File size: 25,690 Bytes
5ad5256 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 |
---
base_model: strongpear/M3-retriever-Vi-Text2SQL
datasets: []
language: []
library_name: sentence-transformers
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:1312839
- loss:TripletLoss
widget:
- source_sentence: Đã bao nhiêu giờ trôi qua kể từ khi bệnh nhân 006-172277 nhập viện?
sentences:
- CREATE TABLE chi phí(chi phí number,duy nhất text,bệnh nhânhệ thống sức khỏelưu
trúid number,loại sự kiện text,id sự kiện number,thời gian tính phí time,chi phí
number)
- CREATE TABLE chuyến bay fare(flight id int,fare id int)
- CREATE TABLE disease(uniquepid text, Patienthealthsystemstayid number, bệnh nhân
đơn vị lưu trú number, giới tính text, tuổi text, dân tộc text, bệnh viện number,
khu bệnh number, chiều cao nhập viện number, cân nặng nhập viện number, cân nặng
xuất viện number, thời gian nhập viện time, nguồn nhập viện text, thời gian xuất
viện time, trạng thái xuất viện text)
- source_sentence: tôi cần một chuyến bay từ NEWARK đến LOS ANGELES khởi hành vào
tối mai
sentences:
- CREATE TABLE time zone(time zone code text,time zone name text,hours from gmt
int)
- CREATE TABLE city(city code varchar,city name varchar,state code varchar,tên quốc
gia varchar,múi thời gian varchar);
- CREATE TABLE sân bay(airport code varchar,airport name text,airport location text,state
code varchar,country name varchar,time zone code varchar,minimum connect time
int);
- source_sentence: có bao nhiêu giám đốc từ năm 2000 đến năm 2009?
sentences:
- CREATE TABLE Bài viết(Id number,PostTypeId number,AcceptedAnswerId number,ParentId
number,CreationDate time,DeletionDate time,Score number,ViewCount number,Body
text,OwnerUserId number,OwnerDisplayName text,LastEditorUserId number,LastEditorDisplayName
text,LastEditDate time,LastActivityDate time,Tiêu đề text,Thẻ text,Đếm trả lời
number,Đếm bình luận number,Đếm yêu thích number,Ngày đóng time,Ngày sở hữu cộng
đồng time,Giấy phép nội dung text)
- CREATE TABLE table 11239("Ngày" text,"Đội thăm quan" text,"Tỷ số cuối cùng" text,"Đội
đăng cai" text,"Sân vận động" text)
- CREATE TABLE table 203 141(id number,"sr.no." number,"tên" text,"từ" text,"cho
đến" text,"nghề nghiệp" text)
- source_sentence: Tên đầy đủ, các phòng ban, thành phố, tỉnh của từng nhân viên là
gì?
sentences:
- CREATE TABLE phòng ban(department id number,department name text,manager id number,location
id number)
- CREATE TABLE khu vực(khu vực id number,tên khu vực text)
- CREATE TABLE tuyển sinh(row id number,subject id number,hadm id number,admittime
time,dischtime time,admission type text,admission location text,discharge location
text,bảo hiểm text,ngôn ngữ text,hôn nhân status text,dân tộc text,age number);
- source_sentence: Năm 2011 là bao nhiêu khi năm 2009 là 'MỘT'?
