--- 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:3609 - loss:ContrastiveLoss widget: - source_sentence: 수강신청과 관련된 사항은 누가 정하나요? sentences: - '제 44 조 (학사경고) 매학기 평점평균 2.0미만인 자에게 학사경고를 과하되, 본인 및 보증인, 소속 학과(부)장에게 즉시 통보한다. 다만, 직전학기까지의 취득학점이 110학점 이상이고 등록학기 8학기 이상의 학생은 제외한다. 제1항의 학생에게는 수강신청 학점을 제한 할 수 있으며, 이에 관한 세부사항은 총장이 따로 정한다.' - '제 37 조 (부전공) 개설 전공이 있는 경우에 해당 전공의 부전공을 허용하는 것을 원칙으로 하되, 총장이 특별히 필요하다고 인정하는 경우에는 개설 전공 없이 부전공만을 운영하는 교과과정을 둘 수 있다. 소정의 절차를 밟아 부전공으로 21학점이상 취득한 자에게 부전공 이수를 인정하고 학적부와 졸업증서에 이를 표시한다. 부전공 운영에 관한 사항은 총장이 따로 정한다.' - '제 23 조 (등록) 학생은 매학기 소정의 기일 내 소정의 절차에 의한 등록을 완료하여야 한다. 등록은 수강신청과 소정의 납입금의 납부로서 완료된다. 다음 각 호의 경우는 학점등록을 허가하고 신청학점에 해당하는 등록금을 납부하도록 한다. 총장이 인정하는 장애학생. 제9학기부터 등록하는 주간 학과(부)학생의 해당 학기 등록금은 다음과 같다. 3학점이내는 해당 학기 등록금의 6분의 1 해당액. 4학점부터 6학점까지는 해당 학기 등록금의 3분의 1 해당액. 7학점부터 9학점까지는 해당 학기 등록금의 2분의 1 해당액. 10학점 이상은 해당 학기 등록금의 전액. 학점등록에 관한 세부사항은 총장이 따로 정한다. 고등교육법 제11조 제3항에 따라 등록금 책정에 관한 사항을 심의하기 위하여 등록금심의위원회를 둔다. 등록금심의위원회 구성 및 운영에 관한 사항은 총장이 따로 정한다.' - source_sentence: 편입학 부정행위가 발생하면 어떻게 처리되나요? sentences: - '제 41 조 (추가시험) 질병 기타 부득이한 사고로 인하여 시험에 응하지 못할 경우에는 사전에 추가시험원을 제출하여 학과(부)장의 승인을 받아야 한다.' - '제 18 조 (재입학) 퇴학 또는 제적된 자가 재입학을 원할 때에는 퇴학 또는 제적하였던 학과(부)의 동일학년 이하만 1회에 한하여 허가할 수 있다. 다만, 다음 각호의 1에 해당하는 자는 재입학할 수 없다. 제28조 제6호에 의해 재학연한을 초과하여 제적된 학생은 재입학을 할 수 없다. 재입학생이 이미 이수한 학점은 이를 통산하여 인정할 수 있다. 제1항의 규정에도 불구하고 제적된 자는 제적된 날로부터 1년이 경과한 후에 재입학 할 수 있다. 다만, 징계로 제적된 자는 학생지도위원회에서 재입학에 대하여 심의 의결한 경우에 한한다.' - '제 75 조 (소집) 교무회의는 총장이 소집하고 그 의장이 된다.' - source_sentence: 졸업영어시험은 한동대학교의 졸업요건 중 하나인가요? sentences: - '제 27 조 (자퇴) 자퇴코자 하는 자는 보증인이 연서한 사유서를 제출하여 총장의 허가를 받아야 한다.' - '제 48 조 (학년수료증) 해당학년까지 소정의 등록과 학점을 취득한 때에는 별지 제2호 서식의 학년수료증을 수여할 수 있다.' - '제 46 조 (학위수여) 졸업자에게는 다음 각호와 같은 학위를 수여한다. 문학사 : 국제어문학부 영어전공, 커뮤니케이션학부, 상담심리사회복지학부, 창의융합교육원 글로벌한국학(한국어교육)전공, 글로벌한국학(한국언어문화)전공. 경영학사 : 경영경제학부 경영학전공, Global Management 전공. 경제학사 : 경영경제학부 경제학전공. 법학사 : 법학부. 정치학사 : 국제어문학부 국제지역학전공. 공학사 : 기계제어공학부, 공간환경시스템공학부, 콘텐츠융합디자인학부 제품디자인전공, ICT창업학부, 전산전자공학부 Information Technology 전공, 컴퓨터공학 전공, 전자공학 전공, AI융합교육원 AI융합전공. 미술학사 : 콘텐츠융합디자인학부 시각디자인전공. 이학사 : 생명과학부, 창의융합교육원 수학통계전공, AI융합전공 데이터사이언스전공. 창의융합교육원 학생설계융합전공과 글로벌융합전공의 졸업요건을 모두 충족하였을 때에는 학생이 이 대학 학위수여 범위 안에서 자율적으로 신청 한 학위를 관련위원회의 심의를 거쳐 수여한다. 공학사(전자공학심화) : 전산전자공학부 전자공학심화 전공. 공학사(AI·컴퓨터공학심화) : 전산전자공학부 AI·컴퓨터공학심화 전공. 