phobert-hackathon-no-neg

SentenceTransformer based on tanbinh2210/phobert-st

This is a sentence-transformers model finetuned from tanbinh2210/phobert-st on the json 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: tanbinh2210/phobert-st <!-- at revision cc0b6a35d1437ff5ed89ca443fac4bb5fdc90f53 -->
• Maximum Sequence Length: 256 tokens
• Output Dimensionality: 768 tokens
• Similarity Function: Cosine Similarity
• Training Dataset:
  • json

<!-- - **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})
  (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("tanbinh2210/phobert-hackathon-no-neg")
# Run inference
sentences = [
    'nội_dung khám sức_khỏe cho nhân_viên bếp ăn trong doanh_nghiệp được quy_định thế_nào ?',
    'nội_dung khám sức khỏe 1 . đối_với ksk cho người từ đủ 18 ( mười_tám ) tuổi trở lên nhưng không thuộc trường_hợp ksk định_kỳ : khám theo nội_dung ghi trong giấy ksk quy_định tại phụ_lục 1 ban_hành kèm theo thông_tư này . 2 . đối_với ksk cho người chưa đủ 18 ( mười_tám ) tuổi nhưng không thuộc trường_hợp ksk định_kỳ : khám theo nội_dung ghi trong giấy ksk quy_định tại phụ_lục 2 ban_hành kèm theo thông_tư này . 3 . đối_với trường_hợp khám sức khỏe định_kỳ : khám theo nội_dung ghi trong sổ khám sức khỏe_định_kỳ quy_định tại phụ_lục 3 a ban_hành kèm theo thông_tư này . đối_với lao_động nữ , khi khám sức khỏe_định_kỳ được khám chuyên_khoa phụ_sản theo danh_mục quy_định tại phụ_lục 3 b ban_hành kèm theo thông_tư này . 4 . đối_với trường_hợp ksk theo bộ tiêu_chuẩn sức khỏe chuyên_ngành : khám theo nội_dung ghi trong giấy ksk quy_định tại mẫu giấy ksk của chuyên_ngành đó . 5 . đối_với những trường_hợp khám sức khỏe theo yêu_cầu : khám theo nội_dung mà đối_tượng ksk yêu_cầu .',
    '3 . trong quá_trình điều_tra , truy_tố , xét_xử , cơ_quan , người có thẩm_quyền quy_định tại khoản 1 điều này có quyền : a ) trả lại ngay tài_sản đã thu_giữ , tạm giữ nhưng không phải là vật_chứng cho chủ_sở_hữu hoặc người_quản_lý hợp_pháp tài_sản đó ; b ) trả lại ngay vật_chứng cho chủ_sở_hữu hoặc người_quản_lý hợp_pháp nếu xét thấy không ảnh_hưởng đến việc xử_lý vụ án và thi_hành án ; c ) vật_chứng thuộc loại mau hỏng hoặc khó bảo_quản thì có_thể được bán theo quy_định của pháp_luật ; trường_hợp không bán được thì tiêu_hủy ; d ) vật_chứng là động_vật hoang_dã và thực_vật ngoại_lai thì ngay sau khi có kết_luận giám_định phải giao cho cơ_quan quản_lý chuyên_ngành có thẩm_quyền xử_lý theo quy_định của pháp_luật . 4 . trường_hợp có tranh_chấp về quyền_sở_hữu đối_với vật_chứng thì giải_quyết theo quy_định của pháp_luật về tố_tụng_dân_sự . "',
]
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

json

• Dataset: json
• Size: 147,585 training samples
• Columns: <code>query</code> and <code>answer</code>
• Approximate statistics based on the first 1000 samples:

  	query	answer
  type	string	string
  details	<ul><li>min: 5 tokens</li><li>mean: 17.07 tokens</li><li>max: 35 tokens</li></ul>	<ul><li>min: 17 tokens</li><li>mean: 151.88 tokens</li><li>max: 256 tokens</li></ul>

