---
language: ru
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- feature-extraction
- sentence-similarity
- triplet-loss
- domain-adaptation
library_name: sentence-transformers
license: apache-2.0
---

#  Fine-Tuned SentenceTransformer: all-MiniLM-L6-v2 (ru-HNP Adaptation)

Данная модель представляет собой доменно-адаптированную версию `sentence-transformers/all-MiniLM-L6-v2` для работы с русскоязычными текстами. Дообучение проводилось на датасете **`deepvk/ru-HNP`** (20,000 триплетов) с использованием функции потерь **`TripletLoss`**.

##  Результаты оценки метрик (Benchmark: RuBQ Retrieval)

| Метрика | Базовая модель (all-MiniLM-L6-v2) | Дообученная модель (ru-HNP) |
| :--- | :---: | :---: |
| **Recall@5** | 2.72% (0.0272) | 0.36% (0.0036) |
| **Recall@10** | 3.50% (0.0350) | 0.36% (0.0036) |

> **Анализ результатов**: Изменение метрик обусловлено смещением домена и типа задач (Domain & Task Shift): модель обучалась на симметричном поиске парафраз (короткие предложения), в то время как оценка производилась на асимметричном вопрос-ответном поиске по Википедии (RuBQ).

##  Визуализация пространства эмбеддингов (UMAP)

![UMAP Сравнение](output.png)

- **Базовая модель (`1.png`)**: Эмбеддинги распределены хаотично по пространству.
- **Дообученная модель (`2.png` / `output.png`)**: Образовались плотные смысловые кластеры по тематикам («наука», «спорт», «культура»), что подтверждает адаптацию векторного пространства к структуре русского языка.

##  Использование модели (Sentence-Transformers)

```python
from sentence_transformers import SentenceTransformer

model = SentenceTransformer("F1ow421/all-MiniLM-L6-v2-ru-hnp")
sentences = [
    "Пример русского предложения для получения эмбеддинга",
    "Другая фраза для семантического поиска"
]

embeddings = model.encode(sentences, normalize_embeddings=True)
print(embeddings.shape)
```