e5_base_finetune_v2

SentenceTransformer based on intfloat/multilingual-e5-base

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-base on the triplet and mnrl datasets. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: intfloat/multilingual-e5-base <!-- at revision d128750597153bb5987e10b1c3493a34e5a4502a -->
• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 768 dimensions
• Similarity Function: Cosine Similarity
• Supported Modality: Text
• Training Datasets:
  • triplet
  • mnrl

<!-- - **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({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'XLMRobertaModel'})
  (1): Pooling({'embedding_dimension': 768, 'pooling_mode': 'mean', 'include_prompt': True})
  (2): Normalize({})
)

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 = [
    'query: chống nhìn trộm iphone 17 pro max',
    'passage: Miếng dán kính cường lực chống nhìn trộm iPhone 17 Pro Max UniQ | Giữ trọn sự riêng tư với miếng dán kính cường lực chống nhìn trộm dành riêng cho iPhone 17 Pro Max từ thương hiệu UniQ. Sản phẩm chính hãng không chỉ bảo vệ màn hình khỏi các tác động ngoại lực như va đập hay trầy xước, mà còn ngăn chặn hiệu quả tình trạng nhìn trộm từ các góc nhìn khác. Trải nghiệm | Danh mục: Miếng dán UniQ | Thương hiệu: UniQ | Giá: 441,000 VNĐ',
    'passage: Miếng dán kính cường lực chống nhìn trộm iPhone 17 Mipow BJ710-BK | Bảo vệ tối ưu cho iPhone 17 của bạn với miếng dán kính cường lực chống nhìn trộm Mipow BJ716-BK. Sản phẩm chính hãng từ thương hiệu Mipow, mang đến khả năng chống nhìn trộm hiệu quả, giữ cho thông tin riêng tư của bạn an toàn khỏi những ánh mắt tò mò. Miếng dán được chế tác từ kính cường lực cao cấp | Danh mục: Miếng dán Mipow | Thương hiệu: Mipow | Giá: 405,000 VNĐ',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.9244, 0.5445],
#         [0.9244, 1.0000, 0.5928],
#         [0.5445, 0.5928, 1.0000]])

<!-- ### 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.* -->

Evaluation

Metrics

Triplet

• Dataset: valid_triplet
• Evaluated with <code>TripletEvaluator</code>

<!-- ## 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 Datasets

triplet

• Dataset: triplet
• Size: 17,901 training samples
• Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
• Approximate statistics based on the first 100 samples:

  	anchor	positive	negative
  type	string	string	string
  modality	text	text	text
  details	<ul><li>min: 8 tokens</li><li>mean: 11.45 tokens</li><li>max: 17 tokens</li></ul>	<ul><li>min: 109 tokens</li><li>mean: 132.39 tokens</li><li>max: 166 tokens</li></ul>	<ul><li>min: 105 tokens</li><li>mean: 130.98 tokens</li><li>max: 157 tokens</li></ul>

• Samples:

