anhtuansh commited on
Commit
c9f5d5c
1 Parent(s): 38ba092

Add new SentenceTransformer model.

Browse files
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 768,
3
+ "pooling_mode_cls_token": false,
4
+ "pooling_mode_mean_tokens": true,
5
+ "pooling_mode_max_tokens": false,
6
+ "pooling_mode_mean_sqrt_len_tokens": false,
7
+ "pooling_mode_weightedmean_tokens": false,
8
+ "pooling_mode_lasttoken": false,
9
+ "include_prompt": true
10
+ }
README.md ADDED
@@ -0,0 +1,841 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: google-bert/bert-base-multilingual-cased
3
+ datasets: []
4
+ language: []
5
+ library_name: sentence-transformers
6
+ metrics:
7
+ - cosine_accuracy@1
8
+ - cosine_accuracy@3
9
+ - cosine_accuracy@5
10
+ - cosine_accuracy@10
11
+ - cosine_precision@1
12
+ - cosine_precision@3
13
+ - cosine_precision@5
14
+ - cosine_precision@10
15
+ - cosine_recall@1
16
+ - cosine_recall@3
17
+ - cosine_recall@5
18
+ - cosine_recall@10
19
+ - cosine_ndcg@10
20
+ - cosine_mrr@10
21
+ - cosine_map@100
22
+ pipeline_tag: sentence-similarity
23
+ tags:
24
+ - sentence-transformers
25
+ - sentence-similarity
26
+ - feature-extraction
27
+ - generated_from_trainer
28
+ - dataset_size:181350
29
+ - loss:MatryoshkaLoss
30
+ - loss:MultipleNegativesRankingLoss
31
+ widget:
32
+ - source_sentence: Quyết định điều chuyển tài sản công có yêu cầu là Quyết định điều
33
+ chuyển tài sản hoặc văn bản hồi đáp.
34
+ sentences:
35
+ - 'Thủ tục cấp thẻ hướng dẫn viên du lịch nội địa có kết quả thực hiện là gì? '
36
+ - 'Thủ tục cấp lại Giấy phép thành lập Văn phòng đại diện tại Việt Nam của doanh
37
+ nghiệp kinh doanh dịch vụ lữ hành nước ngoài trong trường hợp Giấy phép thành
38
+ lập Văn phòng đại diện bị mất, bị hủy hoại, bị hư hỏng* hoặc bị tiêu hủy có yêu
39
+ cầu thành phần hồ sơ những gì? '
40
+ - 'Quyết định điều chuyển tài sản công có kết quả thực hiện là gì? '
41
+ - source_sentence: 'Chuyển trường đối với học sinh trung học cơ sở. có phí, lệ phí
42
+ là: Trực tiếp: Trực tuyến: Dịch vụ bưu chính: '
43
+ sentences:
44
+ - 'Cấp giấy chứng nhận là lương y cho các đối tượng quy định tại Khoản 6, Điều 1,
45
+ Thông tư số 29/2015/TT-BYT có cách thức nộp hồ sơ như thế nào? '
46
+ - 'Chuyển trường đối với học sinh trung học cơ sở. có phí, lệ phí là bao nhiêu? '
47
+ - 'Chuyển đổi công ty trách nhiệm hữu hạn một thành viên thành công ty trách nhiệm
48
+ hữu hạn hai thành viên trở lên có cách thức nộp hồ sơ như thế nào? '
49
+ - source_sentence: 'Thủ tục đăng ký khai tử do cơ quan Ủy ban Nhân dân xã, phường, thị
50
+ trấn. thực hiện '
51
+ sentences:
52
+ - 'Tiếp nhận người có công vào cơ sở nuôi dưỡng, điều dưỡng người có công do tỉnh
53
+ quản lý do cấp nào thực hiện? '
54
+ - 'Cấp giấy phép hoạt động đối với cơ sở khám bệnh, chữa bệnh khi thay đổi người
55
+ chịu trách nhiệm chuyên môn của cơ sở khám bệnh, chữa bệnh thuộc thẩm quyền của
56
+ Sở Y tế được thực hiện mức độ mấy? '
57
+ - 'Thủ tục đăng ký khai tử do cơ quan nào giải quyết? '
58
+ - source_sentence: Cấp lại giấy chứng nhận đăng ký tàu cá do cấp Cấp Tỉnhthực hiện
59
+ sentences:
60
+ - 'Thủ tục tặng Giấy khen của Chủ tịch UBND cấp huyện về thành tích thi đua theo
61
+ đợt, chuyên đề có kết quả thực hiện là gì? '
62
+ - 'Đăng ký thay đổi nội dung giấy chứng nhận đăng ký thành lập đối với cơ sở trợ
63
+ giúp xã hội ngoài công lập thuộc thẩm quyền thành lập của Phòng Lao động – Thương
64
+ binh và Xã hội có cách thức nộp hồ sơ như thế nào? '
65
+ - 'Cấp lại giấy chứng nhận đăng ký tàu cá do cấp nào thực hiện? '
66
+ - source_sentence: Thẩm định nội dung điều chỉnh báo cáo nghiên cứu khả thi, quyết
67
+ định phê duyệt điều chỉnh dự án PPP do nhà đầu tư đề xuất có thể nộp hồ sơ Trực
68
+ tiếp
69
+ sentences:
70
+ - 'Cấp giấy phép hoạt động khám, chữa bệnh nhân đạo đối với bệnh viện trên địa bàn
71
+ quản lý của Sở Y tế (trừ các bệnh viện thuộc thẩm quyền của Bộ Y tế và Bộ Quốc
72
+ phòng) và áp dụng đối với trường hợp khi thay đổi hình thức tổ chức, chia tách,
73
+ hợp nhất, sáp nhập có phí, lệ phí là bao nhiêu? '
74
+ - 'Thẩm định nội dung điều chỉnh báo cáo nghiên cứu khả thi, quyết định phê duyệt
75
+ điều chỉnh dự án PPP do nhà đầu tư đề xuất có cách thức nộp hồ sơ như thế nào? '
76
+ - 'Tiếp tục hưởng trợ cấp thất nghiệp do cấp nào thực hiện? '
77
+ model-index:
78
+ - name: SentenceTransformer based on google-bert/bert-base-multilingual-cased
79
+ results:
80
+ - task:
81
+ type: information-retrieval
82
+ name: Information Retrieval
83
+ dataset:
84
+ name: dim 768
85
+ type: dim_768
86
+ metrics:
87
+ - type: cosine_accuracy@1
88
