--- base_model: vinai/phobert-base-v2 datasets: [] language: [] library_name: sentence-transformers metrics: - pearson_cosine - spearman_cosine - pearson_manhattan - spearman_manhattan - pearson_euclidean - spearman_euclidean - pearson_dot - spearman_dot - pearson_max - spearman_max pipeline_tag: sentence-similarity tags: - sentence-transformers - sentence-similarity - feature-extraction - generated_from_trainer - dataset_size:102178 - loss:TripletLoss widget: - source_sentence: Bàn cho thấy các thiết_kế và sản_xuất kiến_thức cần_thiết để thực_hiện nhiều quyết_định thông_báo hơn . sentences: - Nixon quyết_định rằng hồ chí minh có_thể ở lại miền nam Việt_Nam . - Không có gì cần_thiết để đưa ra một quyết_định thông_tin . - Bảng Hiển_thị thiết_kế và sản_xuất thông_tin cần_thiết để đưa ra quyết_định . - source_sentence: 95 gói nước_tiểu miễn_phí trong túi của họ . sentences: - Tây_ban nha trượt từ vị_trí quyền_lực của họ . - Đội đã bước vào phòng thí_nghiệm mang theo tổng_cộng 99 đơn_vị trong_sạch , thử_nghiệm thân_thiện . - Túi được yêu_cầu cho nhà toàn_bộ 95 đơn_vị phục_vụ trong_sạch nước_tiểu giữa các nhà cung_cấp các sản_phẩm . - source_sentence: Tuyển một chiếc xe rất đắt tiền , và những gì có để xem_thường là gần những con đường chính . sentences: - Thuê một chiếc xe rất rẻ nhưng có_thể không đáng_giá_như những cảnh_sát ở xa con đường . - Có một nhà_thờ hình_tròn ở orangerie ở Paris . - Thuê một chiếc xe đến với chi_phí lớn và hầu_hết các điểm đến đều gần đường . - source_sentence: Người da đen là 12 phần_trăm dân_số . sentences: - Người da đen tạo ra 50 % tổng_số dân_số . - Người Mỹ Châu_Phi là một nhóm_thiểu_số . - Tôi đoán là barney fife . - source_sentence: Báo đen đã editorialized chống lại những cuộc viếng_thăm của farrakhan với các nhà độc_tài châu phi . sentences: - Báo đen đã viết về quá_khứ của farrakhan . - Khi bạn đi đến radda , bạn nên kiểm_tra piccolo bảo del chianti . - Báo đen từ_chối yểm_trợ cho farrakhan . model-index: - name: SentenceTransformer based on vinai/phobert-base-v2 results: - task: type: semantic-similarity name: Semantic Similarity dataset: name: sts dev type: sts-dev metrics: - type: pearson_cosine value: 0.42030854811305457 name: Pearson Cosine - type: spearman_cosine value: 0.5147968030818376 name: Spearman Cosine - type: pearson_manhattan value: 0.5605026901702432 name: Pearson Manhattan - type: spearman_manhattan value: 0.5792048311109484 name: Spearman Manhattan - type: pearson_euclidean value: 0.4710386131519505 name: Pearson Euclidean - type: spearman_euclidean value: 0.5087153254455983 name: Spearman Euclidean - type: pearson_dot value: 0.3923969498466928 name: Pearson Dot - type: spearman_dot value: 0.4338097270757405 name: Spearman Dot - type: pearson_max value: 0.5605026901702432 name: Pearson Max - type: spearman_max value: 0.5792048311109484 name: Spearman Max --- # SentenceTransformer based on vinai/phobert-base-v2 This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2). 