모듈형설계전공의 학위수여는 총장이 따로 정한다. 외국대학과의 협약에 의하여 이 대학교의 교육과정을 외국대학과 공동으로 운영할 수 있으며, 이를 이수한 학생에게 학위를 수여할 수 있다. 협약 학생의 선발, 학사관리, 졸업요건 및 학위수여 등에 관한 세부사항은 총장이 따로 정한다.' - source_sentence: 납입금을 환불받을 수 있는 조건을 알려줄 수 있어? sentences: - '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.' - '제 13 조 (입학전형) 입학전형은 당해연도 한국대학교육협의회의 대학입학전형기본사항, 이 대학교의 대학입학전형시행계획과 모집요강에 따라 선발한다. 입학전형의 전형요소와 일정등 상세한 사항은 총장이 따로 정한다. 입학전형을 시행함에 있어 입학사정관제로 학생을 선발할 수 있으며, 입학사정관제의 운영에 관한 세부사항은 총장이 따로 정한다.' - '제 5 조 (수업년한 및 조기졸업) 수업년한은 4년으로 한다. 소정의 졸업학점을 취득하고 이 학칙이 정하는 졸업요건을 충족한 자로서 이수한 전 교과목의 평점평균이 4.0 이상인 자에 대하여는 수업년한을 3년내지 3년 6개월로 단축하여 조기졸업 시킬 수 있다.' - source_sentence: 학생지도위원회의 운영에 관한 사항은 누가 정하나요? sentences: - '제 13 조 (입학전형) 입학전형은 당해연도 한국대학교육협의회의 대학입학전형기본사항, 이 대학교의 대학입학전형시행계획과 모집요강에 따라 선발한다. 입학전형의 전형요소와 일정등 상세한 사항은 총장이 따로 정한다. 입학전형을 시행함에 있어 입학사정관제로 학생을 선발할 수 있으며, 입학사정관제의 운영에 관한 세부사항은 총장이 따로 정한다.' - '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.' - '제 68 조 (기능) 학사에 관한 중요사항 등을 심의하기 위하여 교수회를 둔다.' --- # SentenceTransformer based on nlpai-lab/KURE-v1 This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [nlpai-lab/KURE-v1](https://huggingface.co/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](https://huggingface.co/nlpai-lab/KURE-v1) - **Maximum Sequence Length:** 1024 tokens - **Output Dimensionality:** 1024 dimensions - **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': 1024, '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: ```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("sentence_transformers_model_id") # Run inference sentences = [ '학생지도위원회의 운영에 관한 사항은 누가 정하나요?', '제 13 조 (입학전형)\n입학전형은 당해연도 한국대학교육협의회의 대학입학전형기본사항, 이 대학교의 대학입학전형시행계획과 모집요강에 따라 선발한다.\n입학전형의 전형요소와 일정등 상세한 사항은 총장이 따로 정한다.\n입학전형을 시행함에 있어 입학사정관제로 학생을 선발할 수 있으며, 입학사정관제의 운영에 관한 세부사항은 총장이 따로 정한다.', '제 68 조 (기능)\n학사에 관한 중요사항 등을 심의하기 위하여 교수회를 둔다.', ] 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: 3,609 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 | float | | details | | | | * Samples: | sentence_0 | sentence_1 | label | |:------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------| | 원격수업을 통해서도 학점을 받을 수 있어? | 제 48 조 (학년수료증)
해당학년까지 소정의 등록과 학점을 취득한 때에는 별지 제2호 서식의 학년수료증을 수여할 수 있다. | 0.0 | | 한동대학교 학부에는 몇 개의 전공을 둘 수 있나요? | 제 46 조 (학위수여)
졸업자에게는 다음 각호와 같은 학위를 수여한다.
