Commit
•
b97d1d3
1
Parent(s):
76c8c53
Upload folder using huggingface_hub
Browse filesThis view is limited to 50 files because it contains too many changes.
See raw diff
- contrastive-with-filter/1_Pooling/config.json +10 -0
- contrastive-with-filter/README.md +511 -0
- contrastive-with-filter/added_tokens.json +3 -0
- contrastive-with-filter/bpe.codes +0 -0
- contrastive-with-filter/config.json +28 -0
- contrastive-with-filter/config_sentence_transformers.json +10 -0
- contrastive-with-filter/model.safetensors +3 -0
- contrastive-with-filter/modules.json +14 -0
- contrastive-with-filter/sentence_bert_config.json +4 -0
- contrastive-with-filter/special_tokens_map.json +9 -0
- contrastive-with-filter/tokenizer_config.json +54 -0
- contrastive-with-filter/vocab.txt +0 -0
- contrastive-without-filter/1_Pooling/config.json +10 -0
- contrastive-without-filter/README.md +480 -0
- contrastive-without-filter/added_tokens.json +3 -0
- contrastive-without-filter/bpe.codes +0 -0
- contrastive-without-filter/config.json +28 -0
- contrastive-without-filter/config_sentence_transformers.json +10 -0
- contrastive-without-filter/model.safetensors +3 -0
- contrastive-without-filter/modules.json +14 -0
- contrastive-without-filter/sentence_bert_config.json +4 -0
- contrastive-without-filter/special_tokens_map.json +9 -0
- contrastive-without-filter/tokenizer_config.json +54 -0
- contrastive-without-filter/vocab.txt +0 -0
- top_10_20_biencoder/1_Pooling/config.json +10 -0
- top_10_20_biencoder/added_tokens.json +3 -0
- top_10_20_biencoder/bpe.codes +0 -0
- top_10_20_biencoder/config.json +28 -0
- top_10_20_biencoder/config_sentence_transformers.json +10 -0
- top_10_20_biencoder/model.safetensors +3 -0
- top_10_20_biencoder/modules.json +20 -0
- top_10_20_biencoder/sentence_bert_config.json +4 -0
- top_10_20_biencoder/special_tokens_map.json +9 -0
- top_10_20_biencoder/tokenizer_config.json +54 -0
- top_10_20_biencoder/training_args.bin +3 -0
- top_10_20_biencoder/vocab.txt +0 -0
- top_10_20_biencoder_with_filter/1_Pooling/config.json +10 -0
- top_10_20_biencoder_with_filter/added_tokens.json +3 -0
- top_10_20_biencoder_with_filter/bpe.codes +0 -0
- top_10_20_biencoder_with_filter/config.json +28 -0
- top_10_20_biencoder_with_filter/config_sentence_transformers.json +10 -0
- top_10_20_biencoder_with_filter/model.safetensors +3 -0
- top_10_20_biencoder_with_filter/modules.json +20 -0
- top_10_20_biencoder_with_filter/sentence_bert_config.json +4 -0
