thuvienphapluat_embedding_v4 / README.md

huyydangg

Upload folder using huggingface_hub

a7f0dcc verified 3 months ago

preview code

raw

history blame contribute delete

42 kB

metadata

language:
  - vi
license: apache-2.0
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - dense
  - generated_from_trainer
  - dataset_size:162512
  - loss:MatryoshkaLoss
  - loss:CachedMultipleNegativesSymmetricRankingLoss
base_model: bkai-foundation-models/vietnamese-bi-encoder
widget:
  - source_sentence: Quy_định về sử_dụng hè phố
    sentences:
      - >-
        Có văn_bản nào quy_định cấm cho những gia_đình nhà mặt đường_phố làm rạp
        để tổ_chức làm_ma , đám_cưới không ?
      - >-
        Nội_dung quản_lý nhà_nước về quốc_phòng trên không_gian mạng và
        công_nghệ thông_tin là gì và được quy_định ở văn_bản nào ?
      - Lấy cắp thông_tin của người khác đi vay tiền bị phạt thế_nào ?
  - source_sentence: TPHCM trả_lời về việc hỗ_trợ gia_đình ông Phan Trọng_Đồng
    sentences:
      - >-
        Doanh_nghiệp tôi thành_lập tháng 10 / 2022 , hoạt_động xuất_khẩu 100 % .
        Đến tháng 3 , số thuế GTGT đầu_vào là 2 tỷ đồng . Vậy_doanh_nghiệp có đủ
        điều_kiện hoàn thuế theo quy_định của Luật thuế GTGT không ? Theo
        quy_định tại Điều 18 Thông_tư 219 yêu_cầu doanh_nghiệp phải hoạt_động 12
        tháng liên_tục , nhưng theo Thông_tư 130 sửa_đổi thì không nhắc đến
        điều_kiện này nữa . Vậy_liệu doanh_nghiệp có đủ điều_kiện hoàn thuế
        không ? Luật thuế 2016 sửa_đổi đã bác_bỏ điều 13 tại Luật thuế 2013 ,
        vậy có đúng là doanh_nghiệp vẫn đủ điều_kiện hoàn thuế không ?
      - >-
        Tôi mắc COVID - 19 ( F0 ) vào tháng 11 / 2021 và có nhận được thông_báo
        từ UBND phường về việc hỗ_trợ F0 , F1 . Tháng 12 / 2021 , tôi đã nộp
        đầy_đủ hồ_sơ cho cán_bộ phường và có ký nhận hồ_sơ . Đến nay , tôi đã
        nhiều lần đến UBND phường hỏi về việc hỗ_trợ , nhưng đều nhận được câu
        trả_lời là chưa có . Tôi đề_nghị cơ_quan_chức_năng có câu trả_lời về
        chính_sách hỗ_trợ cho F0 , F1 . UBND Phường 19 , quận Bình_Thạnh , TPHCM
        trả_lời vấn_đề này như sau : Ông Phan_Trọng Đồng có nộp hồ_sơ ( hỗ_trợ
        đối_tượng F1 , F0 phải điều_trị , cách_ly y_tế đủ điều_kiện nhận hỗ_trợ
        theo Nghị_quyết số68 / NQ - CP , Quyết_định số23 / 2021 / QĐ - TTg ,
        Quyết_định số33 / 2021 / QĐ - TTg ) tại UBND Phường 19 . UBND Phường 19
        đã tổng_hợp hồ_sơ trình UBND quận thẩm_định , phê_duyệt theo quy_định .
        Khi nào được cấp kinh_phí hỗ_trợ từ cơ_quan có thẩm_quyền , UBND phường
        sẽ thông_tin đến ông Đồng và nhân_dân trên địa_bàn phường sớm nhất
        có_thể .
      - >-
        Một giáo_viên được trường phân_công dạy môn tin_học nhưng hè năm_học
        2020 - 2021 có dạy thêm 01 nhóm học_sinh " Môn toán " và thu học_phí
        trọn_gói đến khi thi tốt_nghiệp lớp 12 năm_học 2021 - 2022 là 2.000.000
        đ / hs . Vậy_giáo_viên này có vi_phạm không , nếu có thì nội_dung
        vi_phạm là gì , hướng xử_lý như thế_nào ? Nếu là đảng_viên thì mặt Đảng
        xử_lý ra sao ? Trước đó hiệu_trưởng đã có thông_báo trên hội_đồng
        sư_phạm trường là không cho dạy thêm dưới mọi hình_thức .
  - source_sentence: |2