sentences:
- CREATE TABLE table name 27(điểm VARCHAR,đội khách VARCHAR,date VARCHAR)
- CREATE TABLE Bài viết(Id number,PostTypeId number,AcceptedAnswerId number,ParentId
number,CreationDate time,DeletionDate time,Score number,ViewCount number,Body
text,OwnerUserId number,OwnerDisplayName text,LastEditorUserId number,LastEditorDisplayName
text,LastEditDate time,LastActivityDate time,Title text,Tags text,AnswerCount
number,CommentCount number,FavoriteCount number,ClosedDate time,CommunityOwnedDate
time,ContentLicen text)
- CREATE TABLE table 61807("Giải đấu" text,"2009" text,"2010" text,"2011" text,"2012"
text)
---
# SentenceTransformer based on strongpear/M3-retriever-Vi-Text2SQL
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [strongpear/M3-retriever-Vi-Text2SQL](https://huggingface.co/strongpear/M3-retriever-Vi-Text2SQL). It maps sentences & paragraphs to a 1024-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:** [strongpear/M3-retriever-Vi-Text2SQL](https://huggingface.co/strongpear/M3-retriever-Vi-Text2SQL) <!-- at revision 667aec7aa21d1757ba3ac3147790eb39997eedc7 -->
- **Maximum Sequence Length:** 8192 tokens
- **Output Dimensionality:** 1024 tokens
- **Similarity Function:** Cosine Similarity
<!-- - **Training Dataset:** Unknown -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### 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': 8192, 'do_lower_case': False}) with Transformer model: XLMRobertaModel
(1): Pooling({'word_embedding_dimension': 1024, '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("strongpear/M3-retriever-Vi-Text2SQL_ver2")
# Run inference
sentences = [
"Năm 2011 là bao nhiêu khi năm 2009 là 'MỘT'?",
'CREATE TABLE table 61807("Giải đấu" text,"2009" text,"2010" text,"2011" text,"2012" text)',
'CREATE TABLE table name 27(điểm VARCHAR,đội khách VARCHAR,date VARCHAR)',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
```
<!--
### Direct Usage (Transformers)
<details><summary>Click to see the direct usage in Transformers</summary>
</details>
-->
<!--
### Downstream Usage (Sentence Transformers)
You can finetune this model on your own dataset.
<details><summary>Click to expand</summary>
</details>
-->
<!--
### Out-of-Scope Use
*List how the model may foreseeably be misused and address what users ought not to do with the model.*
-->
<!--
## Bias, Risks and Limitations
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
-->
<!--
### Recommendations
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
-->
## Training Details
### Training Dataset
#### Unnamed Dataset
* Size: 1,312,839 training samples
* Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
* Approximate statistics based on the first 1000 samples:
| | anchor | positive | negative |
|:--------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 6 tokens</li><li>mean: 22.66 tokens</li><li>max: 323 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 56.47 tokens</li><li>max: 159 tokens</li></ul> | <ul><li>min: 11 tokens</li><li>mean: 41.05 tokens</li><li>max: 621 tokens</li></ul> |
* Samples:
| anchor | positive | negative |
|:------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>Chủ đề StackOverflow vào tháng 5 năm 2010. Sẽ thật tuyệt nếu có một biểu đồ, tôi biết :)</code> | <code>CREATE TABLE Bài viết(Id number,PostTypeId number,AcceptedAnswerId number,ParentId number,CreationDate time,DeletionDate time,Score number,ViewCount number,Nội dung text,OwnerUserId number,OwnerDisplayName text,LastEditorUserId number,LastEditorDisplayName text,LastEditDate time,LastActivityDate time,Title text,Tags text,AnswerCount number,CommentCount number,FavoriteCount number,ClosedDate time,CommunityOwnedDate time,ContentLince text);</code> | <code>CREATE TABLE PostTypes(Id number,Name text)</code> |
