README.md

metadata

language: []
library_name: sentence-transformers
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:362208
  - loss:ContrastiveLoss
base_model: vinai/phobert-base-v2
datasets: []
widget:
  - source_sentence: vùng khí_hậu nóng ẩm ghi_nhận sự tồn_tại của Virus SARS-CoV -2 .
    sentences:
      - vùng khí_hậu nóng ẩm ghi_nhận sự tồn_tại của Virus SARS-CoV -2 .
      - Chế_độ ăn_uống nghỉ_ngơi như_thế_nào là hợp_lý ?
      - >-
        Và bé đang có tình_trạng bị đọng cặn nước_tiểu ở đầu bộ sinh_dục ( bé
        trai ) .
  - source_sentence: Khoan xương và chèn vào hai bên hai bong_bóng được gọi là đệm xương .
    sentences:
      - Khoan xương và chèn vào hai bên hai bong_bóng được gọi là đệm xương .
      - >-
        3 hôm_nay bé đi phân chủ_yếu là nhầy có bọt rồi nước lẫn hoa_cà_hoa_cải
        , thi_thoảng phân có màu xanh đậm .
      - >-
        Sau khi chẩn_đoán , bác_sĩ khuyên anh Khánh nên sớm điều_trị kịp_thời để
        tránh nhiều biến_chứng .
  - source_sentence: >-
      Những phụ_nữ có tiền_sử bệnh như trên chính là những đối_tượng nguy_cơ của
      tình_trạng tắc ống dẫn trứng .
    sentences:
      - >-
        Dùng các thiết_bị hỗ_trợ quá_trình di_chuyển đồng_thời giúp cải_thiện
        chức_năng của các khớp như :
      - >-
        Những phụ_nữ có tiền_sử bệnh như trên chính là những đối_tượng nguy_cơ
        của tình_trạng tắc ống dẫn trứng .
      - >-
        Trong các nguyên_nhân sau đây , đâu là các nguyên_nhân khách_quan ,
        không đến từ mẹ và thai_nhi ?
  - source_sentence: Bé nhà con nay được 1 tháng 23 ngày .
    sentences:
      - 'Vú phải : - bất đối_xứng ở vùng dưới ( kích_thước :'
      - >-
        Thưa bác_sĩ tôi 18 tuổi , bị sưng chân răng , nhức tai , nhức đầu với có
        kêu tiếng trong quai_hàm .
      - Bé nhà con nay được 1 tháng 23 ngày .
  - source_sentence: >-
      Tuy_nhiên , nếu bệnh không tự lành và vẫn tiếp_tục chảy_máu , cần phải
      sử_dụng các liệu_pháp cầm máu để bù lại lượng máu đã mất .
    sentences:
      - Nguyễn_Thị_Thanh_Tuyền ( 1995 ) .
      - >-
        Bệnh_viện Bệnh Nhiệt_đới Trung_ương cơ_sở Kim_Chung là bệnh_viện
        khám_chữa bệnh đa_khoa phục_vụ cho người_dân trong cả nước .
      - >-
        Một_số yếu_tố làm tăng nguy_cơ mắc bệnh như : Yếu_tố nội_tiết : bệnh
        thường gặp ở phụ_nữ chậm có kinh và sớm mãn_kinh .
pipeline_tag: sentence-similarity

SentenceTransformer based on vinai/phobert-base-v2

This is a sentence-transformers model finetuned from vinai/phobert-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: vinai/phobert-base-v2
• Maximum Sequence Length: 256 tokens
• Output Dimensionality: 768 tokens
• 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': 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:

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 = [
    'Tuy_nhiên , nếu bệnh không tự lành và vẫn tiếp_tục chảy_máu , cần phải sử_dụng các liệu_pháp cầm máu để bù lại lượng máu đã mất .',
    'Một_số yếu_tố làm tăng nguy_cơ mắc bệnh như : Yếu_tố nội_tiết : bệnh thường gặp ở phụ_nữ chậm có kinh và sớm mãn_kinh .',
    'Nguyễn_Thị_Thanh_Tuyền ( 1995 ) .',
]
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: 362,208 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	min: 3 tokens mean: 22.64 tokens max: 104 tokens	min: 3 tokens mean: 23.25 tokens max: 222 tokens	min: 0.1 mean: 0.82 max: 1.0