       " Quy_định về thời_hạn và hiệu_lực giấy chứng_nhận đủ điều_kiện sản_xuất kinh_doanh hóa_chất có điều_kiện trong lĩnh_vực công_nghiệp " , 
       " Thủ_tục bổ_sung danh_mục_hóa_chất của doanh_nghiệp sau khi được cấp giấy chứng_nhận đủ điều_kiện sản_xuất kinh_doanh hóa_chất có điều_kiện " 
    sentences:
      - >-
        Điều 226 Bộ_luật hình_sự 2015 số 100 / 2015 / QH13 mới nhất có nội_dung
        như sau : 
         
         Điều 226 . Tội xâm_phạm quyền sở_hữu công_nghiệp 
         1 . Người nào cố_ý xâm_phạm quyền sở_hữu công_nghiệp đối_với nhãn_hiệu hoặc chỉ_dẫn địa_lý đang được bảo_hộ tại Việt_Nam , thu lợi bất_chính từ 100.000.000 đồng đến dưới 300.000.000 đồng hoặc gây thiệt_hại cho chủ sở_hữu nhãn_hiệu hoặc chỉ_dẫn địa_lý từ 200.000.000 đồng đến dưới 500.000.000 đồng hoặc hàng_hóa vi_phạm trị_giá từ 200.000.000 đồng đến dưới 500.000.000 đồng , thì bị phạt tiền từ 50.000.000 đồng đến 500.000.000 đồng hoặc phạt cải_tạo không giam_giữ đến 03 năm . 
         2 . Phạm_tội thuộc một trong các trường_hợp sau đây , thì bị phạt tiền từ 500.000.000 đồng đến 1.000.000.000 đồng hoặc phạt tù từ 06 tháng đến 03 năm : 
         a ) Có tổ_chức ; 
         b ) Phạm_tội 02 lần trở lên ; 
         c ) Thu_lợi bất_chính 300.000.000 đồng trở lên ; 
         d ) Gây thiệt_hại cho chủ sở_hữu nhãn_hiệu hoặc chỉ_dẫn địa_lý 500.000.000 đồng trở lên ; 
         đ ) Hàng_hóa vi_phạm trị_giá 500.000.000 đồng trở lên . 
         3 . Người phạm_tội còn có_thể bị phạt tiền từ 20.000.000 đồng đến 200.000.000 đồng , cấm đảm_nhiệm chức_vụ , cấm hành_nghề hoặc làm công_việc nhất_định từ 01 năm đến 05 năm . 
         4 . Pháp_nhân thương_mại phạm_tội quy_định tại Điều này , thì bị phạt như sau : 
         a ) Pháp_nhân thương_mại thực_hiện_hành_vi quy_định tại khoản 1 Điều này , đã bị xử_phạt vi_phạm hành_chính về hành_vi này hoặc đã bị kết_án về tội này , chưa được xóa_án tích mà còn vi_phạm , thì bị phạt tiền từ 500.000.000 đồng đến 2.000.000.000 đồng ; 
         b ) Phạm_tội thuộc trường_hợp quy_định tại khoản 2 Điều này , thì bị phạt tiền từ 2.000.000.000 đồng đến 5.000.000.000 đồng hoặc đình_chỉ hoạt_động có thời_hạn từ 06 tháng đến 02 năm ; 
         c ) Pháp_nhân thương_mại còn có_thể bị phạt tiền từ 100.000.000 đồng đến 500.000.000 đồng , cấm kinh_doanh , cấm hoạt_động trong một_số lĩnh_vực nhất_định hoặc cấm huy_động vốn từ 01 năm đến 03 năm .
      - >-
        Em cho chị công_văn nào của Bộ y_tế về quy_định xin giấy_phép cho
        mặt_hàng nhập_khẩu khẩu_trang nha .
      - >-
        Có phải trước đây giấy chứng_nhận đủ điều_kiện sản_xuất kinh_doanh
        hóa_chất có điều_kiện trong lĩnh_vực công_nghiệp có_hạn 5 năm nhưng từ
        năm 2022 giấy chứng_nhận này sẽ chỉ cấp 1 lần và sử_dụng mãi theo vòng
        đời của doanh_nghiệp đúng không ? Khi có phát_sinh danh_mục_hóa_chất mới
        , doanh_nghiệp xin bổ_sung như thế_nào ?
  - source_sentence: >-
      Dự_án điều_chỉnh tổng mức đầu_tư nhưng không điều_chỉnh giấy chứng_nhận
      đầu_tư mà chỉ có quyết_định phê_duyệt điều_chỉnh quy_hoạch thì có đúng
      quy_định không ?
    sentences:
      - >-
        Căn_cứ theo văn_bản pháp_luật nào quy_định về giá_trị của công_trình
        bao_nhiêu là phải thực_hiện đấu_thầu công_khai ? Việc nhà_thầu thi_công
        trúng_thầu có cần hồ_sơ năng_lực hay không ? Ví_dụ : Công_trình mục_đích
        xây_dựng nông_thôn mới ở địa_phương thuộc xã , lắp_đặt hệ_thống đèn_điện
        chiếu sáng ở đường nông_thôn .
      - >-
        Điều 13 . Báo tin , xử_lý tin báo và lập hồ_sơ vụ_việc về sự_cố
        giao_thông đường_sắt 1 . Doanh_nghiệp kinh_doanh kết_cấu_hạ_tầng
        đường_sắt quy_định việc báo tin , xử_lý tin báo , lập Hồ_sơ vụ_việc ,
        giải_quyết sự_cố giao_thông đường_sắt xảy ra trên đường_sắt quốc_gia . 
         2 . Chủ sở_hữu đường_sắt chuyên_dùng quy_định việc báo tin , xử_lý tin báo , lập Hồ_sơ vụ_việc , giải_quyết sự_cố giao_thông đường xảy ra trên đường_sắt chuyên_dùng .
      - >-
        Nhờ bạn tư_vấn giúp mình trường_hợp : Về việc xin cấp giấy chứng_nhận
        đầu_tư điều_chỉnh : 
         