| <code>sao2 của bệnh nhân 31854 trong lần khám tại bệnh viện hiện tại có bình thường không?</code> | <code>CREATE TABLE icustays(row id number,subject id number,hadm id number,icustay id number,first careunit text,last careunit text,first wardid number,last wardid number,intime time,outtime time);</code> | <code>CREATE TABLE inputevents cv(row id number,subject id number,hadm id number,icustay id number,charttime time,itemid number,amount number)</code> |
| <code>chuyến bay nào từ PITTSBURGH đến ATLANTA vào sáng thứ Tư phục vụ BỮA SÁNG</code> | <code>CREATE TABLE sân bay(airport code varchar,airport name text,airport location text,state code varchar,country name varchar,time zone code varchar,minimum connect time int);</code> | <code>CREATE TABLE máy bay(aircraft code varchar,aircraft description varchar,nhà sản xuất varchar,basic type varchar,engines int,động cơ varchar,thân rộng varchar,sải cánh int,chiều dài int,trọng lượng int,công suất int,tải trả int,tốc độ bay int,phạm vi dặm int,có áp suất varchar)</code> |
* Loss: [<code>TripletLoss</code>](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: 69,098 evaluation samples
* Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
* Approximate statistics based on the first 1000 samples:
| | anchor | positive | negative |
|:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 8 tokens</li><li>mean: 23.11 tokens</li><li>max: 323 tokens</li></ul> | <ul><li>min: 7 tokens</li><li>mean: 57.77 tokens</li><li>max: 181 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 42.41 tokens</li><li>max: 207 tokens</li></ul> |
* Samples:
| anchor | positive | negative |
|:----------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>Đã bao nhiêu ngày kể từ lần cuối bệnh nhân 1561 nhận được một lượng lactate ringer trong lần thăm khám tại phòng chăm sóc đặc biệt hiện tại?</code> | <code>CREATE TABLE inputevents cv(row id number,subject id number,hadm id number,icustay id number,charttime time,itemid number,amount number);</code> | <code>CREATE TABLE d icd diagnoses(row id number,icd9 code text,short title text,tiêu đề dài text)</code> |
| <code>Có nhiều giáo sư dạy ECON 631 trong kỳ Xuân Hè 2003 không?</code> | <code>CREATE TABLE giảng viên(instructor id int,name varchar,tên uniq varchar);</code> | <code>CREATE TABLE học kỳ(semester id int,semester varchar,year int)</code> |
| <code>bệnh nhân 011-55642 có được chẩn đoán mắc bệnh gì trong lần khám tại bệnh viện hiện tại không?</code> | <code>CREATE TABLE bệnh nhân(uniquepid text,bệnh nhânhealthsystemstayid number,bệnh nhân đơn vị ở lạiid number,giới tính text,tuổi text,dân tộc text,bệnh viện number,khu bệnh number,chiều cao nhập viện number,cân nặng nhập viện number,cân nặng xuất viện number,thời gian nhập viện time,nguồn nhập viện text,thời gian nhập viện đơn vị time,thời gian nhập viện time,thời gian xuất viện time,trạng thái xuất viện text)</code> | <code>CREATE TABLE inputoutput(intakeoutputid number,Patientunitstayid number,cellpath text,celllabel text,cellvaluenumeric number,intakeoutputtime time)</code> |
* Loss: [<code>TripletLoss</code>](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
- `eval_strategy`: steps
- `gradient_accumulation_steps`: 4
- `learning_rate`: 1.08e-08
- `weight_decay`: 0.1
- `num_train_epochs`: 1
- `warmup_steps`: 500
- `fp16`: True
- `remove_unused_columns`: False
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: steps
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 8
- `per_device_eval_batch_size`: 8
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 4
- `eval_accumulation_steps`: None
- `torch_empty_cache_steps`: None
- `learning_rate`: 1.08e-08
- `weight_decay`: 0.1
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1.0
- `num_train_epochs`: 1
- `max_steps`: -1
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.0
- `warmup_steps`: 500
