vietnamese-sbert-v3

SentenceTransformer based on keepitreal/vietnamese-sbert

This is a sentence-transformers model finetuned from keepitreal/vietnamese-sbert on the csv dataset. 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: keepitreal/vietnamese-sbert <!-- at revision a9467ef2ef47caa6448edeabfd8e5e5ce0fa2a23 -->
• Maximum Sequence Length: 256 tokens
• Output Dimensionality: 768 tokens
• Similarity Function: Cosine Similarity
• Training Dataset:
  • csv

<!-- - **Language:** Unknown --> <!-- - **License:** Unknown -->

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("Cloyne/vietnamese-sbert-v3")
# Run inference
sentences = [
    'Việc ghi nhãn đối_với vàng trang_sức , mỹ_nghệ thể_hiện trực_tiếp trên sản_phẩm bằng những cách nào ?',
    'Công_bố tiêu_chuẩn áp_dụng và ghi nhãn đối_với vàng trang_sức , mỹ_nghệ ... 4 . Ghi nhãn đối_với vàng trang_sức , mỹ_nghệ : a ) Yêu_cầu chung : - Việc ghi nhãn vàng trang_sức , mỹ_nghệ phải được thực_hiện theo quy_định tại Nghị_định số 89/2006 / NĐ-CP ngày 30 tháng 8 năm 2006 của Chính_phủ về nhãn hàng hóa . Vị_trí nhãn vàng trang_sức , mỹ_nghệ được thực_hiện theo quy_định tại Điều 6 Nghị_định số 89/2006 / NĐ-CP ; - Nhãn vàng trang_sức , mỹ_nghệ được thể_hiện trực_tiếp trên sản_phẩm bằng cách khắc cơ_học , khắc_la-de , đục chìm , đúc_chìm , đúc nổi hoặc bằng phương_pháp thích_hợp ( nếu kích_thước và cấu_trúc sản_phẩm đủ để thực_hiện ) hoặc thể_hiện trên tài_liệu đính kèm sản_phẩm ; - Độ tinh_khiết hay hàm_lượng vàng theo phân_hạng quy_định tại Điều 6 Thông_tư này phải được ghi rõ tại vị_trí dễ thấy trên sản_phẩm bằng số Ả_Rập chỉ_số phần vàng trên một nghìn ( 1000 ) phần khối_lượng của sản_phẩm ( ví_dụ : 999 hoặc 916 ... ) hoặc bằng số Ả_Rập thể_hiện chỉ_số Kara kèm theo chữ_cái K ( ví_dụ : 24K hoặc 22K ... ) tương_ứng với phân_hạng theo quy_định tại Điều 6 Thông_tư này . Trường_hợp sản_phẩm có kích_thước không_thể thể_hiện trực_tiếp được thì hàm_lượng vàng công_bố phải được ghi trên nhãn đính kèm . Trường_hợp sản_phẩm có từ hai thành_phần trở lên với hàm_lượng vàng khác nhau , có_thể nhận_biết sự khác nhau qua ngoại_quan thì việc ghi hàm_lượng vàng được thể_hiện trên phần có hàm_lượng vàng thấp hơn ; - Đối_với vàng trang_sức , mỹ_nghệ nhập_khẩu , ngoài nhãn gốc ghi bằng tiếng nước_ngoài , phải có nhãn phụ bằng tiếng Việt thể_hiện các thông_tin ghi nhãn theo quy_định tại điểm b khoản 4 Điều này và xuất_xứ hàng hóa . ...',
    'Kỹ_sư cao_cấp ( hạng I ) - Mã_số : V._05.02.05 ... 2 . Tiêu_chuẩn về trình_độ đào_tạo , bồi_dưỡng : a ) Có trình_độ thạc_sĩ trở lên thuộc lĩnh_vực kỹ_thuật , công_nghệ ; b ) Có chứng_chỉ bồi_dưỡng chức_danh công_nghệ . ...',
]
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]

<!-- ### Direct Usage (Transformers) <details><summary>Click to see the direct usage in Transformers</summary> </details> --> <!-- ### Downstream Usage (Sentence Transformers) You can finetune this model on your own dataset. <details><summary>Click to expand</summary> </details> --> <!-- ### Out-of-Scope Use *List how the model may foreseeably be misused and address what users ought not to do with the model.* --> <!-- ## Bias, Risks and Limitations *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* --> <!-- ### Recommendations *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* -->