         Công_ty đã được cấp giấy chứng_nhận đầu_tư lần đầu là 80 tỷ đồng . Sau đó có thực_hiện điều_chỉnh tổng mức đầu_tư lần 2 lên 153 tỷ đồng và điều_chỉnh lần 3 xuống 140 tỷ đồng . Tuy_nhiên , phía công_ty cho biết họ không thực_hiện xin cấp giấy chứng_nhận đầu_tư điều_chỉnh mà chỉ có quyết_định phê_duyệt điều_chỉnh quy_hoạch 1 / 500 về thay_đổi tổng mức đầu_tư 
         Hỏi : việc khách_hàng không xin giấy chứng_nhận đầu_tư điều_chỉnh có đúng không . Với hồ_sơ hiện_tại có đủ tính pháp_lý không . 
         Văn_bản pháp_luật nào quy_định về việc phải thực_hiện xin giấy chứng_nhận đầu_tư điều_chỉnh
  - source_sentence: Ngân_hàng hợp_tác_xã có nhu_cầu thành_lập chi_nhánh để làm gì ?
    sentences:
      - >-
        Vừa_rồi Tôi và em_trai có ra vịnh gần nhà và có đánh_bắt khoảng trên
        20kg cá_bỗng , và đã bị lập biên_bản về hành_vi này anh_chị cho tôi hỏi
        trường_hợp này gia_đình tôi sẽ bị xử_phạt như thế_nào ? Tôi cảm_ơn rất
        nhiều .
      - >-
        Khi thanh_toán tiền_lương cho người lao_động bảng thanh_toán tiền_lương
        có phải lấy chữ_ký của người lao_động không ?
      - >-
        Thông_tư 09 / 2018 / TT - NHNN quy_định về mạng_lưới hoạt_động của
        tổ_chức tín_dụng là hợp_tác_xã do Ngân_hàng Nhà_nước Việt_Nam ban_hành
        Điều 10 Điều_kiện thành_lập chi_nhánh Khoản 1 Có nhu_cầu thành_lập
        chi_nhánh để phục_vụ các quỹ tín_dụng nhân_dân trên địa_bàn dự_kiến
        thành_lập chi_nhánh .
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - cosine_accuracy@1
  - cosine_accuracy@3
  - cosine_accuracy@5
  - cosine_accuracy@10
  - cosine_precision@1
  - cosine_precision@3
  - cosine_precision@5
  - cosine_precision@10
  - cosine_recall@1
  - cosine_recall@3
  - cosine_recall@5
  - cosine_recall@10
  - cosine_ndcg@10
  - cosine_mrr@10
  - cosine_map@100
model-index:
  - name: bkai-fine-tuned-legal
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 768
          type: dim_768
        metrics:
          - type: cosine_accuracy@1
            value: 0.4284237471694398
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.592842374716944
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.6512257556365069
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.7233435069410259
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.4284237471694398
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.19761412490564798
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.13024515112730137
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.0723343506941026
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.4284237471694398
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.592842374716944
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.6512257556365069
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.7233435069410259
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.5720350375528778
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.5240482168056819
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.5316054651429374
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 512
          type: dim_512
        metrics:
          - type: cosine_accuracy@1
            value: 0.42704538741754455
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.5921531948409964
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.6504381214925667
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.7216205572511568
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.42704538741754455
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.1973843982803321
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.1300876242985133
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.07216205572511569
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.42704538741754455
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.5921531948409964
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.6504381214925667
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.7216205572511568
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.570587688327153
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.522662492518264
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.5302971341510442
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 256
          type: dim_256
        metrics:
          - type: cosine_accuracy@1
            value: 0.42010436152407205
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.5870828000393817
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.6473860391847986
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.7164517081815497
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.42010436152407205
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.1956942666797939
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.12947720783695973
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.07164517081815495
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.42010436152407205
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.5870828000393817
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.6473860391847986
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.7164517081815497
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.5648933784570224
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.51674314453556
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.524464620400421
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 128
          type: dim_128
        metrics:
          - type: cosine_accuracy@1
            value: 0.41404942404253225
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.576498966230186
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.6385251550654721
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.7102490892980211
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.41404942404253225
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.19216632207672868
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.12770503101309444
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.07102490892980211
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.41404942404253225
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.576498966230186
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.6385251550654721
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.7102490892980211
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.5578687503059883
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.5095590499006912
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.5172301211992038
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 64
          type: dim_64
        metrics:
          - type: cosine_accuracy@1
            value: 0.39829674116372943
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.5587279708575367
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.6187358471989761
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.6914935512454465
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.39829674116372943
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.18624265695251221
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.1237471694397952
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.06914935512454463
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.39829674116372943
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.5587279708575367
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.6187358471989761
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.6914935512454465
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.5402002340134702
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.49229386332985225
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.5004018695881347
            name: Cosine Map@100