- top_10_20_biencoder_with_filter/special_tokens_map.json +9 -0
- top_10_20_biencoder_with_filter/tokenizer_config.json +54 -0
- top_10_20_biencoder_with_filter/training_args.bin +3 -0
- top_10_20_biencoder_with_filter/vocab.txt +0 -0
- top_10_20_bm25/1_Pooling/config.json +10 -0
- top_10_20_bm25/added_tokens.json +3 -0
contrastive-with-filter/1_Pooling/config.json
ADDED
@@ -0,0 +1,10 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"word_embedding_dimension": 768,
|
3 |
+
"pooling_mode_cls_token": true,
|
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 |
+
}
|
contrastive-with-filter/README.md
ADDED
@@ -0,0 +1,511 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
---
|
2 |
+
language: []
|
3 |
+
library_name: sentence-transformers
|
4 |
+
tags:
|
5 |
+
- sentence-transformers
|
6 |
+
- sentence-similarity
|
7 |
+
- feature-extraction
|
8 |
+
- generated_from_trainer
|
9 |
+
- dataset_size:8027
|
10 |
+
- loss:MultipleNegativesRankingLoss
|
11 |
+
base_model: vinai/phobert-base-v2
|
12 |
+
datasets: []
|
13 |
+
widget:
|
14 |
+
- source_sentence: 'Bài trắc_nghiệm tính_cách bản_thân : Nếu chỉ được phép ăn một
|
15 |
+
trong bốn nguyên_liệu thực_phẩm dưới đây liên_tiếp trong ba ngày , bạn sẽ chọn
|
16 |
+
ăn món gì ? - Ngôi_sao'
|
17 |
+
sentences:
|
18 |
+
- "Alexandra V ( theo X. B ) \n - Showbiz \n - Thời_trang \n - Làm_đẹp \n - Xem\
|
19 |
+
\ \n - Ăn_chơi \n - Lối_sống \n - Thể_thao \n - Thời_cuộc \n - Podcasts \n - Thương_trường\
|
20 |
+
\ \n - Trắc_nghiệm \n - Video \n - Ảnh \n - Reviews & Deals \n Nếu chỉ được phép\
|
21 |
+
\ ăn một trong bốn nguyên_liệu thực_phẩm dưới đây liên_tiếp trong ba ngày , bạn\
|
22 |
+
\ sẽ chọn ăn món gì ? \n Alexandra V ( theo X. B )"
|
23 |
+
- "Nghĩa đang bị Công_an tỉnh Thái_Nguyên điều_tra về hành_vi giết người . \n Theo\
|
24 |
+
\ điều_tra ban_đầu , do mâu_thuẫn gia_đình , vợ Nghĩa bỏ về nhà bố_mẹ đẻ ở xã\
|
25 |
+
\ Thành_Công , huyện Phổ_Yên từ nhiều ngày . Khoảng 20h30 ngày 21 / 11 , Nghĩa\
|
26 |
+
\ cầm dao đến đón vợ về . \n Trong lúc to_tiếng , anh ta cầm dao đâm một nhát\
|
27 |
+
\ vào ngực bà Nguyễn_Thị_Hằng ( mẹ vợ ) khiến tử_vong tại_chỗ . Nghĩa tiếp_tục\
|
28 |
+
\ đâm bố vợ Ngô Văn_Cảnh , sau đó tự_sát . \n Nghĩa và ông Cảnh được đưa đi cấp_cứu\
|
29 |
+
\ trong tình_trạng bị_thương nặng ."
|
30 |
+
- "Liên_hệ quảng_cáo \n Tin 24h \n Showbiz \n Việt_Nam \n Châu_Á \n Âu_Mỹ \n Ngôi_sao\
|
31 |
+
\ của năm 2023 \n Thời_trang \n Sao_style \n Tư_vấn \n Làng_mốt \n Làm_đẹp \n\