+ value: 0.10009925558312655
89
+ name: Cosine Accuracy@1
90
+ - type: cosine_accuracy@3
91
+ value: 0.2904218362282878
92
+ name: Cosine Accuracy@3
93
+ - type: cosine_accuracy@5
94
+ value: 0.47791563275434246
95
+ name: Cosine Accuracy@5
96
+ - type: cosine_accuracy@10
97
+ value: 0.9510173697270472
98
+ name: Cosine Accuracy@10
99
+ - type: cosine_precision@1
100
+ value: 0.10009925558312655
101
+ name: Cosine Precision@1
102
+ - type: cosine_precision@3
103
+ value: 0.09680727874276261
104
+ name: Cosine Precision@3
105
+ - type: cosine_precision@5
106
+ value: 0.09558312655086847
107
+ name: Cosine Precision@5
108
+ - type: cosine_precision@10
109
+ value: 0.09510173697270473
110
+ name: Cosine Precision@10
111
+ - type: cosine_recall@1
112
+ value: 0.10009925558312655
113
+ name: Cosine Recall@1
114
+ - type: cosine_recall@3
115
+ value: 0.2904218362282878
116
+ name: Cosine Recall@3
117
+ - type: cosine_recall@5
118
+ value: 0.47791563275434246
119
+ name: Cosine Recall@5
120
+ - type: cosine_recall@10
121
+ value: 0.9510173697270472
122
+ name: Cosine Recall@10
123
+ - type: cosine_ndcg@10
124
+ value: 0.4351926423316514
125
+ name: Cosine Ndcg@10
126
+ - type: cosine_mrr@10
127
+ value: 0.2825527393753259
128
+ name: Cosine Mrr@10
129
+ - type: cosine_map@100
130
+ value: 0.2844327675615221
131
+ name: Cosine Map@100
132
+ - task:
133
+ type: information-retrieval
134
+ name: Information Retrieval
135
+ dataset:
136
+ name: dim 512
137
+ type: dim_512
138
+ metrics:
139
+ - type: cosine_accuracy@1
140
+ value: 0.10054590570719603
141
+ name: Cosine Accuracy@1
142
+ - type: cosine_accuracy@3
143
+ value: 0.2898759305210918
144
+ name: Cosine Accuracy@3
145
+ - type: cosine_accuracy@5
146
+ value: 0.4830272952853598
147
+ name: Cosine Accuracy@5
148
+ - type: cosine_accuracy@10
149
+ value: 0.952605459057072
150
+ name: Cosine Accuracy@10
151
+ - type: cosine_precision@1
152
+ value: 0.10054590570719603
153
+ name: Cosine Precision@1
154
+ - type: cosine_precision@3
155
+ value: 0.09662531017369726
156
+ name: Cosine Precision@3
157
+ - type: cosine_precision@5
158
+ value: 0.09660545905707195
159
+ name: Cosine Precision@5
160
+ - type: cosine_precision@10
161
+ value: 0.09526054590570722
162
+ name: Cosine Precision@10
163
+ - type: cosine_recall@1
164
+ value: 0.10054590570719603
165
+ name: Cosine Recall@1
166
+ - type: cosine_recall@3
167
+ value: 0.2898759305210918
168
+ name: Cosine Recall@3
169
+ - type: cosine_recall@5
170
+ value: 0.4830272952853598
171
+ name: Cosine Recall@5
172
+ - type: cosine_recall@10
173
+ value: 0.952605459057072
174
+ name: Cosine Recall@10
175
+ - type: cosine_ndcg@10
176
+ value: 0.43676643251693065
177
+ name: Cosine Ndcg@10
178
+ - type: cosine_mrr@10
179
+ value: 0.2840480719996919
180
+ name: Cosine Mrr@10
181
+ - type: cosine_map@100
182
+ value: 0.2858433407889525
183
+ name: Cosine Map@100
184
+ - task:
185
+ type: information-retrieval
186
+ name: Information Retrieval
187
+ dataset:
188
+ name: dim 256
189
+ type: dim_256
190
+ metrics:
191
+ - type: cosine_accuracy@1
192
+ value: 0.09930521091811415
193
+ name: Cosine Accuracy@1
194
+ - type: cosine_accuracy@3
195
+ value: 0.2883374689826303
196
+ name: Cosine Accuracy@3
197
+ - type: cosine_accuracy@5
198
+ value: 0.47429280397022333
199
+ name: Cosine Accuracy@5
200
+ - type: cosine_accuracy@10
201
+ value: 0.9553846153846154
202
+ name: Cosine Accuracy@10
203
+ - type: cosine_precision@1
204
+ value: 0.09930521091811415
205
+ name: Cosine Precision@1
206
+ - type: cosine_precision@3
207
+ value: 0.09611248966087675
208
+ name: Cosine Precision@3
209
+ - type: cosine_precision@5
210
+ value: 0.09485856079404464
211
+ name: Cosine Precision@5
212
+ - type: cosine_precision@10
213
+ value: 0.09553846153846156
214
+ name: Cosine Precision@10
215
+ - type: cosine_recall@1
216
+ value: 0.09930521091811415
217
+ name: Cosine Recall@1
218
+ - type: cosine_recall@3
219
+ value: 0.2883374689826303
220
+ name: Cosine Recall@3
221
+ - type: cosine_recall@5
222
+ value: 0.47429280397022333
223
+ name: Cosine Recall@5
224
+ - type: cosine_recall@10
225
+ value: 0.9553846153846154
226
+ name: Cosine Recall@10
227
+ - type: cosine_ndcg@10
228
+ value: 0.43556449455203994
229
+ name: Cosine Ndcg@10
230
+ - type: cosine_mrr@10
231
+ value: 0.2818752215526487
232
+ name: Cosine Mrr@10
233
+ - type: cosine_map@100
234
+ value: 0.2834884997311635
235
+ name: Cosine Map@100
236
+ - task:
237
+ type: information-retrieval
238
+ name: Information Retrieval
239
+ dataset:
240
+ name: dim 128
241
+ type: dim_128