bkai-fine-tuned-legal

This is a sentence-transformers model finetuned from bkai-foundation-models/vietnamese-bi-encoder 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: bkai-foundation-models/vietnamese-bi-encoder
Maximum Sequence Length: 256 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- json
Language: vi
License: apache-2.0

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, 'architecture': 'RobertaModel'})
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    'Ngân_hàng hợp_tác_xã có nhu_cầu thành_lập chi_nhánh để làm gì ?',
    'Thông_tư 09 / 2018 / TT - NHNN quy_định về mạng_lưới hoạt_động của tổ_chức tín_dụng là hợp_tác_xã do Ngân_hàng Nhà_nước Việt_Nam ban_hành Điều 10 Điều_kiện thành_lập chi_nhánh Khoản 1 Có nhu_cầu thành_lập chi_nhánh để phục_vụ các quỹ tín_dụng nhân_dân trên địa_bàn dự_kiến thành_lập chi_nhánh .',
    'Vừa_rồi Tôi và em_trai có ra vịnh gần nhà và có đánh_bắt khoảng trên 20kg cá_bỗng , và đã bị lập biên_bản về hành_vi này anh_chị cho tôi hỏi trường_hợp này gia_đình tôi sẽ bị xử_phạt như thế_nào ? Tôi cảm_ơn rất nhiều .',
]
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,  0.8501, -0.0413],
#         [ 0.8501,  1.0000, -0.0990],
#         [-0.0413, -0.0990,  1.0000]])

Evaluation

Metrics

Information Retrieval

Dataset: dim_768
Evaluated with InformationRetrievalEvaluator with these parameters:
```
{
    "truncate_dim": 768
}
```

Metric	Value
cosine_accuracy@1	0.4284
cosine_accuracy@3	0.5928
cosine_accuracy@5	0.6512
cosine_accuracy@10	0.7233
cosine_precision@1	0.4284
cosine_precision@3	0.1976
cosine_precision@5	0.1302
cosine_precision@10	0.0723
cosine_recall@1	0.4284
cosine_recall@3	0.5928
cosine_recall@5	0.6512
cosine_recall@10	0.7233
cosine_ndcg@10	0.572
cosine_mrr@10	0.524
cosine_map@100	0.5316

Information Retrieval

Dataset: dim_512
Evaluated with InformationRetrievalEvaluator with these parameters:
```
{
    "truncate_dim": 512
}
```

