ๊วดำเค็ม, น้ำส้มสายชู, พริกไทย, เส้นหมี่แห้ง, ลูกชิ้น, ถั่วงอก`	`หมี่คลุก`
`น้ำมัน, กระเทียม, หมูหมัก, เส้นใหญ่, ซีอิ้วดำ, คะน้า, กระหล่ำปลี, แครอท, ไข่เป็ด, ไข่ไก่, ผงปรุงรส, น้ำตาลทราย, ซอสหอยนางรม, ซอสปรุงรส, พริกไทย`	`ผัดซีอิ้วเส้นใหญ่`
`สะโพกหมู, น้ำตาลทราย, น้ำตาลปี๊บ, ซีอิ๊วขาว, เกลือ, น้ำเปล่า, ลูกผักชี, ยี่หร่า, กระเทียมไทย, สับละเอียด, น้ำมันพืช`	`หมูสวรรค์`

Loss: MultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim"
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 24
per_device_eval_batch_size: 24
learning_rate: 5e-06
num_train_epochs: 6
warmup_ratio: 0.1
load_best_model_at_end: True
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: epoch
prediction_loss_only: True
per_device_train_batch_size: 24
per_device_eval_batch_size: 24
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-06
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 6
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: 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: True
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
hub_revision: None
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
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
liger_kernel_config: None
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	Validation Loss	thai-food-eval_cosine_ndcg@10
0.0971	10	3.2532	-	-
0.1942	20	2.6975	-	-
0.2913	30	2.3365	-	-
0.3883	40	1.9787	-	-
0.4854	50	1.9125	-	-
0.5825	60	1.7024	-	-
0.6796	70	1.6074	-	-
0.7767	80	1.3358	-	-
0.8738	90	1.4281	-	-
0.9709	100	1.4312	-	-
1.0	103	-	0.9767	0.6681
1.0680	110	1.1873	-	-
1.1650	120	1.1148	-	-
1.2621	130	1.1163	-	-
1.3592	140	1.0429	-	-
1.4563	150	0.9594	-	-
1.5534	160	0.9593	-	-
1.6505	170	1.0314	-	-
1.7476	180	1.0236	-	-
1.8447	190	1.0052	-	-
1.9417	200	1.0062	-	-
2.0	206	-	0.6975	0.7435
2.0388	210	0.8259	-	-
2.1359	220	0.6713	-	-
2.2330	230	0.7833	-	-
2.3301	240	0.8613	-	-
2.4272	250	0.6706	-	-
2.5243	260	0.8971	-	-
2.6214	270	0.7678	-	-
2.7184	280	0.741	-	-
2.8155	290	0.6872	-	-
2.9126	300	0.7854	-	-
3.0	309	-	0.6185	0.7481
3.0097	310	0.7095	-	-
3.1068	320	0.6708	-	-
3.2039	330	0.6311	-	-
3.3010	340	0.6769	-	-
3.3981	350	0.5816	-	-
3.4951	360	0.6604	-	-
3.5922	370	0.6356	-	-
3.6893	380	0.5459	-	-
3.7864	390	0.5856	-	-
3.8835	400	0.6812	-	-
3.9806	410	0.5893	-	-
4.0	412	-	0.5796	0.7742
4.0777	420	0.4721	-	-
4.1748	430	0.4353	-	-
4.2718	440	0.5372	-	-
4.3689	450	0.6343	-	-
4.4660	460	0.6572	-	-
4.5631	470	0.601	-	-
4.6602	480	0.5418	-	-
4.7573	490	0.5312	-	-
4.8544	500	0.5055	-	-
4.9515	510	0.5447	-	-
5.0	515	-	0.5373	0.7877
5.0485	520	0.5501	-	-
5.1456	530	0.5831	-	-
5.2427	540	0.5378	-	-
5.3398	550	0.4975	-	-
5.4369	560	0.5326	-	-
5.5340	570	0.3991	-	-
5.6311	580	0.473	-	-
5.7282	590	0.4915	-	-
5.8252	600	0.4234	-	-
5.9223	610	0.5445	-	-
6.0	618	-	0.5209	0.789

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.11.13
Sentence Transformers: 4.1.0
Transformers: 4.53.0
PyTorch: 2.6.0+cu124
Accelerate: 1.8.1
Datasets: 2.14.4
Tokenizers: 0.21.2

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}
}