• Samples:

  query	answer
  <code>sau khi công_dân nộp hồ_sơ bao_lâu thì sẽ được xóa đăng_ký tạm_trú ?</code>	<code>điều 7 . hồ_sơ , thủ_tục xóa đăng_ký thường_trú 1 . trong thời_hạn 01 ngày kể từ ngày nhận được quyết_định hủy bỏ đăng_ký thường_trú của thủ_trưởng cấp trên trực_tiếp hoặc ngay sau khi ra quyết_định hủy bỏ đăng_ký thường_trú đối_với công_dân , cơ_quan đăng_ký cư_trú thực_hiện việc xóa đăng_ký thường_trú đối_với công_dân và cập_nhật việc xóa đăng_ký thường_trú vào cơ_sở_dữ_liệu quốc_gia về dân_cư , cơ_sở_dữ_liệu về cư_trú . 2 . trừ trường_hợp quy_định tại khoản 1 điều này , trong thời_hạn 07 ngày kể từ ngày hộ gia_đình có người thuộc diện xóa đăng_ký thường_trú thì người thuộc diện xóa đăng_ký thường_trú hoặc đại_diện hộ gia_đình có trách_nhiệm nộp hồ_sơ làm thủ_tục xóa đăng_ký thường_trú đến cơ_quan đăng_ký cư_trú . hồ_sơ xóa đăng_ký thường_trú gồm : tờ khai thay_đổi thông_tin cư_trú và giấy_tờ , tài_liệu chứng_minh thuộc một trong các trường_hợp xóa đăng_ký thường_trú .</code>
  <code>có_thể thực_hiện ủy_thác cho vay tại ngân_hàng thương_mại hay không ?</code>	<code>phạm_vi điều_chỉnh 1 . tổ_chức tín_dụng , chi_nhánh ngân_hàng nước_ngoài chỉ được thực_hiện ủy_thác , nhận ủy_thác theo quy_định tại thông_tư này đối_với các hoạt_động sau đây : a ) cho vay ; b ) cho thuê tài_chính ; c ) góp vốn , mua cổ_phần ; d ) đầu_tư vào dự_án sản_xuất , kinh_doanh ; đ ) mua trái_phiếu doanh_nghiệp . 2 . việc tổ_chức tín_dụng , chi_nhánh ngân_hàng nước_ngoài nhận ủy_thác của chính_phủ thực_hiện theo quy_định của chính_phủ .</code>
  <code>ai có thẩm_quyền ra_lệnh phong_tỏa tài_khoản ?</code>	<code>phong_tỏa tài_khoản 1 . phong_tỏa tài_khoản chỉ áp_dụng đối_với người bị buộc_tội về tội mà bộ_luật_hình_sự quy_định hình_phạt tiền , bị tịch_thu tài_sản hoặc để bảo_đảm bồi_thường thiệt_hại khi có căn_cứ xác_định người đó có tài_khoản tại tổ_chức tín_dụng hoặc kho_bạc nhà_nước . phong_tỏa tài_khoản cũng được áp_dụng đối_với tài_khoản của người khác nếu có căn_cứ cho rằng số tiền trong tài_khoản đó liên_quan đến hành_vi phạm_tội của người bị buộc_tội . 2 . những người có thẩm_quyền quy_định tại khoản 1 điều 113 của bộ_luật này , thẩm_phán chủ tọa phiên tòa có quyền ra_lệnh phong_tỏa tài_khoản . lệnh phong_tỏa tài_khoản của những người được quy_định tại điểm a_khoản 1 điều 113 của bộ_luật này phải được thông_báo ngay cho viện_kiểm_sát cùng cấp trước khi thi_hành . 3 . chỉ phong_tỏa số tiền trong tài_khoản tương_ứng với mức có_thể bị phạt tiền , bị tịch_thu tài_sản hoặc bồi_thường thiệt_hại . người được giao thực_hiện lệnh phong_tỏa , quản_lý tài_khoản bị phong_tỏa mà giải_tỏa việc phong_tỏa tài_khoản thì phải chịu trách_nhiệm hình_sự theo quy_định của bộ_luật_hình_sự .</code>

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

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

Evaluation Dataset

json

• Dataset: json
• Size: 147,585 evaluation samples
• Columns: <code>query</code> and <code>answer</code>
• Approximate statistics based on the first 1000 samples:

  	query	answer
  type	string	string
  details	<ul><li>min: 6 tokens</li><li>mean: 17.34 tokens</li><li>max: 57 tokens</li></ul>	<ul><li>min: 10 tokens</li><li>mean: 152.54 tokens</li><li>max: 256 tokens</li></ul>