Metric	Value
cosine_accuracy@1	0.427
cosine_accuracy@3	0.5922
cosine_accuracy@5	0.6504
cosine_accuracy@10	0.7216
cosine_precision@1	0.427
cosine_precision@3	0.1974
cosine_precision@5	0.1301
cosine_precision@10	0.0722
cosine_recall@1	0.427
cosine_recall@3	0.5922
cosine_recall@5	0.6504
cosine_recall@10	0.7216
cosine_ndcg@10	0.5706
cosine_mrr@10	0.5227
cosine_map@100	0.5303

Information Retrieval

Dataset: dim_256
Evaluated with InformationRetrievalEvaluator with these parameters:
```
{
    "truncate_dim": 256
}
```

Metric	Value
cosine_accuracy@1	0.4201
cosine_accuracy@3	0.5871
cosine_accuracy@5	0.6474
cosine_accuracy@10	0.7165
cosine_precision@1	0.4201
cosine_precision@3	0.1957
cosine_precision@5	0.1295
cosine_precision@10	0.0716
cosine_recall@1	0.4201
cosine_recall@3	0.5871
cosine_recall@5	0.6474
cosine_recall@10	0.7165
cosine_ndcg@10	0.5649
cosine_mrr@10	0.5167
cosine_map@100	0.5245

Information Retrieval

Dataset: dim_128
Evaluated with InformationRetrievalEvaluator with these parameters:
```
{
    "truncate_dim": 128
}
```

Metric	Value
cosine_accuracy@1	0.414
cosine_accuracy@3	0.5765
cosine_accuracy@5	0.6385
cosine_accuracy@10	0.7102
cosine_precision@1	0.414
cosine_precision@3	0.1922
cosine_precision@5	0.1277
cosine_precision@10	0.071
cosine_recall@1	0.414
cosine_recall@3	0.5765
cosine_recall@5	0.6385
cosine_recall@10	0.7102
cosine_ndcg@10	0.5579
cosine_mrr@10	0.5096
cosine_map@100	0.5172

Information Retrieval

Dataset: dim_64
Evaluated with InformationRetrievalEvaluator with these parameters:
```
{
    "truncate_dim": 64
}
```

Metric	Value
cosine_accuracy@1	0.3983
cosine_accuracy@3	0.5587
cosine_accuracy@5	0.6187
cosine_accuracy@10	0.6915
cosine_precision@1	0.3983
cosine_precision@3	0.1862
cosine_precision@5	0.1237
cosine_precision@10	0.0691
cosine_recall@1	0.3983
cosine_recall@3	0.5587
cosine_recall@5	0.6187
cosine_recall@10	0.6915
cosine_ndcg@10	0.5402
cosine_mrr@10	0.4923
cosine_map@100	0.5004

Training Details

Training Dataset

json

Dataset: json
Size: 162,512 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 5 tokens
mean: 17.43 tokens
max: 138 tokens

min: 5 tokens
mean: 93.7 tokens
max: 256 tokens

	anchor	positive
type	string	string
details	min: 5 tokens mean: 17.43 tokens max: 138 tokens	min: 5 tokens mean: 93.7 tokens max: 256 tokens

Samples:

anchor	positive
`Có được ghi_nhận chi_phí cước đường_bộ của theo hoá_đơn của bên thuê xe ?`	`Công_ty A sử_dụng dịch_vụ thuê xe theo tháng của công_ty B. Công_ty B có nhận được hóa đơn đầu_vào là cước đường_bộ . Vậy công_ty A có được ghi_nhận chi_phí hợp_lý cho các hóa_đơn cước đường_bộ này không ?`
`Làm thêm có phải đóng BHXH không ?`	`Luật Bảo_hiểm xã_hội 2014 Điều 85 Mức đóng và phương_thức đóng của người lao_động tham_gia_bảo_hiểm xã_hội bắt_buộc Khoản 3 Người lao_động không làm_việc và không hưởng tiền_lương từ 14 ngày làm_việc trở lên trong tháng thì không đóng bảo_hiểm xã_hội tháng đó . Thời_gian này không được tính để hưởng bảo_hiểm xã_hội , trừ trường_hợp nghỉ_việc hưởng chế_độ thai_sản .`
`Chủ đầu_tư tự_lập hồ_sơ thiết_kế có cần phải có chứng_chỉ năng_lực không ?`	`1 / Chủ đầu_tư tự_lập hồ_sơ thiết_kế báo_cáo kinh_tế kỹ_thuật thì yêu_cầu phải có chứng_chỉ hành_nghề không ? hay_là chỉ cần nhân_viên có bằng kỹ_sư theo đúng chuyên_ngành ? 2 / Trong trường_hợp chủ đầu_tư tự_lập hồ_sơ thiết_kế báo_cáo kinh_tế kỹ_thuật có được thực_hiện gói_thầu thi_công theo hình_thức tự thực_hiện không ? Kính nhờ LVPL tư_vấn giúp .`