242
+ metrics:
243
+ - type: cosine_accuracy@1
244
+ value: 0.0977667493796526
245
+ name: Cosine Accuracy@1
246
+ - type: cosine_accuracy@3
247
+ value: 0.28898263027295285
248
+ name: Cosine Accuracy@3
249
+ - type: cosine_accuracy@5
250
+ value: 0.47528535980148884
251
+ name: Cosine Accuracy@5
252
+ - type: cosine_accuracy@10
253
+ value: 0.9555334987593052
254
+ name: Cosine Accuracy@10
255
+ - type: cosine_precision@1
256
+ value: 0.0977667493796526
257
+ name: Cosine Precision@1
258
+ - type: cosine_precision@3
259
+ value: 0.0963275434243176
260
+ name: Cosine Precision@3
261
+ - type: cosine_precision@5
262
+ value: 0.09505707196029776
263
+ name: Cosine Precision@5
264
+ - type: cosine_precision@10
265
+ value: 0.09555334987593055
266
+ name: Cosine Precision@10
267
+ - type: cosine_recall@1
268
+ value: 0.0977667493796526
269
+ name: Cosine Recall@1
270
+ - type: cosine_recall@3
271
+ value: 0.28898263027295285
272
+ name: Cosine Recall@3
273
+ - type: cosine_recall@5
274
+ value: 0.47528535980148884
275
+ name: Cosine Recall@5
276
+ - type: cosine_recall@10
277
+ value: 0.9555334987593052
278
+ name: Cosine Recall@10
279
+ - type: cosine_ndcg@10
280
+ value: 0.4350140431027869
281
+ name: Cosine Ndcg@10
282
+ - type: cosine_mrr@10
283
+ value: 0.2810836779707813
284
+ name: Cosine Mrr@10
285
+ - type: cosine_map@100
286
+ value: 0.282699722665348
287
+ name: Cosine Map@100
288
+ - task:
289
+ type: information-retrieval
290
+ name: Information Retrieval
291
+ dataset:
292
+ name: dim 64
293
+ type: dim_64
294
+ metrics:
295
+ - type: cosine_accuracy@1
296
+ value: 0.09553349875930521
297
+ name: Cosine Accuracy@1
298
+ - type: cosine_accuracy@3
299
+ value: 0.28630272952853597
300
+ name: Cosine Accuracy@3
301
+ - type: cosine_accuracy@5
302
+ value: 0.4743424317617866
303
+ name: Cosine Accuracy@5
304
+ - type: cosine_accuracy@10
305
+ value: 0.9551861042183623
306
+ name: Cosine Accuracy@10
307
+ - type: cosine_precision@1
308
+ value: 0.09553349875930521
309
+ name: Cosine Precision@1
310
+ - type: cosine_precision@3
311
+ value: 0.09543424317617866
312
+ name: Cosine Precision@3
313
+ - type: cosine_precision@5
314
+ value: 0.09486848635235731
315
+ name: Cosine Precision@5
316
+ - type: cosine_precision@10
317
+ value: 0.09551861042183625
318
+ name: Cosine Precision@10
319
+ - type: cosine_recall@1
320
+ value: 0.09553349875930521
321
+ name: Cosine Recall@1
322
+ - type: cosine_recall@3
323
+ value: 0.28630272952853597
324
+ name: Cosine Recall@3
325
+ - type: cosine_recall@5
326
+ value: 0.4743424317617866
327
+ name: Cosine Recall@5
328
+ - type: cosine_recall@10
329
+ value: 0.9551861042183623
330
+ name: Cosine Recall@10
331
+ - type: cosine_ndcg@10
332
+ value: 0.43407349235781
333
+ name: Cosine Ndcg@10
334
+ - type: cosine_mrr@10
335
+ value: 0.2798726810823634
336
+ name: Cosine Mrr@10
337
+ - type: cosine_map@100
338
+ value: 0.2814776967100825
339
+ name: Cosine Map@100
340
+ ---
341
+
342
+ # SentenceTransformer based on google-bert/bert-base-multilingual-cased
343
+
344
+ This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [google-bert/bert-base-multilingual-cased](https://huggingface.co/google-bert/bert-base-multilingual-cased). 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.
345
+
346
+ ## Model Details
347
+
348
+ ### Model Description
349
+ - **Model Type:** Sentence Transformer
350
+ - **Base model:** [google-bert/bert-base-multilingual-cased](https://huggingface.co/google-bert/bert-base-multilingual-cased) <!-- at revision 3f076fdb1ab68d5b2880cb87a0886f315b8146f8 -->
351
+ - **Maximum Sequence Length:** 512 tokens
352
+ - **Output Dimensionality:** 768 tokens
353
+ - **Similarity Function:** Cosine Similarity
354
+ <!-- - **Training Dataset:** Unknown -->
355
+ <!-- - **Language:** Unknown -->
356
+ <!-- - **License:** Unknown -->
357
+
358
+ ### Model Sources
359
+
360
+ - **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
361
+ - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
362
+ - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
363
+
364
+ ### Full Model Architecture
365
+
366
+ ```
367
+ SentenceTransformer(
368
+ (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel
369
+ (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})
370
+ )
371
+ ```
372
+
373
+ ## Usage
374
+
375
+ ### Direct Usage (Sentence Transformers)
376
+
377
+ First install the Sentence Transformers library:
378
+
379
+ ```bash
380
+ pip install -U sentence-transformers
381
+ ```
382
+
383
+ Then you can load this model and run inference.