  anchor	positive	negative
  <code>query: dây đeo chéo apple neon</code>	<code>passage: Dây đeo chéo Apple Vàng Neon MGGE4 | Thêm nét cá tính và sự tiện dụng cho iPhone của bạn với Dây đeo chéo Apple Vàng Neon MGGE4 chính hãng. Sắc Vàng Neon nổi bật, trẻ trung sẽ giúp chiếc điện thoại của bạn trở nên thu hút hơn bao giờ hết. Sản phẩm được thiết kế bởi Apple, đảm bảo chất lượng và độ bền vượt trội, mang đến sự thoải mái kh | Danh mục: Phụ kiện ốp lưng Apple | Thương hiệu: Apple | Giá: 1,690,000 VNĐ</code>	<code>passage: Dây đeo chéo Apple Nâu Sienna MGGN4 | Mang đến vẻ đẹp ấm áp và sang trọng với Dây đeo chéo Apple Nâu Sienna MGGN4 chính hãng. Sắc nâu Sienna thời thượng, tạo cảm giác gần gũi và đẳng cấp, là lựa chọn hoàn hảo để thể hiện phong cách riêng. Dây đeo được thiết kế thông minh, mang lại sự thoải mái tối ưu khi sử dụng. Cam kết sản phẩm chính | Danh mục: Phụ kiện ốp lưng Apple | Thương hiệu: Apple | Giá: 1,690,000 VNĐ</code>
  <code>query: bình Orchid đen</code>	<code>passage: Bình Orchid Đen Cỡ Trung | Bình Orchid Đen Cỡ Trung từ thương hiệu Nhà Xinh, thuộc bộ sưu tập Michael Aram, là một tác phẩm nghệ thuật tinh xảo, mang đến vẻ đẹp sang trọng và huyền bí cho không gian sống của bạn. Với thiết kế lấy cảm hứng từ vẻ đẹp của hoa phong lan, chiếc bình này không chỉ là vật dụng trang trí mà còn là đi | Danh mục: Michael Aram | Thương hiệu: Nhà Xinh | Giá: 4,490,000 VNĐ</code>	<code>passage: Bình Cylinder Xanh Lá Nhỏ | Bình Cylinder Xanh Lá Nhỏ từ Nhà Xinh là điểm nhấn tinh tế cho không gian sống của bạn. Với thiết kế hình trụ đơn giản nhưng không kém phần hiện đại, chiếc bình này dễ dàng hòa mình vào nhiều phong cách nội thất khác nhau, từ tối giản đến sang trọng. Sắc xanh lá tươi mát mang đến cảm giác gần gũi vớ | Danh mục: Bình trang trí | Thương hiệu: Nhà Xinh | Giá: 1,260,000 VNĐ</code>
  <code>query: bút lông bảng hộp 10</code>	<code>passage: BÚT LÔNG BẢNG WB-025/HS ĐỎ HỘP 10 (5404-TL) | Bút lông bảng Thiên Long WB-025/HS màu đỏ, hộp 10 cây, là công cụ hỗ trợ đắc lực cho việc giảng dạy, thuyết trình hay ghi chú. Sản phẩm nổi bật với nét viết êm, rõ ràng, mực đỏ tươi sáng, mau khô và đặc biệt dễ dàng lau sạch trên bề mặt bảng. Ngòi bút kích thước 2.5mm cho nét chữ thanh mảnh, dễ đọc. | Danh mục: Viết Lông Bảng, Lông Dầu | Thương hiệu: Thiên Long Hoàn Cầu | Giá: 1,530,000 VNĐ</code>	<code>passage: Bút lông bảng FO-WB-015 Đủ màu | Khám phá bút lông bảng FO-WB-015 Đủ màu từ Thiên Long, mang đến sự đa dạng và tiện lợi cho không gian làm việc, học tập của bạn. Bút được sản xuất theo công nghệ tiên tiến, cho nét viết êm, trơn tru trên bảng trắng, thủy tinh và các bề mặt nhẵn bóng. Mực đậm, tươi sáng, mau khô, dễ dàng xóa sạch mà | Danh mục: Viết Lông Bảng, Lông Dầu | Thương hiệu: Thiên Long | Giá: 990,000 VNĐ</code>

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

  {
      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
      "triplet_margin": 0.5
  }
  

mnrl

• Dataset: mnrl
• Size: 16,565 training samples
• Columns: <code>anchor</code> and <code>positive</code>
• Approximate statistics based on the first 100 samples:

  	anchor	positive
  type	string	string
  modality	text	text
  details	<ul><li>min: 7 tokens</li><li>mean: 9.73 tokens</li><li>max: 14 tokens</li></ul>	<ul><li>min: 114 tokens</li><li>mean: 135.71 tokens</li><li>max: 182 tokens</li></ul>

• Samples:

  anchor	positive
  <code>query: sách khoa học dễ hiểu cho trẻ</code>	<code>passage: 10 Vạn Câu Hỏi Vì Sao - Khoa Học Dễ Hiểu (Tái bản năm 2024) | Bộ sách "10 Vạn Câu Hỏi Vì Sao - Khoa Học Dễ Hiểu" (Tái bản 2024) là cẩm nang không thể thiếu giúp các bậc phụ huynh giải đáp vô vàn thắc mắc về khoa học cho trẻ. Bao gồm nhiều chủ đề phong phú như Khoa Học Dễ Hiểu, Tự Nhiên Kỳ Thú, Khám Phá Trái Đất và Vũ Trụ, sách sử dụng câu hỏi và câu trả lời xá | Danh mục: Kiến Thức Bách Khoa | Thương hiệu: NXB Hồng Đức | Giá: 5,700,000 VNĐ</code>
  <code>query: áo ba lỗ nam thể thao</code>	<code>passage: Áo ba lỗ active nam có hình in dáng thể thao | Áo ba lỗ active nam của CANIFA là lựa chọn lý tưởng cho những ai yêu thích sự thoải mái và năng động. Với phom regular, áo được làm từ 76% nylon và 24% spandex, mang lại cảm giác thoáng mát và dễ chịu trong mọi hoàn cảnh. Thiết kế có hình in thể thao tạo điểm nhấn cá tính, phù hợp cho các buổi tập l | Danh mục: Canifa Active | Thương hiệu: CANIFA | Giá: 149,000 VNĐ</code>
  <code>query: ca nấu mì</code>	<code>passage: Ca Nấu Mì Đa Năng No Brand MCM-V2201 1.2L | Ca nấu mì đa năng No Brand MCM-V2201 1.2L là giải pháp nấu nướng nhanh gọn và tiện lợi. Dung tích 1.2L lý tưởng cho việc chuẩn bị các bữa ăn cá nhân hoặc gia đình nhỏ. Sản phẩm được chế tạo từ các vật liệu an toàn và bền bỉ như Polypropylene, kim loại (Thép không gỉ) và thủy tinh chịu nhiệt. Với côn | Danh mục: Nhà Cửa - Đời Sống | Thương hiệu: Trung Quốc | Giá: 439,000 VNĐ</code>