Training Details

Training Dataset

csv

• Dataset: csv
• Size: 132,997 training samples
• Columns: <code>anchor</code> and <code>positive</code>
• Approximate statistics based on the first 1000 samples:

  	anchor	positive
  type	string	string
  details	<ul><li>min: 6 tokens</li><li>mean: 16.75 tokens</li><li>max: 34 tokens</li></ul>	<ul><li>min: 17 tokens</li><li>mean: 172.75 tokens</li><li>max: 256 tokens</li></ul>

• Samples:

  anchor	positive
  <code>Điều_kiện cần có của Văn_phòng công_chứng là gì ?</code>	<code>" Điều 22 . Văn_phòng công_chứng 3 . Tên gọi của Văn_phòng công_chứng phải bao_gồm cụm_từ “ Văn_phòng công_chứng ” kèm theo họ tên của Trưởng Văn_phòng hoặc họ tên của một công_chứng_viên hợp_danh khác của Văn_phòng công_chứng do các công_chứng_viên hợp_danh thỏa_thuận , không được trùng hoặc gây nhầm_lẫn với tên của tổ_chức hành_nghề công_chứng khác , không được vi_phạm truyền_thống lịch_sử , văn_hóa , đạo_đức và thuần_phong mỹ_tục của dân_tộc . "</code>
  <code>Thứ_trưởng , Phó Thủ_trưởng cơ_quan ngang Bộ thực_hiện nhiệm_vụ theo sự phân_công của ai ?</code>	<code>" Điều 3 . Bộ_trưởng 1 . Bộ_trưởng là thành_viên Chính_phủ và là người đứng đầu Bộ , lãnh_đạo công_tác của Bộ ; chịu trách_nhiệm quản_lý_nhà_nước về ngành , lĩnh_vực được phân_công ; tổ_chức thi_hành và theo_dõi việc thi_hành pháp_luật liên_quan đến ngành , lĩnh_vực được giao trong phạm_vi toàn_quốc . 2 . Bộ_trưởng làm_việc theo chế_độ thủ_trưởng và Quy_chế làm_việc của Chính_phủ , bảo_đảm nguyên_tắc tập_trung_dân_chủ . Điều 4 . Thứ_trưởng , Phó Thủ_trưởng cơ_quan ngang Bộ 1 . Thứ_trưởng , Phó Thủ_trưởng cơ_quan ngang Bộ ( sau đây gọi chung là Thứ_trưởng ) giúp Bộ_trưởng thực_hiện một hoặc một_số nhiệm_vụ cụ_thể do Bộ_trưởng phân_công và chịu trách_nhiệm trước Bộ_trưởng và trước pháp_luật về nhiệm_vụ được phân_công . Thứ_trưởng không kiêm người đứng đầu tổ_chức , đơn_vị thuộc Bộ , trừ trường_hợp đặc_biệt . Khi Bộ_trưởng vắng_mặt , một Thứ_trưởng được Bộ_trưởng ủy_nhiệm thay Bộ_trưởng điều_hành và giải_quyết công_việc của Bộ . 2 . Số_lượng Thứ_trưởng thực_hiện theo quy_định của Luật_Tổ_chức Chính_phủ . "</code>
  <code>Việc lựa_chọn xuất_bản_phẩm tham_khảo dùng chung trong các cơ_sở giáo_dục được quy_định thế_nào ?</code>	<code>Lựa_chọn xuất_bản_phẩm tham_khảo dùng chung trong các cơ_sở giáo_dục 1 . Tổ / nhóm chuyên_môn , căn_cứ vào mục_tiêu , nội_dung chương_trình giáo_dục , sách_giáo_khoa , kế_hoạch thực_hiện nhiệm_vụ năm_học , các hoạt_động giáo_dục và đề_xuất của giáo_viên để lựa_chọn , đề_xuất danh_mục xuất_bản_phẩm tham_khảo tối_thiểu liên_quan đến môn_học / lớp_học , hoạt_động giáo_dục . 2 . Định_kì vào đầu năm_học , thủ_trưởng cơ_sở giáo_dục thành_lập Hội_đồng để xem_xét , lựa_chọn , đề_xuất danh_mục xuất_bản_phẩm tham_khảo trên cơ_sở đề_xuất của các tổ / nhóm chuyên_môn . Thành_phần tối_thiểu của Hội_đồng gồm : Lãnh_đạo cơ_sở giáo_dục phụ_trách chuyên_môn , tổ / nhóm trưởng chuyên_môn và viên_chức phụ_trách thư_viện trong cơ_sở giáo_dục . 3 . Thủ_trưởng cơ_sở giáo_dục quyết_định phê_duyệt danh_mục xuất_bản_phẩm tham_khảo tối_thiểu để có kế_hoạch mua_sắm và sử_dụng hằng năm trong cơ_sở giáo_dục trên cơ_sở đề_xuất của Hội_đồng lựa_chọn xuất_bản_phẩm tham_khảo , cân_đối nguồn kinh_phí , quy_mô của cơ_sở giáo_dục , số_lượng và chất_lượng xuất_bản_phẩm tham_khảo đã có tại cơ_sở giáo_dục .</code>

• Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:

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

Evaluation Dataset

csv

• Dataset: csv
• Size: 132,997 evaluation samples
• Columns: <code>anchor</code> and <code>positive</code>
• Approximate statistics based on the first 1000 samples:

  	anchor	positive
  type	string	string
  details	<ul><li>min: 6 tokens</li><li>mean: 17.13 tokens</li><li>max: 57 tokens</li></ul>	<ul><li>min: 7 tokens</li><li>mean: 173.11 tokens</li><li>max: 256 tokens</li></ul>

• Samples:

  anchor	positive
  <code>Hoàn lại số tiền lừa_đảo thì có được nhẹ_tội hơn không ?</code>	<code>" Điều 51 . Các tình_tiết giảm nhẹ trách_nhiệm hình_sự 1 . Các tình_tiết sau đây là tình_tiết giảm nhẹ trách_nhiệm hình_sự : a ) Người phạm_tội đã ngăn_chặn hoặc làm giảm bớt tác_hại của tội_phạm ; b ) Người phạm_tội tự_nguyện sửa_chữa , bồi_thường thiệt_hại hoặc khắc_phục hậu_quả ; c ) Phạm_tội trong trường_hợp vượt quá giới_hạn phòng_vệ chính_đáng ; d ) Phạm_tội trong trường_hợp vượt quá yêu_cầu của tình_thế cấp_thiết ; đ ) Phạm_tội trong trường_hợp vượt quá mức cần_thiết khi bắt_giữ người phạm_tội ; e ) Phạm_tội trong trường_hợp bị kích_động về tinh_thần do hành_vi trái pháp_luật của nạn_nhân gây ra ; g ) Phạm_tội vì hoàn_cảnh đặc_biệt khó_khăn mà không phải do mình tự gây ra ; h ) Phạm_tội nhưng chưa gây thiệt_hại hoặc gây thiệt_hại không lớn ; i ) Phạm_tội lần đầu và thuộc trường_hợp ít nghiêm_trọng ; k ) Phạm_tội vì bị người khác đe_dọa hoặc cưỡng_bức ; l ) Phạm_tội trong trường_hợp bị hạn_chế khả_năng nhận_thức mà không phải do lỗi của mình gây ra ; m ) Phạm_tội do lạc_hậu ; n ) Người phạm_tội là phụ_nữ có_thai ; o ) Người phạm_tội là người đủ 70 tuổi trở lên ; p ) Người phạm_tội là người khuyết_tật nặng hoặc khuyết_tật đặc_biệt nặng ; q ) Người phạm_tội là người có bệnh bị hạn_chế khả_năng nhận_thức hoặc khả_năng điều_khiển hành_vi của mình ; r ) Người phạm_tội tự_thú ; s ) Người phạm_tội thành_khẩn khai_báo , ăn_năn hối_cải ; t ) Người phạm_tội tích_cực hợp_tác với cơ_quan có trách_nhiệm trong việc phát_hiện tội_phạm hoặc trong quá_trình giải_quyết vụ án ; u ) Người phạm_tội đã lập_công chuộc tội ; v ) Người phạm_tội là người có thành_tích xuất_sắc trong sản_xuất , chiến_đấu , học_tập hoặc công_tác ; x ) Người phạm_tội là người có công với cách_mạng hoặc là cha , mẹ , vợ , chồng , con của liệt_sĩ . 2 . Khi quyết_định hình_phạt , Tòa_án có_thể coi đầu_thú hoặc tình_tiết khác là tình_tiết giảm nhẹ , nhưng phải ghi rõ lý_do giảm nhẹ trong bản_án . 3 . Các tình_tiết giảm nhẹ đã được Bộ_luật này quy_định là dấu_hiệu định_tội hoặc định_khung thì không được coi là tình_tiết giảm nhẹ trong khi quyết_định hình_phạt . "</code>