문학사 : 국제어문학부 영어전공, 커뮤니케이션학부, 상담심리사회복지학부, 창의융합교육원 글로벌한국학(한국어교육)전공, 글로벌한국학(한국언어문화)전공.
경영학사 : 경영경제학부 경영학전공, Global Management 전공.
경제학사 : 경영경제학부 경제학전공.
법학사 : 법학부.
정치학사 : 국제어문학부 국제지역학전공.
공학사 : 기계제어공학부, 공간환경시스템공학부, 콘텐츠융합디자인학부 제품디자인전공, ICT창업학부, 전산전자공학부 Information Technology 전공, 컴퓨터공학 전공, 전자공학 전공, AI융합교육원 AI융합전공.
미술학사 : 콘텐츠융합디자인학부 시각디자인전공.
이학사 : 생명과학부, 창의융합교육원 수학통계전공, AI융합전공 데이터사이언스전공.
창의융합교육원 학생설계융합전공과 글로벌융합전공의 졸업요건을 모두 충족하였을 때에는 학생이 이 대학 학위수여 범위 안에서 자율적으로 신청 한 학위를 관련위원회의 심의를 거쳐 수여한다.
공학사(전자공학심화) : 전산전자공학부 전자공학심화 전공.
공학사(AI·컴퓨터공학심화) : 전산전자공학부 AI·컴퓨터공학심화 전공.
모듈형설계전공의 학위수여는 총장이 따로 정한다.
외국대학과의 협약에 의하여 이 대학교의 교육과정을 외국대학과 공동으로 운영할 수 있으며, 이를 이수한 학생에게 학위를 수여할 수 있다.
협약 학생의 선발, 학사관리, 졸업요건 및 학위수여 등에 관한 세부사항은 총장이 따로 정한다. | 0.0 | | 천재지변이 일어나면 수업일수를 줄일 수 있어? | 제 5 조 (수업년한 및 조기졸업)
수업년한은 4년으로 한다.
소정의 졸업학점을 취득하고 이 학칙이 정하는 졸업요건을 충족한 자로서 이수한 전 교과목의 평점평균이 4.0 이상인 자에 대하여는 수업년한을 3년내지 3년 6개월로 단축하여 조기졸업 시킬 수 있다. | 0.0 | * Loss: [ContrastiveLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#contrastiveloss) with these parameters: ```json { "distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE", "margin": 0.4, "size_average": true } ``` ### Training Hyperparameters #### Non-Default Hyperparameters - `eval_strategy`: steps - `per_device_train_batch_size`: 2 - `per_device_eval_batch_size`: 2 - `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`: 2 - `per_device_eval_batch_size`: 2 - `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
Click to expand | Epoch | Step | Training Loss | |:------:|:----:|:-------------:| | 0.0554 | 50 | - | | 0.1107 | 100 | - | | 0.1661 | 150 | - | | 0.2215 | 200 | - | | 0.2769 | 250 | - | | 0.3322 | 300 | - | | 0.3876 | 350 | - | | 0.4430 | 400 | - | | 0.4983 | 450 | - | | 0.5537 | 500 | 0.0053 | | 0.6091 | 550 | - | | 0.6645 | 600 | - | | 0.7198 | 650 | - | | 0.7752 | 700 | - | | 0.8306 | 750 | - | | 0.8859 | 800 | - | | 0.9413 | 850 | - | | 0.9967 | 900 | - | | 1.0 | 903 | - | | 1.0520 | 950 | - | | 1.1074 | 1000 | 0.0034 | | 1.1628 | 1050 | - | | 1.2182 | 1100 | - | | 1.2735 | 1150 | - | | 1.3289 | 1200 | - | | 1.3843 | 1250 | - | | 1.4396 | 1300 | - | | 1.4950 | 1350 | - | | 1.5504 | 1400 | - | | 1.6058 | 1450 | - | | 1.6611 | 1500 | 0.0028 | | 1.7165 | 1550 | - | | 1.7719 | 1600 | - | | 1.8272 | 1650 | - | | 1.8826 | 