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

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "gather_across_devices": false,
      "directions": [
          "query_to_doc"
      ],
      "partition_mode": "joint",
      "hardness_mode": null,
      "hardness_strength": 0.0
  }
  

Evaluation Dataset

triplet

• Dataset: triplet
• Size: 1,000 evaluation samples
• Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
• Approximate statistics based on the first 100 samples:

  	anchor	positive	negative
  type	string	string	string
  modality	text	text	text
  details	<ul><li>min: 8 tokens</li><li>mean: 11.11 tokens</li><li>max: 16 tokens</li></ul>	<ul><li>min: 106 tokens</li><li>mean: 133.42 tokens</li><li>max: 187 tokens</li></ul>	<ul><li>min: 113 tokens</li><li>mean: 133.13 tokens</li><li>max: 171 tokens</li></ul>

• Samples:

  anchor	positive	negative
  <code>query: chuột sạc không dây max</code>	<code>passage: Chuột sạc Không dây Gaming Rapoo VT0 Max | Chinh phục mọi thử thách với Chuột sạc Không dây Gaming Rapoo VT0 Max màu đen. Phiên bản nâng cấp này mang đến hiệu suất vượt trội, độ nhạy cao và khả năng phản hồi tức thì, đáp ứng tối đa nhu cầu của các game thủ chuyên nghiệp. Thiết kế gaming hầm hố, mạnh mẽ, cùng công nghệ sạc không dây tiện lợi | Danh mục: Chuột máy tính Rapoo | Thương hiệu: Rapoo | Giá: 50,000 VNĐ</code>	<code>passage: Đế Sạc Chuột Razer Mouse Dock Pro | Đảm bảo chuột Razer của bạn luôn sẵn sàng với Đế Sạc Chuột Razer Mouse Dock Pro. Thiết bị sạc không dây tiện lợi, giúp bạn nạp năng lượng cho chuột một cách nhanh chóng và hiệu quả. Thiết kế sang trọng, hiện đại, phù hợp với mọi không gian làm việc hay giải trí. Đế sạc Razer Mouse Dock Pro chính hãn | Danh mục: Chuột máy tính Razer | Thương hiệu: Razer | Giá: 890,000 VNĐ</code>
  <code>query: đồng hồ trẻ em chống nước</code>	<code>passage: Đồng hồ Smile Kid 37 mm Trẻ em SL155-02 | Đồng hồ Smile Kid SL155-02 với đường kính 37 mm là lựa chọn hoàn hảo cho các bé yêu thích phong cách năng động và thời trang. Sản phẩm đến từ thương hiệu SMILE KID nổi tiếng, đảm bảo chất lượng chính hãng với mức giá hấp dẫn. Mặt đồng hồ màu hồng tươi tắn, dễ dàng phối hợp với nhiều bộ trang phục, g | Danh mục: Đồng hồ thời trang SMILE KID | Thương hiệu: SMILE KID | Giá: 190,000 VNĐ</code>	<code>passage: Đồng hồ Smile Kid 33 mm Trẻ em SL308-02 | Khám phá thế giới thời gian cùng đồng hồ Smile Kid SL308-02 dành cho trẻ em, với đường kính 33 mm vừa vặn. Sản phẩm chính hãng 100% từ thương hiệu SMILE KID, nổi bật với sắc đen mạnh mẽ và cá tính, phù hợp cho cả bé trai và bé gái. Thiết kế tinh tế, dễ dàng xem giờ giúp bé tập làm quen với khái niệm | Danh mục: Đồng hồ thời trang SMILE KID | Thương hiệu: SMILE KID | Giá: 350,000 VNĐ</code>
  <code>query: đồng hồ nữ sheen casio</code>	<code>passage: Đồng hồ SHEEN CASIO 37.3 mm Nữ SHE-3806PG-7AUDR | Đồng hồ SHEEN CASIO SHE-3806PG-7AUDR dành cho phái nữ, với đường kính mặt 37.3mm, là điểm nhấn tinh tế và sang trọng cho phái đẹp. Sắc vàng hồng quyến rũ kết hợp cùng thiết kế thanh lịch, mang đến vẻ ngoài cuốn hút và đẳng cấp. Chiếc đồng hồ này không chỉ là phụ kiện thời trang mà còn thể hiện gu th | Danh mục: Đồng hồ thời trang SHEEN CASIO | Thương hiệu: SHEEN CASIO | Giá: 2,492,000 VNĐ</code>	<code>passage: Đồng hồ Casio 38.4 mm Unisex W-221H-1AVDF | Đồng hồ Casio W-221H-1AVDF với đường kính 38.4 mm, là phụ kiện unisex thời trang, phù hợp cho cả nam và nữ. Thiết kế màu đen mạnh mẽ, trẻ trung, dễ dàng kết hợp với mọi phong cách, từ năng động đến lịch lãm. Sản phẩm là hàng chính hãng Casio 100%, mang đến sự an tâm về chất lượng và độ bền bỉ theo t | Danh mục: Đồng hồ thời trang CASIO | Thương hiệu: CASIO | Giá: 1,195,000 VNĐ</code>