384
+ ```python
385
+ from sentence_transformers import SentenceTransformer
386
+
387
+ # Download from the 🤗 Hub
388
+ model = SentenceTransformer("anhtuansh/bert-base-multilingual-Financial-Matryoshka-2-v2")
389
+ # Run inference
390
+ sentences = [
391
+ 'Thẩm định nội dung điều chỉnh báo cáo nghiên cứu khả thi, quyết định phê duyệt điều chỉnh dự án PPP do nhà đầu tư đề xuất có thể nộp hồ sơ Trực tiếp',
392
+ 'Thẩm định nội dung điều chỉnh báo cáo nghiên cứu khả thi, quyết định phê duyệt điều chỉnh dự án PPP do nhà đầu tư đề xuất có cách thức nộp hồ sơ như thế nào? ',
393
+ 'Tiếp tục hưởng trợ cấp thất nghiệp do cấp nào thực hiện? ',
394
+ ]
395
+ embeddings = model.encode(sentences)
396
+ print(embeddings.shape)
397
+ # [3, 768]
398
+
399
+ # Get the similarity scores for the embeddings
400
+ similarities = model.similarity(embeddings, embeddings)
401
+ print(similarities.shape)
402
+ # [3, 3]
403
+ ```
404
+
405
+ <!--
406
+ ### Direct Usage (Transformers)
407
+
408
+ <details><summary>Click to see the direct usage in Transformers</summary>
409
+
410
+ </details>
411
+ -->
412
+
413
+ <!--
414
+ ### Downstream Usage (Sentence Transformers)
415
+
416
+ You can finetune this model on your own dataset.
417
+
418
+ <details><summary>Click to expand</summary>
419
+
420
+ </details>
421
+ -->
422
+
423
+ <!--
424
+ ### Out-of-Scope Use
425
+
426
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
427
+ -->
428
+
429
+ ## Evaluation
430
+
431
+ ### Metrics
432
+
433
+ #### Information Retrieval
434
+ * Dataset: `dim_768`
435
+ * Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
436
+
437
+ | Metric | Value |
438
+ |:--------------------|:-----------|
439
+ | cosine_accuracy@1 | 0.1001 |
440
+ | cosine_accuracy@3 | 0.2904 |
441
+ | cosine_accuracy@5 | 0.4779 |
442
+ | cosine_accuracy@10 | 0.951 |
443
+ | cosine_precision@1 | 0.1001 |
444
+ | cosine_precision@3 | 0.0968 |
445
+ | cosine_precision@5 | 0.0956 |
446
+ | cosine_precision@10 | 0.0951 |
447
+ | cosine_recall@1 | 0.1001 |
448
+ | cosine_recall@3 | 0.2904 |
449
+ | cosine_recall@5 | 0.4779 |
450
+ | cosine_recall@10 | 0.951 |
451
+ | cosine_ndcg@10 | 0.4352 |
452
+ | cosine_mrr@10 | 0.2826 |
453
+ | **cosine_map@100** | **0.2844** |
454
+
455
+ #### Information Retrieval
456
+ * Dataset: `dim_512`
457
+ * Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
458
+
459
+ | Metric | Value |
460
+ |:--------------------|:-----------|
461
+ | cosine_accuracy@1 | 0.1005 |
462
+ | cosine_accuracy@3 | 0.2899 |
463
+ | cosine_accuracy@5 | 0.483 |
464
+ | cosine_accuracy@10 | 0.9526 |
465
+ | cosine_precision@1 | 0.1005 |
466
+ | cosine_precision@3 | 0.0966 |
467
+ | cosine_precision@5 | 0.0966 |
468
+ | cosine_precision@10 | 0.0953 |
469
+ | cosine_recall@1 | 0.1005 |
470
+ | cosine_recall@3 | 0.2899 |
471
+ | cosine_recall@5 | 0.483 |
472
+ | cosine_recall@10 | 0.9526 |
473
+ | cosine_ndcg@10 | 0.4368 |
474
+ | cosine_mrr@10 | 0.284 |
475
+ | **cosine_map@100** | **0.2858** |
476
+
477
+ #### Information Retrieval
478
+ * Dataset: `dim_256`
479
+ * Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
480
+
481
+ | Metric | Value |
482
+ |:--------------------|:-----------|
483
+ | cosine_accuracy@1 | 0.0993 |
484
+ | cosine_accuracy@3 | 0.2883 |
485
+ | cosine_accuracy@5 | 0.4743 |
486
+ | cosine_accuracy@10 | 0.9554 |
487
+ | cosine_precision@1 | 0.0993 |
488
+ | cosine_precision@3 | 0.0961 |
489
+ | cosine_precision@5 | 0.0949 |
490
+ | cosine_precision@10 | 0.0955 |
491
+ | cosine_recall@1 | 0.0993 |
492
+ | cosine_recall@3 | 0.2883 |
493
+ | cosine_recall@5 | 0.4743 |
494
+ | cosine_recall@10 | 0.9554 |
495
+ | cosine_ndcg@10 | 0.4356 |
496
+ | cosine_mrr@10 | 0.2819 |
497
+ | **cosine_map@100** | **0.2835** |
498
+
499
+ #### Information Retrieval
500
+ * Dataset: `dim_128`
501
+ * Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
502
+
503
+ | Metric | Value |
504
+ |:--------------------|:-----------|
505
+ | cosine_accuracy@1 | 0.0978 |
506
+ | cosine_accuracy@3 | 0.289 |
507
+ | cosine_accuracy@5 | 0.4753 |
508
+ | cosine_accuracy@10 | 0.9555 |
509
+ | cosine_precision@1 | 0.0978 |
510
+ | cosine_precision@3 | 0.0963 |
511
+ | cosine_precision@5 | 0.0951 |
512
+ | cosine_precision@10 | 0.0956 |
513
+ | cosine_recall@1 | 0.0978 |
514
+ | cosine_recall@3 | 0.289 |
515
+ | cosine_recall@5 | 0.4753 |
516
+ | cosine_recall@10 | 0.9555 |
517
+ | cosine_ndcg@10 | 0.435 |
518
+ | cosine_mrr@10 | 0.2811 |
519
+ | **cosine_map@100** | **0.2827** |
520
+
521
+ #### Information Retrieval
522
+ * Dataset: `dim_64`
523
+ * Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
524
+
525
+ | Metric | Value |
526
+ |:--------------------|:-----------|
527
+ | cosine_accuracy@1 | 0.0955 |
528
+ | cosine_accuracy@3 | 0.2863 |
529
+ | cosine_accuracy@5 | 0.4743 |
530
+ | cosine_accuracy@10 | 0.9552 |
531
+ | cosine_precision@1 | 0.0955 |
532
+ | cosine_precision@3 | 0.0954 |
533
+ | cosine_precision@5 | 0.0949 |
534
+ | cosine_precision@10 | 0.0955 |
535
+ | cosine_recall@1 | 0.0955 |
536
+ | cosine_recall@3 | 0.2863 |
537
+ | cosine_recall@5 | 0.4743 |
538
+ | cosine_recall@10 | 0.9552 |
539
+ | cosine_ndcg@10 | 0.4341 |
540
+ | cosine_mrr@10 | 0.2799 |
541
+ | **cosine_map@100** | **0.2815** |
542
+
543
+ <!--
544
+ ## Bias, Risks and Limitations
545
+
546
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
547
+ -->
548
+
549
+ <!--
550
+ ### Recommendations
551
+
552
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
553
+ -->
554
+
555
+ ## Training Details
556
+
557
+ ### Training Dataset
558
+
559
+ #### Unnamed Dataset
560
+
561
+
562
+ * Size: 181,350 training samples
563
+ * Columns: <code>positive</code> and <code>anchor</code>
564
+ * Approximate statistics based on the first 1000 samples:
565
+ | | positive | anchor |
566
+ |:--------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
567
+ | type | string | string |
568
+ | details | <ul><li>min: 10 tokens</li><li>mean: 107.98 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 37.24 tokens</li><li>max: 448 tokens</li></ul> |
569
+ * Samples:
570
+ | positive | anchor |
571
+ |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
572
+ | <code>Tính tiền cấp quyền khai thác tài nguyên nước đối với công trình chưa vận hành cấp tỉnh có yêu cầu là .</code> | <code>Tính tiền cấp quyền khai thác tài nguyên nước đối với công trình chưa vận hành cấp tỉnh có yêu cầu gì? </code> |
573
+ | <code>Xóa đăng ký hành nghề và thu hồi Thẻ công chứng viên trường hợp công chứng viên không còn hành nghề tại tổ chức hành nghề công chứng được thực hiện mức độ trực tuyến Toàn trình</code> | <code>Xóa đăng ký hành nghề và thu hồi Thẻ công chứng viên trường hợp công chứng viên không còn hành nghề tại tổ chức hành nghề công chứng được thực hiện mức độ mấy? </code> |
574
+ | <code>Thủ tục cấp giấy chứng nhận đủ điều kiện kinh doanh hoạt động thể thao đối với môn Mô tô nước trên biển có trình tự thực hiện như sau: Doanh nghiệp gửi hồ sơ đến cơ quan chuyên môn về thể dục, thể thao thuộc Ủy ban nhân nhân cấp tỉnh nơi đăng ký địa điểm kinh doanh hoạt động thể thao hoặc nơi doanh nghiệp có trụ sở chính trong trường hợp doanh nghiệp có nhiều địa điểm kinh doanh hoạt động thể thao.Cơ quan chuyên môn về thể dục, thể thao thuộc Ủy ban nhân dân cấp tỉnh (sau đây gọi là cơ quan cấp Giấy chứng nhận đủ điều kiện) cấp cho doanh nghiệp giấy tiếp nhận hồ sơ. Trường hợp hồ sơ cần sửa đổi, bổ sung, cơ quan cấp Giấy chứng nhận đủ điều kiện thông báo trực tiếp hoặc bằng văn bản những nội dung cần sửa đổi, bổ sung đến doanh nghiệp trong thời hạn 03 ngày làm việc, kể từ ngày nhận hồ sơ.</code> | <code>Thủ tục cấp giấy chứng nhận đủ điều kiện kinh doanh hoạt động thể thao đối với môn Mô tô nước trên biển có trình tự thực hiện như thế nào? </code> |
575
+ * Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
576
+ ```json
577
+ {
578
+ "loss": "MultipleNegativesRankingLoss",
579
+ "matryoshka_dims": [
580
+ 768,
581
+ 512,
582
+ 256,
583
+ 128,
584
+ 64
585
+ ],
586
+ "matryoshka_weights": [
587
+ 1,
588
+ 1,
589
+ 1,
590
+ 1,
591
+ 1
592
+ ],
593
+ "n_dims_per_step": -1
594
+ }
595
+ ```
596
+
597
+ ### Evaluation Dataset
598
+
599
+ #### Unnamed Dataset
600
+
601
+
602
+ * Size: 20,150 evaluation samples
603
+ * Columns: <code>positive</code> and <code>anchor</code>
604
+ * Approximate statistics based on the first 1000 samples:
605
+ | | positive | anchor |
606
+ |:--------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
607
+ | type | string | string |
608
+ | details | <ul><li>min: 15 tokens</li><li>mean: 101.71 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 14 tokens</li><li>mean: 36.81 tokens</li><li>max: 191 tokens</li></ul> |
609
+ * Samples:
610
+ | positive | anchor |
611
+ |:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
612