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "CachedMultipleNegativesSymmetricRankingLoss",
    "matryoshka_dims": [
        768,
        512,
        256,
        128,
        64
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": -1
}

Evaluation Dataset

json

Dataset: json
Size: 20,315 evaluation samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 5 tokens
mean: 17.13 tokens
max: 94 tokens

min: 5 tokens
mean: 94.98 tokens
max: 256 tokens

	anchor	positive
type	string	string
details	min: 5 tokens mean: 17.13 tokens max: 94 tokens	min: 5 tokens mean: 94.98 tokens max: 256 tokens

Samples:

anchor	positive
`Chính_sách bồi_thường , giải_phóng mặt_bằng đối_với dự_án trạm biến_áp theo pháp_luật Việt_Nam`	`Chính_sách bồi_thường , giải_phóng mặt_bằng của dự_án trạm biến_áp đi qua phần đất của gia_đình có được pháp_luật quy_định không hay chỉ là thỏa_thuận giữa người dân và chủ đầu_tư dự_án ?`
`Chi_phí nhận tiền USD hoặc phí ngân_hàng ngoại_tệ sẽ ghi theo tỷ_giá nào ?`	`Khi em giao_dịch phát_sinh chi_phí nhận tiền USD hoặc phí ngân_hàng ngoại_tệ thì em đọc theo Thông_tư 200 / 2014 / TT - BTC thì tỷ_giá ghi_nhận là tỷ_giá bán của ngân_hàng phải không ?`
`Đơn_vị sự_nghiệp có được ban_hành danh_mục mua_sắm tập_trung không ?`	`Đơn_vị sự_nghiệp có tự ban_hành danh_mục mua_sắm tập_trung để thực_hiện việc mua_sắm theo phương_thức tập_trung được hay không`

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "CachedMultipleNegativesSymmetricRankingLoss",
    "matryoshka_dims": [
        768,
        512,
        256,
        128,
        64
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": -1
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 12
per_device_eval_batch_size: 12
gradient_accumulation_steps: 24
learning_rate: 3e-05
weight_decay: 0.15
max_grad_norm: 0.65
num_train_epochs: 12
lr_scheduler_type: cosine
warmup_ratio: 0.15
fp16: True
load_best_model_at_end: True
group_by_length: True
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: epoch
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: 24
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 3e-05
weight_decay: 0.15
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 0.65
num_train_epochs: 12
max_steps: -1
lr_scheduler_type: cosine
lr_scheduler_kwargs: {}
warmup_ratio: 0.15
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: True
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_fused
optim_args: None
adafactor: False
group_by_length: True
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: None
hub_always_push: False
hub_revision: None
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
include_for_metrics: []
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
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
liger_kernel_config: None
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	Validation Loss	dim_768_cosine_ndcg@10	dim_512_cosine_ndcg@10	dim_256_cosine_ndcg@10	dim_128_cosine_ndcg@10	dim_64_cosine_ndcg@10
1.0	565	0.4082	0.1543	0.5250	0.5228	0.5179	0.5031	0.4774
2.0	1130	0.1442	0.1137	0.5340	0.5311	0.5238	0.5085	0.4847
3.0	1695	0.0898	0.0849	0.5440	0.5426	0.5361	0.5245	0.5034
4.0	2260	0.0612	0.0819	0.5458	0.5442	0.5378	0.5280	0.5063
5.0	2825	0.048	0.0778	0.5490	0.5463	0.5408	0.5323	0.5133
6.0	3390	0.0415	0.0679	0.5685	0.567	0.5614	0.5525	0.5331
7.0	3955	0.0324	0.0690	0.5720	0.5706	0.5649	0.5579	0.5402

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.10.12
Sentence Transformers: 5.1.0
Transformers: 4.55.0
PyTorch: 2.8.0+cu128
Accelerate: 1.10.0
Datasets: 4.0.0
Tokenizers: 0.21.4

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",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    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},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}