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

  {
      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
      "triplet_margin": 0.5
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• per_device_train_batch_size: 32
• num_train_epochs: 2
• learning_rate: 1e-05
• warmup_steps: 0.1
• gradient_accumulation_steps: 2
• fp16: True
• log_on_each_node: False
• per_device_eval_batch_size: 64
• load_best_model_at_end: True
• data_seed: 42

All Hyperparameters

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

• per_device_train_batch_size: 32
• num_train_epochs: 2
• max_steps: -1
• learning_rate: 1e-05
• lr_scheduler_type: linear
• lr_scheduler_kwargs: None
• warmup_steps: 0.1
• optim: adamw_torch_fused
• optim_args: None
• weight_decay: 0.0
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• optim_target_modules: None
• gradient_accumulation_steps: 2
• average_tokens_across_devices: True
• max_grad_norm: 1.0
• label_smoothing_factor: 0.0
• bf16: False
• fp16: True
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: None
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• use_liger_kernel: False
• liger_kernel_config: None
• use_cache: False
• neftune_noise_alpha: None
• torch_empty_cache_steps: None
• auto_find_batch_size: False
• log_on_each_node: False
• logging_nan_inf_filter: True
• include_num_input_tokens_seen: no
• log_level: passive
• log_level_replica: warning
• disable_tqdm: False
• project: huggingface
• trackio_space_id: None
• trackio_bucket_id: None
• trackio_static_space_id: None
• per_device_eval_batch_size: 64
• prediction_loss_only: True
• eval_on_start: False
• eval_do_concat_batches: True
• eval_use_gather_object: False
• eval_accumulation_steps: None
• include_for_metrics: []
• batch_eval_metrics: False
• save_only_model: False
• save_on_each_node: False
• enable_jit_checkpoint: False
• push_to_hub: False
• hub_private_repo: None
• hub_model_id: None
• hub_strategy: every_save
• hub_always_push: False
• hub_revision: None
• load_best_model_at_end: True
• ignore_data_skip: False
• restore_callback_states_from_checkpoint: False
• full_determinism: False
• seed: 42
• data_seed: 42
• use_cpu: False
• accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• parallelism_config: None
• dataloader_drop_last: False
• dataloader_num_workers: 0
• dataloader_pin_memory: True
• dataloader_persistent_workers: False
• dataloader_prefetch_factor: None
• remove_unused_columns: True
• label_names: None
• train_sampling_strategy: random
• length_column_name: length
• ddp_find_unused_parameters: None
• ddp_bucket_cap_mb: None
• ddp_broadcast_buffers: False
• ddp_static_graph: None
• ddp_backend: None
• ddp_timeout: 1800
• fsdp: None
• fsdp_config: None
• deepspeed: None
• debug: []
• skip_memory_metrics: True
• do_predict: False
• resume_from_checkpoint: None
• warmup_ratio: None
• local_rank: -1
• prompts: None
• batch_sampler: batch_sampler
• multi_dataset_batch_sampler: proportional
• router_mapping: {}
• learning_rate_mapping: {}

</details>

Training Logs

• The bold row denotes the saved checkpoint.

Training Time

• Training: 22.8 minutes

Framework Versions

• Python: 3.12.13
• Sentence Transformers: 5.6.0
• Transformers: 5.12.1
• PyTorch: 2.11.0+cu128
• Accelerate: 1.14.0
• Datasets: 4.0.0
• Tokenizers: 0.22.2

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",
}

TripletLoss

@misc{hermans2017defense,
    title={In Defense of the Triplet Loss for Person Re-Identification},
    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
    year={2017},
    eprint={1703.07737},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}

MultipleNegativesRankingLoss

@misc{oord2019representationlearningcontrastivepredictive,
      title={Representation Learning with Contrastive Predictive Coding},
      author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
      year={2019},
      eprint={1807.03748},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/1807.03748},
}

<!-- ## 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.* -->