+ | <code>Điều chỉnh quyết định thu hồi đất, giao đất, cho thuê đất, cho phép chuyển mục đích sử dụng đất của Thủ tướng Chính phủ đã ban hành trước ngày 01 tháng 7 năm 2004 có yêu cầu hồ sơ gồm: 1. Hồ sơ do người sử dụng đất nộp 01 bộ tại Sở Tài nguyên và Môi trường gồm:Văn bản đề nghị điều chỉnh quyết định thu hồi đất, giao đất, cho thuê đất, cho phép chuyển mục đích sử dụng đất của Thủ tướng Chính phủ ban hành trước ngày 01 tháng 7 năm 2004 theo Mẫu số 03 ban hành kèm theo Thông tư 33/2017/TT-BTNMTBản sao quyết định thu hồi đất, giao đất, cho thuê đất, cho phép chuyển mục đích sử dụng đất của Thủ tướng Chính phủ đã ban hành trước ngày 01 tháng 7 năm 2004Bản sao giấy chứng nhận quyền sử dụng đất hoặc Giấy chứng nhận quyền sở hữu nhà ở và quyền sử dụng đất ở hoặc Giấy chứng nhận quyền sử dụng đất, quyền sở hữu nhà ở và tài sản khác gắn liền với đất đã cấp (nếu có)Bản sao giấy phép đầu tư hoặc giấy chứng nhận đầu tư hoặc giấy đăng ký kinh doanh hoặc văn bản chấp thuận chủ trương đầu tư hoặc quyết định chủ trương đầu tư hoặc giấy chứng nhận đăng ký đầu tư đã cấp (n��u có)2. Hồ sơ do Sở Tài nguyên và Môi trường lập để trình Ủy ban nhân dân cấp tỉnh gồm:Tờ trình theo Mẫu số 04 ban hành kèm theo Thông tư 33/2017/TT-BTNMTCác giấy tờ do người sử dụng đất nộp tại mục 1 nêu trên;Văn bản của cơ quan có thẩm quyền đối với trường hợp người sử dụng đất không đề nghị điều chỉnh quyết định thu hồi đất, giao đất, cho thuê đất, cho phép chuyển mục đích sử dụng đất của Thủ tướng Chính phủ;Trích lục bản đồ địa chính thửa đất hoặc trích đo địa chính thửa đất (đã có trong hồ sơ giao đất, cho thuê đất trước đây).3. Hồ sơ thẩm định do Ủy ban nhân dân cấp tỉnh lập gửi Bộ Tài nguyên và Môi trường đối với trường hợp điều chỉnh quyết định mà phải báo cáo Thủ tướng Chính phủ gồm:Tờ trình theo Mẫu số 05 ban hành kèm theo Thông tư 33/2017/TT-BTNMTCác giấy tờ do người sử dụng đất nộp theo quy định tại mục 1 nêu trênVăn bản của cơ quan có thẩm quyền đề nghị điều chỉnh quyết định thu hồi đất, giao đất, cho thuê đất, cho phép chuyển mục đích sử dụng đất của Thủ tướng Chính phủ (nếu có)Trích lục bản đồ địa chính thửa đất hoặc trích đo địa chính thửa đất (đã có trong hồ sơ giao đất, cho thuê đất trước đây)4. Hồ sơ do Bộ Tài nguyên và Môi trường lập để trình Thủ tướng Chính phủ gồm:Tờ trình Thủ tướng Chính phủCác giấy tờ do Ủy ban nhân dân cấp tỉnh lập theo quy định tại mục 3 nêu trênVăn bản của Bộ, ngành có liên quan góp ý về việc đề nghị điều chỉnh quyết định thu hồi đất, giao đất, cho thuê đất, cho phép chuyển mục đích sử dụng đất của Thủ tướng Chính phủ đối với dự án phải xin ý kiến các Bộ, ngành (nếu có)</code> | <code>Điều chỉnh quyết định thu hồi đất, giao đất, cho thuê đất, cho phép chuyển mục đích sử dụng đất của Thủ tướng Chính phủ đã ban hành trước ngày 01 tháng 7 năm 2004 có yêu cầu thành phần hồ sơ những gì? </code> |
613
+ | <code>Thủ tục thông báo hủy kết quả phong phẩm hoặc suy cử chức sắc đối với các trường hợp quy định tại khoản 2 Điều 33 của Luật tín ngưỡng, tôn giáo được thực hiện mức độ trực tuyến Toàn trình</code> | <code>Thủ tục thông b��o hủy kết quả phong phẩm hoặc suy cử chức sắc đối với các trường hợp quy định tại khoản 2 Điều 33 của Luật tín ngưỡng, tôn giáo được thực hiện mức độ mấy? </code> |
614
+ | <code>Thủ tục đính chính Giấy chứng nhận đã cấp có phí, lệ phí là: Trực tiếp: </code> | <code>Thủ tục đính chính Giấy chứng nhận đã cấp có phí, lệ phí là bao nhiêu? </code> |
615
+ * Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
616
+ ```json
617
+ {
618
+ "loss": "MultipleNegativesRankingLoss",
619
+ "matryoshka_dims": [
620
+ 768,
621
+ 512,
622
+ 256,
623
+ 128,
624
+ 64
625
+ ],
626
+ "matryoshka_weights": [
627
+ 1,
628
+ 1,
629
+ 1,
630
+ 1,
631
+ 1
632
+ ],
633
+ "n_dims_per_step": -1
634
+ }
635
+ ```
636
+
637
+ ### Training Hyperparameters
638
+ #### Non-Default Hyperparameters
639
+
640
+ - `eval_strategy`: epoch
641
+ - `per_device_train_batch_size`: 16
642
+ - `per_device_eval_batch_size`: 16
643
+ - `gradient_accumulation_steps`: 16
644
+ - `learning_rate`: 2e-05
645
+ - `num_train_epochs`: 5
646
+ - `lr_scheduler_type`: cosine
647
+ - `warmup_ratio`: 0.1
648
+ - `fp16`: True
649
+ - `tf32`: False
650
+ - `load_best_model_at_end`: True
651
+ - `optim`: adamw_torch_fused
652
+ - `batch_sampler`: no_duplicates
653
+
654
+ #### All Hyperparameters
655
+ <details><summary>Click to expand</summary>
656
+
657
+ - `overwrite_output_dir`: False
658
+ - `do_predict`: False
659
+ - `eval_strategy`: epoch
660
+ - `prediction_loss_only`: True
661
+ - `per_device_train_batch_size`: 16
662
+ - `per_device_eval_batch_size`: 16
663
+ - `per_gpu_train_batch_size`: None
664
+ - `per_gpu_eval_batch_size`: None
665
+ - `gradient_accumulation_steps`: 16
666
+ - `eval_accumulation_steps`: None
667
+ - `learning_rate`: 2e-05
668
+ - `weight_decay`: 0.0
669
+ - `adam_beta1`: 0.9
670
+ - `adam_beta2`: 0.999
671