|
32 |
+
\ Tóc \n Da \n Trang_điểm \n Dáng \n Phẫu_thuật thẩm_mỹ \n Xem \n Phim \n Nhạc\
|
33 |
+
\ \n Ăn_chơi \n Ẩm_thực \n Du_lịch \n Tips \n Lối_sống \n Tình_yêu \n Công_sở\
|
34 |
+
\ \n Nhà_cửa \n Sống_khỏe \n Cưới \n Gỡ_rối \n Thể_thao \n Trong nước \n Quốc_tế\
|
35 |
+
\ \n Thời_cuộc \n Hoàng_gia \n Chuyện lạ \n Hình_sự \n Podcasts \n Điểm_tin \n\
|
36 |
+
\ Bước qua đổ_vỡ \n Khi ta trẻ \n Suỵt \n Trà_đá cùng sao \n Hồ_sơ vụ_án \n Tám\
|
37 |
+
\ công_sở \n Lắng - đọng \n Thương_trường \n Doanh_nhân \n Trắc_nghiệm \n Cung\
|
38 |
+
\ Hoàng_Đạo \n Quiz \n Tarot \n Video \n Ảnh \n Reviews & Deals \n Showbiz \n\
|
39 |
+
\ Việt_Nam \n Châu_Á \n Âu_Mỹ \n Ngôi_sao của năm 2023 \n Thời_trang \n Sao_style\
|
40 |
+
\ \n Tư_vấn \n Làng_mốt \n Làm_đẹp \n Tóc \n Da \n Trang_điểm \n Dáng \n Phẫu_thuật\
|
41 |
+
\ thẩm_mỹ \n Xem \n Phim \n Nhạc \n Ăn_chơi \n Ẩm_thực \n Du_lịch \n Tips \n Lối_sống\
|
42 |
+
\ \n Tình_yêu \n Công_sở \n Nhà_cửa \n Sống_khỏe \n Cưới \n Gỡ_rối \n Thể_thao\
|
43 |
+
\ \n Trong nước \n Quốc_tế \n Thời_cuộc \n Hoàng_gia \n Chuyện lạ \n Hình_sự \n\
|
44 |
+
\ Podcasts \n Điểm_tin \n Bước qua đổ_vỡ \n Khi ta trẻ \n Suỵt \n Trà_đá cùng\
|
45 |
+
\ sao \n Hồ_sơ vụ_án \n Tám công_sở \n Lắng - đọng \n Thương_trường \n Doanh_nhân\
|
46 |
+
\ \n Trắc_nghiệm \n Cung Hoàng_Đạo \n Quiz \n Tarot \n Video \n Ảnh \n Reviews\
|
47 |
+
\ & Deals \n Giải_trí \n Show \n Phim \n Sao \n Nhạc \n Thể_thao \n Phong_cách\
|
48 |
+
\ \n Thời_cuộc \n Ăn_chơi \n Gia_đình \n Video \n Giải_trí \n Show \n Phim \n\
|
49 |
+
\ Sao \n Nhạc \n Điểm tin 21 / 7 : Tâm_sự của bà_xã Hồng_Đăng \n Tâm_sự của bà_xã\
|
50 |
+
\ Hồng_Đăng gây chú_ý , Khánh_Vân lên chức CEO , đôi tình_nhân hành_hạ_bé Vân_An\
|
51 |
+
\ hầu_tòa . \n Video \n Thứ năm , 21 / 7 / 2022 , 09 : 27 ( GMT + 7 ) \n Tags\
|
52 |
+
\ : \n điểm tin \n podcast \n Hồng_Đăng \n bà_xã \n VIDEO NỔI_BẬT \n Sao tuần\
|
53 |
+
\ qua : Phạm Quỳnh_Anh tiết_lộ lý_do không sinh thêm con \n 07 : 27 \n Cách con_người\
|
54 |
+
\ tắm_giặt ở nơi - 71 độ C \n 04 : 07 \n Chuột rơi trúng đầu khách ăn_lẩu \n 00\
|
55 |
+
\ : 41 \n Truyền_thông Trung_Quốc giới_thiệu du_lịch Việt_Nam \n 02 : 50"
|
56 |
+
- source_sentence: HLV Jurgen Klopp cho rằng các đội khác như Man_Utd sẽ được hưởng
|
57 |
+
phạt_đền , với những tình_huống của Liverpool trong trận thua Southampton tối
|
58 |
+
4 / 1 . - VnExpress
|
59 |
+
sentences:
|
60 |
+
- Trong bức ảnh street style mới_đây , Hương_Giang khoe dáng mỏng với bộ đồ " kiệm