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:** [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2) - **Maximum Sequence Length:** 512 tokens - **Output Dimensionality:** 768 tokens - **Similarity Function:** Cosine Similarity ### Model Sources - **Documentation:** [Sentence Transformers Documentation](https://sbert.net) - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers) - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers) ### Full Model Architecture ``` SentenceTransformer( (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: RobertaModel (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True}) ) ``` ## Usage ### Direct Usage (Sentence Transformers) First install the Sentence Transformers library: ```bash pip install -U sentence-transformers ``` Then you can load this model and run inference. ```python from sentence_transformers import SentenceTransformer # Download from the 🤗 Hub model = SentenceTransformer("huudan123/stage1") # Run inference sentences = [ 'Báo đen đã editorialized chống lại những cuộc viếng_thăm của farrakhan với các nhà độc_tài châu phi .', 'Báo đen đã viết về quá_khứ của farrakhan .', 'Báo đen từ_chối yểm_trợ cho farrakhan .', ] 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] ``` ## Evaluation ### Metrics #### Semantic Similarity * Dataset: `sts-dev` * Evaluated with [EmbeddingSimilarityEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator) | Metric | Value | |:--------------------|:-----------| | pearson_cosine | 0.4203 | | **spearman_cosine** | **0.5148** | | pearson_manhattan | 0.5605 | | spearman_manhattan | 0.5792 | | pearson_euclidean | 0.471 | | spearman_euclidean | 0.5087 | | pearson_dot | 0.3924 | | spearman_dot | 0.4338 | | pearson_max | 0.5605 | | spearman_max | 0.5792 | ## Training Details ### Training Dataset #### Unnamed Dataset * Size: 102,178 training samples * Columns: anchor, positive, and negative * Approximate statistics based on the first 1000 samples: | | anchor | positive | negative | |:--------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------| | type | string | string | string | | details | | | | * Samples: | anchor | positive | negative | |:--------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------| | Tem đầy màu_sắc của madeira , cũng như tiền xu , ghi_chép ngân_hàng , và các mặt_hàng khác như bưu_thiếp là mối quan_tâm đến nhiều nhà sưu_tập . | Các nhà sưu_tập sẽ thích ghé thăm madeira bởi_vì những phân_chia lớn của tem , ghi_chép ngân_hàng , bưu_thiếp , và nhiều mặt_hàng khác họ có_thể đọc được . | Mọi người quan_tâm đến việc bắt_đầu bộ sưu_tập mới nên thoát madeira và đi du_lịch phía bắc , nơi họ có khả_năng tìm thấy các cửa_hàng tốt . | | Cẩn_thận đấy , ông inglethorp . Poirot bị bồn_chồn . | Hãy chăm_sóc ông inglethorp . | Không cần phải cẩn_thận với anh ta . | | Phải có một_chút hoài_nghi về trải nghiệm cá_nhân của sperling với trò_chơi . | Hãy suy_nghĩ về những tác_động khi nhìn vào kinh_nghiệm của anh ấy . | Một người có_thể lấy trải nghiệm cá_nhân của sperling với giá_trị mặt . | * Loss: [TripletLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters: ```json { "distance_metric": "TripletDistanceMetric.EUCLIDEAN", "triplet_margin": 5 } ``` ### Evaluation Dataset #### Unnamed Dataset * Size: 12,772 evaluation samples * Columns: anchor, positive, and negative * Approximate statistics based on the first 1000 samples: | | anchor | positive | negative | |:--------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:---------------------------------------------------------------------------------| | type | string | string | string | | details | | | | * Samples: | anchor | positive | negative | |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------| | Tình_yêu , anh có muốn em trở_thành kassandra lubbock của