+ - `adam_epsilon`: 1e-08
672
+ - `max_grad_norm`: 1.0
673
+ - `num_train_epochs`: 5
674
+ - `max_steps`: -1
675
+ - `lr_scheduler_type`: cosine
676
+ - `lr_scheduler_kwargs`: {}
677
+ - `warmup_ratio`: 0.1
678
+ - `warmup_steps`: 0
679
+ - `log_level`: passive
680
+ - `log_level_replica`: warning
681
+ - `log_on_each_node`: True
682
+ - `logging_nan_inf_filter`: True
683
+ - `save_safetensors`: True
684
+ - `save_on_each_node`: False
685
+ - `save_only_model`: False
686
+ - `restore_callback_states_from_checkpoint`: False
687
+ - `no_cuda`: False
688
+ - `use_cpu`: False
689
+ - `use_mps_device`: False
690
+ - `seed`: 42
691
+ - `data_seed`: None
692
+ - `jit_mode_eval`: False
693
+ - `use_ipex`: False
694
+ - `bf16`: False
695
+ - `fp16`: True
696
+ - `fp16_opt_level`: O1
697
+ - `half_precision_backend`: auto
698
+ - `bf16_full_eval`: False
699
+ - `fp16_full_eval`: False
700
+ - `tf32`: False
701
+ - `local_rank`: 0
702
+ - `ddp_backend`: None
703
+ - `tpu_num_cores`: None
704
+ - `tpu_metrics_debug`: False
705
+ - `debug`: []
706
+ - `dataloader_drop_last`: False
707
+ - `dataloader_num_workers`: 0
708
+ - `dataloader_prefetch_factor`: None
709
+ - `past_index`: -1
710
+ - `disable_tqdm`: False
711
+ - `remove_unused_columns`: True
712
+ - `label_names`: None
713
+ - `load_best_model_at_end`: True
714
+ - `ignore_data_skip`: False
715
+ - `fsdp`: []
716
+ - `fsdp_min_num_params`: 0
717
+ - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
718
+ - `fsdp_transformer_layer_cls_to_wrap`: None
719
+ - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
720
+ - `deepspeed`: None
721
+ - `label_smoothing_factor`: 0.0
722
+ - `optim`: adamw_torch_fused
723
+ - `optim_args`: None
724
+ - `adafactor`: False
725
+ - `group_by_length`: False
726
+ - `length_column_name`: length
727
+ - `ddp_find_unused_parameters`: None
728
+ - `ddp_bucket_cap_mb`: None
729
+ - `ddp_broadcast_buffers`: False
730
+ - `dataloader_pin_memory`: True
731
+ - `dataloader_persistent_workers`: False
732
+ - `skip_memory_metrics`: True
733
+ - `use_legacy_prediction_loop`: False
734
+ - `push_to_hub`: False
735
+ - `resume_from_checkpoint`: None
736
+ - `hub_model_id`: None
737
+ - `hub_strategy`: every_save
738
+ - `hub_private_repo`: False
739
+ - `hub_always_push`: False
740
+ - `gradient_checkpointing`: False
741
+ - `gradient_checkpointing_kwargs`: None
742
+ - `include_inputs_for_metrics`: False
743
+ - `eval_do_concat_batches`: True
744
+ - `fp16_backend`: auto
745
+ - `push_to_hub_model_id`: None
746
+ - `push_to_hub_organization`: None
747
+ - `mp_parameters`:
748
+ - `auto_find_batch_size`: False
749
+ - `full_determinism`: False
750
+ - `torchdynamo`: None
751
+ - `ray_scope`: last
752
+ - `ddp_timeout`: 1800
753
+ - `torch_compile`: False
754
+ - `torch_compile_backend`: None
755
+ - `torch_compile_mode`: None
756
+ - `dispatch_batches`: None
757
+ - `split_batches`: None
758
+ - `include_tokens_per_second`: False
759
+ - `include_num_input_tokens_seen`: False
760
+ - `neftune_noise_alpha`: None
761
+ - `optim_target_modules`: None
762
+ - `batch_eval_metrics`: False
763
+ - `batch_sampler`: no_duplicates
764
+ - `multi_dataset_batch_sampler`: proportional
765
+
766
+ </details>
767
+
768
+ ### Training Logs
769
+ | Epoch | Step | loss | dim_128_cosine_map@100 | dim_256_cosine_map@100 | dim_512_cosine_map@100 | dim_64_cosine_map@100 | dim_768_cosine_map@100 |
770
+ |:------:|:----:|:------:|:----------------------:|:----------------------:|:----------------------:|:---------------------:|:----------------------:|
771
+ | 0.9994 | 708 | 0.0012 | 0.2727 | 0.2739 | 0.2781 | 0.2744 | 0.2762 |
772
+ | 1.9988 | 1416 | 0.0006 | 0.2827 | 0.2835 | 0.2858 | 0.2815 | 0.2844 |
773
+
774
+
775
+ ### Framework Versions
776
+ - Python: 3.10.10
777
+ - Sentence Transformers: 3.0.1
778
+ - Transformers: 4.41.2
779
+ - PyTorch: 2.1.2+cu121
780
+ - Accelerate: 0.29.3
781
+ - Datasets: 2.19.1
782
+ - Tokenizers: 0.19.1
783
+
784
+ ## Citation
785
+
786
+ ### BibTeX
787
+
788
+ #### Sentence Transformers
789
+ ```bibtex
790
+ @inproceedings{reimers-2019-sentence-bert,
791
+ title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
792
+ author = "Reimers, Nils and Gurevych, Iryna",
793
+ booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
794
+ month = "11",
795
+ year = "2019",
796
+ publisher = "Association for Computational Linguistics",
797
+ url = "https://arxiv.org/abs/1908.10084",
798
+ }
799
+ ```
800
+
801
+ #### MatryoshkaLoss
802
+ ```bibtex
803
+ @misc{kusupati2024matryoshka,
804
+ title={Matryoshka Representation Learning},