  <code>Quy_trình phát_mại tài_sản bao_gồm các bước nào ?</code>	<code>“ Điều 307 . Thanh_toán số tiền có được từ việc xử_lý tài_sản cầm_cố , thế_chấp 1 . Số tiền có được từ việc xử_lý tài_sản cầm_cố , thế_chấp sau khi thanh_toán chi_phí bảo_quản , thu_giữ và xử_lý tài_sản cầm_cố , thế_chấp được thanh_toán theo thứ_tự ưu_tiên quy_định tại Điều 308 của Bộ_luật này . 2 . Trường_hợp số tiền có được từ việc xử_lý tài_sản cầm_cố , thế_chấp sau khi thanh_toán chi_phí bảo_quản , thu_giữ và xử_lý tài_sản cầm_cố , thế_chấp lớn hơn giá_trị nghĩa_vụ được bảo_đảm thì số tiền chênh_lệch phải được trả cho bên bảo_đảm . 3 . Trường_hợp số tiền có được từ việc xử_lý tài_sản cầm_cố , thế_chấp sau khi thanh_toán chi_phí bảo_quản , thu_giữ và xử_lý tài_sản cầm_cố , thế_chấp nhỏ hơn giá_trị nghĩa_vụ được bảo_đảm thì phần nghĩa_vụ chưa được thanh_toán được xác_định là nghĩa_vụ không có bảo_đảm , trừ trường_hợp các bên có thỏa_thuận bổ_sung tài_sản bảo_đảm . Bên nhận bảo_đảm có quyền yêu_cầu bên có nghĩa_vụ được bảo_đảm phải thực_hiện phần nghĩa_vụ chưa được thanh_toán . ”</code>
  <code>Người lao_động đang trong thời_gian nghỉ thai_sản thì có đóng đoàn phí công_đoàn không ?</code>	<code>" Điều 23 . Đối_tượng , mức đóng , tiền_lương làm căn_cứ đóng đoàn phí [ ... ] 6 . Đoàn_viên công_đoàn hưởng trợ_cấp Bảo_hiểm_xã_hội từ 01 tháng trở lên , trong thời_gian hưởng trợ_cấp không phải đóng đoàn phí ; đoàn_viên công_đoàn không có việc_làm , không có thu_nhập , nghỉ_việc riêng từ 01 tháng trở lên không hưởng tiền_lương , trong thời_gian đó không phải đóng đoàn phí ” .</code>

• Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 32
• per_device_eval_batch_size: 32
• num_train_epochs: 5
• warmup_ratio: 0.1
• fp16: True
• eval_on_start: True
• batch_sampler: no_duplicates

All Hyperparameters

<details><summary>Click to expand</summary>

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: steps
• prediction_loss_only: True
• per_device_train_batch_size: 32
• per_device_eval_batch_size: 32
• 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: 1.0
• num_train_epochs: 5
• 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: 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
• 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: True
• use_liger_kernel: False
• eval_use_gather_object: False
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional

</details>

Training Logs

Framework Versions

• Python: 3.10.14
• Sentence Transformers: 3.2.1
• Transformers: 4.45.1
• PyTorch: 2.4.0
• Accelerate: 0.34.2
• Datasets: 3.0.1
• Tokenizers: 0.20.0

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}
}

<!-- ## Glossary *Clearly define terms in order to be accessible across audiences.* --> <!-- ## Model Card Authors *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* --> <!-- ## Model Card Contact *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* -->