• Samples:

  sentence_0	sentence_1	label
  Hiệu_lực của vaccine AstraZeneca ra sao ?	Hiệu_lực của vaccine AstraZeneca ra sao ?	1.0
  Gần đây , tôi có quen một bạn gái , mỗi lần ngồi gần nhau có cử_chỉ thân_mật thì tôi gần như không kìm chế được có_thể nói là giống như hiện_tượng xuất_tinh sớm .	Chụp CT scanner sọ não : là hình_ảnh tốt nhất để đánh_giá tổn_thương não vì có_thể hiển_thị mô não hoặc xuất_huyết não hoặc nhũn_não .	0.6540138125419617
  Sốt siêu_vi sau quan_hệ tình_dục không an_toàn có phải đã nhiễm HIV không ?	Sốt siêu_vi sau quan_hệ tình_dục không an_toàn có phải đã nhiễm HIV không ?	1.0

• Loss: ContrastiveLoss with these parameters:

  {
      "distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE",
      "margin": 0.5,
      "size_average": true
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• per_device_train_batch_size: 16
• per_device_eval_batch_size: 16
• num_train_epochs: 4
• multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

• overwrite_output_dir: False
• do_predict: False
• prediction_loss_only: True
• per_device_train_batch_size: 16
• per_device_eval_batch_size: 16
• per_gpu_train_batch_size: None
• per_gpu_eval_batch_size: None
• gradient_accumulation_steps: 1
• eval_accumulation_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: 4
• 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
• 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: 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}
• 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
• 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_sampler: batch_sampler
• multi_dataset_batch_sampler: round_robin