1700 | - | | 1.9380 | 1750 | - | | 1.9934 | 1800 | - | | 2.0 | 1806 | - | | 2.0487 | 1850 | - | | 2.1041 | 1900 | - | | 2.1595 | 1950 | - | | 2.2148 | 2000 | 0.0019 | | 2.2702 | 2050 | - | | 2.3256 | 2100 | - | | 2.3810 | 2150 | - | | 2.4363 | 2200 | - | | 2.4917 | 2250 | - | | 2.5471 | 2300 | - | | 2.6024 | 2350 | - | | 2.6578 | 2400 | - | | 2.7132 | 2450 | - | | 2.7685 | 2500 | 0.0014 | | 2.8239 | 2550 | - | | 2.8793 | 2600 | - | | 2.9347 | 2650 | - | | 2.9900 | 2700 | - | | 3.0 | 2709 | - | | 3.0454 | 2750 | - | | 3.1008 | 2800 | - | | 3.1561 | 2850 | - | | 3.2115 | 2900 | - | | 3.2669 | 2950 | - | | 3.3223 | 3000 | 0.0011 | | 3.3776 | 3050 | - | | 3.4330 | 3100 | - | | 3.4884 | 3150 | - | | 3.5437 | 3200 | - | | 3.5991 | 3250 | - | | 3.6545 | 3300 | - | | 3.7099 | 3350 | - | | 3.7652 | 3400 | - | | 3.8206 | 3450 | - | | 3.8760 | 3500 | 0.0009 | | 3.9313 | 3550 | - | | 3.9867 | 3600 | - | | 4.0 | 3612 | - | | 4.0421 | 3650 | - | | 4.0975 | 3700 | - | | 4.1528 | 3750 | - | | 4.2082 | 3800 | - | | 4.2636 | 3850 | - | | 4.3189 | 3900 | - | | 4.3743 | 3950 | - | | 4.4297 | 4000 | 0.0007 | | 4.4850 | 4050 | - | | 4.5404 | 4100 | - | | 4.5958 | 4150 | - | | 4.6512 | 4200 | - | | 4.7065 | 4250 | - | | 4.7619 | 4300 | - | | 4.8173 | 4350 | - | | 4.8726 | 4400 | - | | 4.9280 | 4450 | - | | 4.9834 | 4500 | 0.0007 | | 5.0 | 4515 | - | | 5.0388 | 4550 | - | | 5.0941 | 4600 | - | | 5.1495 | 4650 | - | | 5.2049 | 4700 | - | | 5.2602 | 4750 | - | | 5.3156 | 4800 | - | | 5.3710 | 4850 | - | | 5.4264 | 4900 | - | | 5.4817 | 4950 | - | | 5.5371 | 5000 | 0.0003 | | 5.5925 | 5050 | - | | 5.6478 | 5100 | - | | 5.7032 | 5150 | - | | 5.7586 | 5200 | - | | 5.8140 | 5250 | - | | 5.8693 | 5300 | - | | 5.9247 | 5350 | - | | 5.9801 | 5400 | - | | 6.0 | 5418 | - | | 6.0354 | 5450 | - | | 6.0908 | 5500 | 0.0004 | | 6.1462 | 5550 | - | | 6.2016 | 5600 | - | | 6.2569 | 5650 | - | | 6.3123 | 5700 | - | | 6.3677 | 5750 | - | | 6.4230 | 5800 | - | | 6.4784 | 5850 | - | | 6.5338 | 5900 | - | | 6.5891 | 5950 | - | | 6.6445 | 6000 | 0.0002 | | 6.6999 | 6050 | - | | 6.7553 | 6100 | - | | 6.8106 | 6150 | - | | 6.8660 | 6200 | - | | 6.9214 | 6250 | - |
### 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 ```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} } ```