- `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`: False
- `label_names`: None
- `load_best_model_at_end`: False
- `ignore_data_skip`: False
- `fsdp`: []
- `fsdp_min_num_params`: 0
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
- `fsdp_transformer_layer_cls_to_wrap`: None
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
- `deepspeed`: None
- `label_smoothing_factor`: 0.0
- `optim`: adamw_torch
- `optim_args`: None
- `adafactor`: False
- `group_by_length`: False
- `length_column_name`: length
- `ddp_find_unused_parameters`: None
- `ddp_bucket_cap_mb`: None
- `ddp_broadcast_buffers`: False
- `dataloader_pin_memory`: True
- `dataloader_persistent_workers`: False
- `skip_memory_metrics`: True
- `use_legacy_prediction_loop`: False
- `push_to_hub`: False
- `resume_from_checkpoint`: None
- `hub_model_id`: None
- `hub_strategy`: every_save
- `hub_private_repo`: False
- `hub_always_push`: False
- `gradient_checkpointing`: False
- `gradient_checkpointing_kwargs`: None
- `include_inputs_for_metrics`: False
- `eval_do_concat_batches`: True
- `fp16_backend`: auto
- `push_to_hub_model_id`: None
- `push_to_hub_organization`: None
- `mp_parameters`:
- `auto_find_batch_size`: False
- `full_determinism`: False
- `torchdynamo`: None
- `ray_scope`: last
- `ddp_timeout`: 1800
- `torch_compile`: False
- `torch_compile_backend`: None
- `torch_compile_mode`: None
- `dispatch_batches`: None
- `split_batches`: None
- `include_tokens_per_second`: False
- `include_num_input_tokens_seen`: False
- `neftune_noise_alpha`: None
- `optim_target_modules`: None
- `batch_eval_metrics`: False
- `eval_on_start`: False
- `eval_use_gather_object`: False
- `batch_sampler`: batch_sampler
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
| Epoch | Step | Training Loss | loss |
|:------:|:-----:|:-------------:|:------:|
| 0.0244 | 1000 | 0.0334 | 0.0444 |
| 0.0487 | 2000 | 0.0284 | 0.0444 |
| 0.0731 | 3000 | 0.0304 | 0.0444 |
| 0.0975 | 4000 | 0.0244 | 0.0444 |
| 0.1219 | 5000 | 0.0276 | 0.0444 |
| 0.1462 | 6000 | 0.0286 | 0.0444 |
| 0.1706 | 7000 | 0.0276 | 0.0444 |
| 0.1950 | 8000 | 0.0252 | 0.0444 |
| 0.2194 | 9000 | 0.0267 | 0.0444 |
| 0.2437 | 10000 | 0.0258 | 0.0444 |
| 0.2681 | 11000 | 0.0216 | 0.0444 |
| 0.2925 | 12000 | 0.0224 | 0.0444 |
| 0.3169 | 13000 | 0.0209 | 0.0443 |
| 0.3412 | 14000 | 0.0211 | 0.0443 |
| 0.3656 | 15000 | 0.0221 | 0.0443 |
| 0.3900 | 16000 | 0.0183 | 0.0443 |
| 0.4144 | 17000 | 0.0207 | 0.0443 |
| 0.4387 | 18000 | 0.0175 | 0.0443 |
| 0.4631 | 19000 | 0.0192 | 0.0443 |
| 0.4875 | 20000 | 0.016 | 0.0443 |
| 0.5119 | 21000 | 0.0208 | 0.0443 |
| 0.5362 | 22000 | 0.0165 | 0.0443 |
| 0.5606 | 23000 | 0.016 | 0.0443 |
| 0.5850 | 24000 | 0.0141 | 0.0443 |
| 0.6094 | 25000 | 0.0185 | 0.0443 |
| 0.6337 | 26000 | 0.0143 | 0.0443 |
| 0.6581 | 27000 | 0.0175 | 0.0443 |
| 0.6825 | 28000 | 0.0155 | 0.0443 |
| 0.7069 | 29000 | 0.0172 | 0.0443 |
| 0.7312 | 30000 | 0.0174 | 0.0443 |
| 0.7556 | 31000 | 0.0185 | 0.0443 |
| 0.7800 | 32000 | 0.0166 | 0.0443 |
| 0.8044 | 33000 | 0.0171 | 0.0443 |
| 0.8287 | 34000 | 0.018 | 0.0443 |
| 0.8531 | 35000 | 0.0194 | 0.0443 |
| 0.8775 | 36000 | 0.0228 | 0.0443 |
| 0.9019 | 37000 | 0.0239 | 0.0443 |
| 0.9262 | 38000 | 0.0262 | 0.0443 |
| 0.9506 | 39000 | 0.0313 | 0.0443 |
| 0.9750 | 40000 | 0.0314 | 0.0443 |
| 0.9994 | 41000 | 0.0461 | 0.0443 |
### Framework Versions
- Python: 3.9.19
- Sentence Transformers: 3.0.1
- Transformers: 4.44.2
- PyTorch: 2.4.0+cu121
- Accelerate: 0.34.2
- Datasets: 2.21.0
- 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}
}
```
<!--
## Glossary
*Clearly define terms in order to be accessible across audiences.*
-->
<!--
## Model Card Authors
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
-->
<!--
## Model Card Contact
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
--> |