• Samples:

  query	answer
  <code>công_bố những thông_tin nào về xếp_hạng tín_nhiệm ?</code>	<code>2 . định_kỳ sáu ( 06 ) tháng một ( 01 ) lần , doanh_nghiệp xếp_hạng tín_nhiệm phải công_bố trên trang thông_tin điện_tử của doanh_nghiệp những số_liệu thống_kê cơ_bản sau : a ) kết_quả bậc xếp_hạng tín_nhiệm của mỗi tổ_chức được xếp_hạng tín_nhiệm kể từ lần đầu được xếp_hạng tín_nhiệm ; b ) tỷ_lệ bình_quân về việc thực_hiện đầy_đủ , đúng hạn nghĩa_vụ nợ của các tổ_chức được xếp_hạng tín_nhiệm theo từng bậc xếp_hạng . 3 . trước ngày 01 tháng 05 hàng năm , doanh_nghiệp xếp_hạng tín_nhiệm phải công_bố trên trang thông_tin điện_tử của doanh_nghiệp danh_sách các tổ_chức được xếp_hạng tín_nhiệm có mức chi_phí dịch_vụ xếp_hạng tín_nhiệm chiếm trên 5 % tổng doanh_thu từ hoạt_động xếp_hạng tín_nhiệm của doanh_nghiệp trong năm tài_chính liền kề trước thời_điểm công_bố thông_tin . 4 . thông_tin quy_định tại khoản 1 , khoản 2 và khoản 3 điều này phải được duy_trì , lưu_trữ tại trang thông_tin điện_tử của doanh_nghiệp xếp_hạng tín_nhiệm trong thời_hạn năm ( 05 ) năm kể từ thời_điểm công_bố .</code>
  <code>việc định_giá tài_sản góp vốn được thực_hiện theo nguyên_tắc nào ?</code>	<code>điều 36 . định_giá tài_sản góp vốn 1 . tài_sản góp vốn không phải là đồng việt_nam , ngoại_tệ tự_do chuyển_đổi , vàng phải được các thành_viên , cổ_đông sáng_lập hoặc tổ_chức thẩm_định giá định_giá và được thể_hiện thành_đồng việt_nam . 2 . tài_sản góp vốn khi thành_lập doanh_nghiệp phải được các thành_viên , cổ_đông sáng_lập định_giá theo nguyên_tắc đồng_thuận hoặc do một tổ_chức thẩm_định giá định_giá . trường_hợp tổ_chức thẩm_định giá định_giá thì giá_trị tài_sản góp vốn phải được trên 50 % số thành_viên , cổ_đông sáng_lập chấp_thuận . trường_hợp tài_sản góp vốn được định_giá cao hơn so với giá_trị thực_tế của tài_sản đó tại thời_điểm góp vốn thì các thành_viên , cổ_đông sáng_lập cùng liên_đới góp thêm bằng số chênh_lệch giữa giá_trị được định_giá và giá_trị thực_tế của tài_sản góp vốn tại thời_điểm kết_thúc định_giá ; đồng_thời liên_đới chịu trách_nhiệm đối_với thiệt_hại do cố_ý định_giá tài_sản góp vốn cao hơn giá_trị thực_tế .</code>
  <code>nếu đăng_ký kết_hôn có yếu_tố nước_ngoài thì thời_hạn thực_hiện như_thế_nào ?</code>	<code>điều 38 . thủ_tục đăng_ký kết_hôn 1 . hai bên nam , nữ nộp tờ khai theo mẫu quy_định và giấy xác_nhận của tổ_chức y_tế có thẩm_quyền của việt_nam hoặc nước_ngoài xác_nhận người đó không mắc bệnh_tâm_thần hoặc bệnh khác mà không có khả_năng nhận_thức , làm_chủ được hành_vi của mình cho cơ_quan đăng_ký hộ_tịch . người nước_ngoài , công_dân việt_nam định_cư ở nước_ngoài phải nộp thêm giấy_tờ chứng_minh tình_trạng hôn_nhân , bản_sao hộ_chiếu hoặc giấy_tờ có giá_trị thay hộ_chiếu . 2 . trong thời_hạn 15 ngày kể từ ngày nhận đủ giấy_tờ theo quy_định tại khoản 1 điều này , công_chức làm công_tác hộ_tịch có trách_nhiệm xác_minh , nếu thấy đủ điều_kiện kết_hôn theo quy_định của pháp_luật thì phòng tư_pháp báo_cáo chủ_tịch ủy ban_nhân_dân cấp huyện giải_quyết .</code>

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

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

Training Hyperparameters

Non-Default Hyperparameters

• overwrite_output_dir: True
• per_device_train_batch_size: 12
• per_device_eval_batch_size: 12
• learning_rate: 1e-05
• num_train_epochs: 4
• warmup_ratio: 0.1
• fp16: True
• batch_sampler: no_duplicates

All Hyperparameters

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

• overwrite_output_dir: True
• do_predict: False
• eval_strategy: no
• prediction_loss_only: True
• per_device_train_batch_size: 12
• per_device_eval_batch_size: 12
• 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: 1e-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: 4
• 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: False
• use_liger_kernel: False
• eval_use_gather_object: False
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional

</details>

Training Logs

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

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.* -->