805
+ author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
806
+ year={2024},
807
+ eprint={2205.13147},
808
+ archivePrefix={arXiv},
809
+ primaryClass={cs.LG}
810
+ }
811
+ ```
812
+
813
+ #### MultipleNegativesRankingLoss
814
+ ```bibtex
815
+ @misc{henderson2017efficient,
816
+ title={Efficient Natural Language Response Suggestion for Smart Reply},
817
+ 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},
818
+ year={2017},
819
+ eprint={1705.00652},
820
+ archivePrefix={arXiv},
821
+ primaryClass={cs.CL}
822
+ }
823
+ ```
824
+
825
+ <!--
826
+ ## Glossary
827
+
828
+ *Clearly define terms in order to be accessible across audiences.*
829
+ -->
830
+
831
+ <!--
832
+ ## Model Card Authors
833
+
834
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
835
+ -->
836
+
837
+ <!--
838
+ ## Model Card Contact
839
+
840
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
841
+ -->
config.json ADDED
@@ -0,0 +1,31 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "/content/drive/MyDrive/model-sbert",
3
+ "architectures": [
4
+ "BertModel"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "classifier_dropout": null,
8
+ "directionality": "bidi",
9
+ "hidden_act": "gelu",
10
+ "hidden_dropout_prob": 0.1,
11
+ "hidden_size": 768,
12
+ "initializer_range": 0.02,
13
+ "intermediate_size": 3072,
14
+ "layer_norm_eps": 1e-12,
15
+ "max_position_embeddings": 512,
16
+ "model_type": "bert",
17
+ "num_attention_heads": 12,
18
+ "num_hidden_layers": 12,
19
+ "pad_token_id": 0,
20
+ "pooler_fc_size": 768,
21
+ "pooler_num_attention_heads": 12,
22
+ "pooler_num_fc_layers": 3,
23
+ "pooler_size_per_head": 128,
24
+ "pooler_type": "first_token_transform",
25
+ "position_embedding_type": "absolute",
26
+ "torch_dtype": "float32",
27
+ "transformers_version": "4.41.2",
28
+ "type_vocab_size": 2,
29
+ "use_cache": true,
30
+ "vocab_size": 119547
31
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "__version__": {
3
+ "sentence_transformers": "3.0.1",
4
+ "transformers": "4.41.2",
5
+ "pytorch": "2.3.0+cu121"
6
+ },
7
+ "prompts": {},
8
+ "default_prompt_name": null,
9
+ "similarity_fn_name": null
10
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d0f6bfa0fa8b79f1f367e62d9aa3c286e5d62c4b85b71bf2de3a1c8a598cea63
3
+ size 711436136
modules.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [
2
+ {
3
+ "idx": 0,
4
+ "name": "0",
5
+ "path": "",
6
+ "type": "sentence_transformers.models.Transformer"
7
+ },
8
+ {
9
+ "idx": 1,
10
+ "name": "1",
11
+ "path": "1_Pooling",
12
+ "type": "sentence_transformers.models.Pooling"
13
+ }
14
+ ]
sentence_bert_config.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "max_seq_length": 512,
3
+ "do_lower_case": false
4
+ }
special_tokens_map.json ADDED
@@ -0,0 +1,37 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "cls_token": {
3
+ "content": "[CLS]",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "mask_token": {
10
+ "content": "[MASK]",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "pad_token": {
17
+ "content": "[PAD]",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "sep_token": {
24
+ "content": "[SEP]",
25
+ "lstrip": false,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "unk_token": {
31
+ "content": "[UNK]",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ }
37
+ }
tokenizer.json ADDED
The diff for this file is too large to render. See raw diff
 
tokenizer_config.json ADDED
@@ -0,0 +1,62 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "[PAD]",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "100": {
12
+ "content": "[UNK]",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "101": {
20
+ "content": "[CLS]",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "102": {
28
+ "content": "[SEP]",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "103": {
36
+ "content": "[MASK]",
37
+ "lstrip": false,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "clean_up_tokenization_spaces": true,
45
+ "cls_token": "[CLS]",
46
+ "do_lower_case": false,
47
+ "mask_token": "[MASK]",
48
+ "max_length": 512,
49
+ "model_max_length": 512,
50
+ "pad_to_multiple_of": null,
51
+ "pad_token": "[PAD]",
52
+ "pad_token_type_id": 0,
53
+ "padding_side": "right",
54
+ "sep_token": "[SEP]",
55
+ "stride": 0,
56
+ "strip_accents": null,
57
+ "tokenize_chinese_chars": true,
58
+ "tokenizer_class": "BertTokenizer",
59
+ "truncation_side": "right",
60
+ "truncation_strategy": "longest_first",
61
+ "unk_token": "[UNK]"
62
+ }
vocab.txt ADDED
The diff for this file is too large to render. See raw diff