|
61 |
+
vải " . Hoa_hậu diện quần shorts siêu ngắn lấp_ló vòng ba , tôn lên đôi chân thanh_mảnh
|
62 |
+
. Những chiếc quần " 5 cm " đã trở_thành quen_thuộc với Hương_Giang . Người đẹp
|
63 |
+
rất thích mặc quần jeans rách cực ngầu , kiểu_dáng tôn khéo vòng ba sexy . Có
|
64 |
+
thân_hình " không mỡ thừa " nên n��� ca_sĩ tự_tin diện đồ hở mà không lo bị chê
|
65 |
+
phản_cảm . Hương_Giang có cả bộ sưu_tập quần " một gang tay " . Xu_hướng " quần
|
66 |
+
5 cm " từ lâu không còn lạ_lẫm với thời_trang mùa hè của sao Việt . Minh_Tú có
|
67 |
+
vòng ba săn chắc nên cũng tự_tin diện shorts jeans siêu ngắn . So với nhiều Hoa_hậu
|
68 |
+
Việt_Nam , Tiểu_Vy có phong_cách sexy táo_bạo hơn hẳn . Diệp Lâm_Anh rất chuộng
|
69 |
+
khoe vòng ba bằng những chiếc quần không_thể ngắn hơn . Thiều Bảo Trâm có cả bộ
|
70 |
+
sưu_tập quần shorts khoe chân , trong đó đa_phần là những thiết_kế bó sát , dài
|
71 |
+
chưa đầy một gang tay . Chiếc quần của Elly Trần không đủ che vòng ba . Ngọc_Trinh
|
72 |
+
cũng là tín_đồ của những chiếc quần shorts kiểu này .
|
73 |
+
- "Mọi chuyện xảy ra khi chiếc Toyota_Camry lùi ra khỏi chỗ đỗ và hích vào một xe\
|
74 |
+
\ Hyundai Sonata đang chạy qua . Phần_lớn tài_xế sẽ xuống xe , đơn_giản nói lời\
|
75 |
+
\ xin_lỗi và trao_đổi thông_tin bảo_hiểm . Nhưng nữ tài_xế xe Toyota không làm\
|
76 |
+
\ thế . \n Người phụ_nữ này xuống xe và bắt_đầu la_hét vào mặt đối_phương . Sau\
|
77 |
+
\ khi đòi người đàn_ông lái_xe tránh đường cho mình đi , nữ tài_xế ngồi vào chiếc\
|
78 |
+
\ Toyota , lái lên phía trước đôi_chút rồi lùi lại thật mạnh , húc tiếp vào chiếc\
|
79 |
+
\ Hyundai khi nam tài_xế đã ra khỏi xe . \n Người đàn_ông cầm điện_thoại và dường_như\
|
80 |
+
\ đang gọi điện nhờ trợ_giúp , cùng lúc tì người lên đuôi chiếc Toyota để chặn\
|
81 |
+
\ lại . Nhưng người phụ_nữ dường_như đã bất_chấp mọi thứ , lùi xe mặc_kệ có người\
|
82 |
+
\ đứng sau . Loại được đối_thủ , chiếc Toyota quay đầu và phóng vọt đi , với ba\
|
83 |
+
\ - đờ - sốc sau đã móp một bên . Tuy_nhiên , biển số xe của nữ tài_xế đã được\
|
84 |
+
\ ghi lại đầy_đủ trong video . \n Mỹ_Anh ( theo Carscoops )"
|
85 |
+
- "Liverpool thua chủ nhà Southampton 0 - 1 ở vòng 17 Ngoại_hạng Anh tối 4 / 1 ,\
|
86 |
+
\ với bàn duy_nhất của Danny Ings phút thứ 2 . \n Phát_biểu sau trận , HLV Jurgen\
|
87 |
+
\ Klopp không hài_lòng với quyết_định của trọng_tài Andre_Marriners , với hai\
|
88 |
+