anh không ? | Tôi có_thể là kassandra lubbock của anh . | Tôi từ_chối trở_thành kassandra lubbock của anh . | | Ví_dụ , trong mùa thu năm 1997 , ủy ban điều_trị hạt_nhân ( nrc ) văn_phòng thanh_tra tướng liệu nrc để có được quan_điểm của họ trên văn_hóa an_toàn của đại_lý . | Nhân_viên nrc đã được hỏi về quan_điểm của họ trên văn_hóa an_toàn của đại_lý . | Các nhân_viên không bao_giờ quan_sát về quan_điểm của họ về văn_hóa an_toàn của đại_lý trong mùa thu năm 1997 . | | Mỗi năm kem của trẻ nghệ và comedic tài_năng làm cho nó đường đến edinburgh , và fringe đã lớn lên trong việc huấn_luyện lớn nhất trong khung_cảnh lớn nhất cho các diễn_viên phát_triển trên thế_giới . | Tài_năng mới đến edinburgh . | Tài_năng mới đến dublin . | * Loss: [TripletLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters: ```json { "distance_metric": "TripletDistanceMetric.EUCLIDEAN", "triplet_margin": 5 } ``` ### Training Hyperparameters #### Non-Default Hyperparameters - `overwrite_output_dir`: True - `eval_strategy`: epoch - `per_device_train_batch_size`: 128 - `per_device_eval_batch_size`: 128 - `num_train_epochs`: 20 - `lr_scheduler_type`: cosine - `warmup_ratio`: 0.05 - `fp16`: True - `load_best_model_at_end`: True - `gradient_checkpointing`: True #### All Hyperparameters
Click to expand - `overwrite_output_dir`: True - `do_predict`: False - `eval_strategy`: epoch - `prediction_loss_only`: True - `per_device_train_batch_size`: 128 - `per_device_eval_batch_size`: 128 - `per_gpu_train_batch_size`: None - `per_gpu_eval_batch_size`: None - `gradient_accumulation_steps`: 1 - `eval_accumulation_steps`: None - `learning_rate`: 5e-05 - `weight_decay`: 0.0 - `adam_beta1`: 0.9 - `adam_beta2`: 0.999 - `adam_epsilon`: 1e-08 - `max_grad_norm`: 1.0 - `num_train_epochs`: 20 - `max_steps`: -1 - `lr_scheduler_type`: cosine - `lr_scheduler_kwargs`: {} - `warmup_ratio`: 0.05 - `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 - `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`: True - `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 - `batch_sampler`: batch_sampler - `multi_dataset_batch_sampler`: proportional
### Training Logs
Click to expand | Epoch | Step | Training Loss | loss | sts-dev_spearman_cosine | |:-------:|:--------:|:-------------:|:----------:|:-----------------------:| | 0 | 0 | - | - | 0.6643 | | 0.0626 | 50 | 4.6946 | - | - | | 0.1252 | 100 | 4.031 | - | - | | 0.1877 | 150 | 2.7654 | - | - | | 0.2503 | 200 | 2.4176 | - | - | | 0.3129 | 250 | 2.1111 | - | - | | 0.3755 | 300 | 2.0263 | - | - | | 0.4380 | 350 | 1.9296 | - | - | | 0.5006 | 400 | 1.7793 | - | - | | 0.5632 | 450 | 1.7903 | - | - | | 0.6258 | 500 | 1.7638 | - | - | | 0.6884 | 550 | 1.7042 | - | - | | 0.7509 | 600 | 1.7038 | - | - | | 0.8135 | 650 | 1.6221 | - | - | | 0.8761 | 700 | 1.6172 | - | - | | 0.9387 | 750 | 1.6227 | - | - | | 1.0 | 799 | - | 1.5275 | 0.5219 | | 1.0013 | 800 | 1.6264 | - | - | | 1.0638 | 850 | 1.364 | - | - | | 1.1264 | 900 | 1.4447 | - | - | | 1.1890 | 950 | 1.4161 | - | - | | 1.2516 | 1000 | 1.3575 | - | - | | 1.3141 | 1050 | 1.3554 | - | - | | 1.3767 | 1100 | 1.378 | - | - | | 1.4393 | 1150 | 1.3806 | - | - | | 1.5019 | 1200 | 1.3089 | - | - | | 1.5645 | 1250 | 1.4314 | - | - | | 1.6270 | 1300 | 1.3672 | - | - | | 1.6896 | 1350 | 1.3777 | - | - | | 1.7522 | 1400 | 1.3282 | - | - | | 1.8148 | 1450 | 1.3432 | - | - | | 1.8773 | 1500 | 1.3101 | - | - | | 1.9399 | 1550 | 1.2919 | - | - | | 2.0 | 1598 | - | 1.3643 | 0.5667 | | 2.0025 | 1600 | 1.2969 | - | - | | 2.0651 | 1650 | 0.9629 | - | - | | 2.1277 | 1700 | 0.9878 | - | - | | 2.1902 | 1750 | 0.9437 | - | - | | 2.2528 | 1800 | 0.9832 | - | - | | 2.3154 | 1850 | 0.9584 | - | - | | 2.3780 | 1900 | 1.0689 | - | - | | 2.4406 | 1950 | 1.0579 | - | - | | 2.5031 | 2000 | 0.9888 | - | - | | 2.5657 | 2050 | 0.9452 | - | - | | 2.6283 | 2100 | 0.9378 | - | - | | 2.6909 | 2150 | 0.9553 | - | - | | 2.7534 | 2200 | 0.9337 | - | - | | 2.8160 | 2250 | 1.0184 | - | - | | 2.8786 | 2300 | 0.9663 | - | - | | 2.9412 | 2350 | 0.9686 | - | - | | 3.0 | 2397 | - | 1.3488 | 0.5442 | | 3.0038 | 2400 | 0.9618 | - | - | | 3.0663 | 2450 | 0.6878 | - | - | | 3.1289 | 2500 | 0.6883 | - | - | | 3.1915 | 2550 | 0.6498 | - | - | | 3.2541 | 2600 | 0.6651 | - | - | | 3.3166 | 2650 | 0.6554 | - | - | | 3.3792 | 2700 | 0.7033 | - | - | | 3.4418 | 2750 | 0.6416 | - | - | | 3.5044 | 2800 | 0.7068 | - | - | | 3.5670 | 2850 | 0.6834 | - | - | | 3.6295 | 2900 | 0.7099 | - | - | | 3.6921 | 2950 | 0.7306 | - | - | | 3.7547 | 3000 | 0.7105 | - | - | | 3.8173 | 3050 | 0.7072 | - | - | | 3.8798 | 3100 | 0.7248 | - | - | | 3.9424 | 3150 | 0.7216 | - | - | | **4.0** | **3196** | **-** | **1.3358** | **0.5307** | | 4.0050 | 3200 | 0.693 | - | - | | 4.0676 | 3250 | 0.4741 | - | - | | 4.1302 | 3300 | 0.4593 | - | - | | 4.1927 | 3350 | 0.449 | - | - | | 4.2553 | 3400 | 0.4326 | - | - | | 4.3179 | 3450 | 0.4488 | - | - | | 4.3805 | 3500 | 0.4762 | - | - | | 4.4431 | 3550 | 0.4723 | - | - | | 4.5056 | 3600 | 0.4713 | - | - | | 4.5682 | 3650 | 0.4612 | - | - | | 4.6308 | 3700 | 0.4537 | - | - | | 4.6934 | 3750 | 0.4928 | - | - | | 4.7559 | 3800 | 0.4568 | - | - | | 4.8185 | 3850 | 0.4771 | - | - | | 4.8811 | 3900 | 0.4688 | - | - | | 4.9437 | 3950 | 0.4549 | - | - | | 5.0 | 3995 | - | 1.4027 | 0.5360 | | 5.0063 | 4000 | 0.5048 | - | - | | 5.0688 | 4050 | 0.2822 | - | - | | 5.1314 | 4100 | 0.3069 | - | - | | 5.1940 | 4150 | 0.2971 | - | - | | 5.2566 | 4200 | 0.3191 | - | - | | 5.3191 | 4250 | 0.3023 | - | - | | 5.3817 | 4300 | 0.3224 | - | - | | 5.4443 | 4350 | 0.3114 | - | - | | 5.5069 | 4400 | 0.3098 | - | - | | 5.5695 | 4450 | 0.3071 | - | - | | 5.6320 | 4500 | 0.3478 | - | - | | 5.6946 | 4550 | 0.3288 | - | - | | 5.7572 | 4600 | 0.3373 | - | - | | 5.8198 | 4650 | 0.3577 | - | - | | 5.8824 | 4700 | 0.331 | - | - | | 5.9449 | 4750 | 0.3132 | - | - | | 6.0 | 4794 | - | 1.4036 | 0.5148 | * The bold row denotes the saved checkpoint.
### Framework Versions - Python: 3.10.12 - Sentence Transformers: 3.0.1 - Transformers: 4.42.4 - PyTorch: 2.3.1+cu121 - Accelerate: 0.32.1 - Datasets: 2.20.0 - Tokenizers: 0.19.1 ## Citation ### BibTeX #### Sentence Transformers ```bibtex @inproceedings{reimers-2019-sentence-bert, title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks", author = "Reimers, Nils and Gurevych, Iryna", booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing", month = "11", year = "2019", publisher = "Association for Computational Linguistics", url = "https://arxiv.org/abs/1908.10084", } ``` #### TripletLoss ```bibtex @misc{hermans2017defense, title={In Defense of the Triplet Loss for Person Re-Identification}, author={Alexander Hermans and Lucas Beyer and Bastian Leibe}, year={2017}, eprint={1703.07737}, archivePrefix={arXiv}, primaryClass={cs.CV} } ```