Training Logs

Click to expand

Epoch	Step	Training Loss
0.0221	500	0.0168
0.0442	1000	0.0139
0.0663	1500	0.0142
0.0883	2000	0.0139
0.1104	2500	0.0137
0.1325	3000	0.0139
0.1546	3500	0.0137
0.1767	4000	0.0139
0.1988	4500	0.0136
0.2209	5000	0.0135
0.2430	5500	0.0137
0.2650	6000	0.0138
0.2871	6500	0.0136
0.3092	7000	0.0137
0.3313	7500	0.0138
0.3534	8000	0.0135
0.3755	8500	0.0138
0.3976	9000	0.0138
0.4196	9500	0.0141
0.4417	10000	0.0139
0.4638	10500	0.0139
0.4859	11000	0.0138
0.5080	11500	0.0141
0.5301	12000	0.0138
0.5522	12500	0.0138
0.5743	13000	0.0138
0.5963	13500	0.0138
0.6184	14000	0.0136
0.6405	14500	0.0139
0.6626	15000	0.0151
0.6847	15500	0.019
0.7068	16000	0.0184
0.7289	16500	0.018
0.7509	17000	0.0163
0.7730	17500	0.0164
0.7951	18000	0.0158
0.8172	18500	0.0155
0.8393	19000	0.0151
0.8614	19500	0.0151
0.8835	20000	0.0152
0.9056	20500	0.0152
0.9276	21000	0.0151
0.9497	21500	0.0148
0.9718	22000	0.015
0.9939	22500	0.0147
1.0160	23000	0.0149
1.0381	23500	0.0151
1.0602	24000	0.015
1.0823	24500	0.0148
1.1043	25000	0.0147
1.1264	25500	0.0149
1.1485	26000	0.0147
1.1706	26500	0.015
1.1927	27000	0.0146
1.2148	27500	0.0145
1.2369	28000	0.0147
1.2589	28500	0.0149
1.2810	29000	0.0147
1.3031	29500	0.0144
1.3252	30000	0.0147
1.3473	30500	0.0147
1.3694	31000	0.0145
1.3915	31500	0.0149
1.4136	32000	0.0147
1.4356	32500	0.0148
1.4577	33000	0.0148
1.4798	33500	0.0145
1.5019	34000	0.0149
1.5240	34500	0.0147
1.5461	35000	0.0146
1.5682	35500	0.0144
1.5902	36000	0.0146
1.6123	36500	0.0143
1.6344	37000	0.0145
1.6565	37500	0.0145
1.6786	38000	0.0146
1.7007	38500	0.0143
1.7228	39000	0.0149
1.7449	39500	0.0143
1.7669	40000	0.0146
1.7890	40500	0.0146
1.8111	41000	0.0146
1.8332	41500	0.0142
1.8553	42000	0.0144
1.8774	42500	0.0146
1.8995	43000	0.0147
1.9215	43500	0.0144
1.9436	44000	0.0145
1.9657	44500	0.0143
1.9878	45000	0.0146
2.0099	45500	0.0143
2.0320	46000	0.0147
2.0541	46500	0.0146
2.0762	47000	0.0144
2.0982	47500	0.0144
2.1203	48000	0.0144
2.1424	48500	0.0145
2.1645	49000	0.0144
2.1866	49500	0.0144
2.2087	50000	0.0141
2.2308	50500	0.0142
2.2528	51000	0.0145
2.2749	51500	0.0143
2.2970	52000	0.0141
2.3191	52500	0.0144
2.3412	53000	0.0143
2.3633	53500	0.0144
2.3854	54000	0.0144
2.4075	54500	0.0144
2.4295	55000	0.0145
2.4516	55500	0.0145
2.4737	56000	0.0144
2.4958	56500	0.0147
2.5179	57000	0.0145
2.5400	57500	0.0144
2.5621	58000	0.0143
2.5842	58500	0.0144
2.6062	59000	0.0143
2.6283	59500	0.0142
2.6504	60000	0.0143
2.6725	60500	0.0143
2.6946	61000	0.0143
2.7167	61500	0.0144
2.7388	62000	0.0143
2.7608	62500	0.0143
2.7829	63000	0.0146
2.8050	63500	0.0144
2.8271	64000	0.0141
2.8492	64500	0.0142
2.8713	65000	0.0143
2.8934	65500	0.0146
2.9155	66000	0.0143
2.9375	66500	0.0143
2.9596	67000	0.0141
2.9817	67500	0.0144
3.0038	68000	0.0143
3.0259	68500	0.0145
3.0480	69000	0.0142
3.0701	69500	0.0145
3.0921	70000	0.0142
3.1142	70500	0.0143
3.1363	71000	0.0142
3.1584	71500	0.0143
3.1805	72000	0.0143
3.2026	72500	0.014
3.2247	73000	0.0141
3.2468	73500	0.0142
3.2688	74000	0.0143
3.2909	74500	0.0141
3.3130	75000	0.0141
3.3351	75500	0.0143
3.3572	76000	0.0141
3.3793	76500	0.0143
3.4014	77000	0.0143
3.4234	77500	0.0146
3.4455	78000	0.0144
3.4676	78500	0.0143
3.4897	79000	0.0144
3.5118	79500	0.0145
3.5339	80000	0.0142
3.5560	80500	0.0144
3.5781	81000	0.0143
3.6001	81500	0.0142
3.6222	82000	0.0142
3.6443	82500	0.0142
3.6664	83000	0.014
3.6885	83500	0.0144
3.7106	84000	0.0141
3.7327	84500	0.0143
3.7547	85000	0.014
3.7768	85500	0.0146
3.7989	86000	0.0143
3.8210	86500	0.0142
3.8431	87000	0.0139
3.8652	87500	0.0143
3.8873	88000	0.0144
3.9094	88500	0.0143
3.9314	89000	0.0142
3.9535	89500	0.0142
3.9756	90000	0.0142

Framework Versions

• Python: 3.10.13
• Sentence Transformers: 3.1.0.dev0
• Transformers: 4.39.3
• PyTorch: 2.1.2
• Accelerate: 0.29.3
• Datasets: 2.18.0
• Tokenizers: 0.15.2

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",
}

ContrastiveLoss

@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}
}