\ tình_huống Sadio_Mane bị Kyle_Walker - Peters phạm lỗi trong cấm_địa . \n *\
|
89 |
+
\ Kết_quả - Lịch_đấu Ngoại_hạng Anh \n * Bảng điểm Ngoại_hạng Anh \n Nhuận_Phát"
|
90 |
+
- source_sentence: Chồng tôi mất cách đây gần 3 tháng , vài ngày nữa là lễ 100 ngày
|
91 |
+
, gia_đình bên chồng có chị dâu chồng vừa phát_hiện bệnh hiểm_nghèo . Anh_trai
|
92 |
+
chồng đã mất cách đây 14 năm . - VnExpress
|
93 |
+
sentences:
|
94 |
+
- "Ưu_điểm : \n - Giặt giẻ nước nóng , sấy khô giẻ bằng khí nóng tích_hợp \n - Lau\
|
95 |
+
\ hiệu_quả bằng giẻ xoay , có_thể nâng giẻ 1,5 cm \n - Lực hút mạnh , chổi hút\
|
96 |
+
\ chống rối \n - Thiết_kế cao_cấp , khác_biệt so với đối_thủ \n - Camera nhận_diện\
|
97 |
+
\ và tránh vật_thể tốt , có_thể xem trực_tiếp như camera an_ninh \n - Dock thiết_kế\
|
98 |
+
\ gọn , có đèn LED báo trạng_thái khi hết_nước \n Nhược_điểm : \n - Phần_mềm ,\
|
99 |
+
\ trợ_lý ảo chưa hỗ_trợ tiếng Việt \n - Không có hộc chứa nước tẩy_rửa chuyên_biệt\
|
100 |
+
\ riêng ( phải mua thêm phụ_kiện ) \n - Một nút bấm cảm_ứng chưa thực_sự thân_thiện\
|
101 |
+
\ khi sử_dụng \n Tuấn_Hưng - Quang_Đồng"
|
102 |
+
- "Chị dâu chồng không nghĩ tới chuyện chữa bệnh mà nghĩ đến việc phải cưới cho\
|
103 |
+
\ cô con_gái đầu . Phía nhà bạn trai của cháu gái bảo sau 120 ngày kể từ khi chồng\
|
104 |
+
\ tôi mất thì làm đám_cưới . \n Tôi tìm_hiểu , thấy nhiều thông_tin cho rằng cưới\
|
105 |
+
\ cùng năm với năm nhà có tang sẽ ảnh_hưởng đến đôi uyên_ương . Tôi còn lo linh_hồn\
|
106 |
+
\ của chồng không được siêu_thoát và những người_thân còn lại trong nhà sẽ gặp\
|
107 |
+
\ điều không may . Chuyện cưới này là bất_đắc_dĩ do nguyện_vọng của người ốm không\
|
108 |
+
\ biết sống_chết như thế_nào . Thật_sự tôi rất lo_lắng cho gia_đình nhà chồng\
|
109 |
+
\ . Xin mọi người cho tôi lời khuyên chân_thành . Xin cảm_ơn . \n Hậu \n Độc_giả\
|
110 |
+
\ gọi vào số 09 6658 1270 để được hỗ_trợ , giải_đáp thắc_mắc ."
|
111 |
+
- "Ông Đường , 51 tuổi , bị Công_an huyện Cẩm_Giàng khởi_tố cuối tháng 12 / 2022\
|
112 |
+
\ về tội Lợi_dụng chức_vụ quyền_hạn trong khi thi_hành công_vụ . Ông đã bị đình_chỉ\
|
113 |
+
\ sinh_hoạt Đảng , đình_chỉ công_tác ngay sau đó , Huyện_��y Cẩm_Giang thông_tin\
|
114 |
+
\ ngày 3 / 1 . \n Nhà chức_trách cho biết ông Đường bị khởi_tố do liên_quan việc\
|
115 |
+
\ đấu_giá quyền sử_dụng khu đất có tổng_diện_tích hơn 4.913 m2 khu Văn_Chỉ , thị_trấn\
|
116 |
+
\ Cẩm_Giàng . Đây là khu đất được chia làm 50 lô , thuộc quy_hoạch khu dân_cư\
|
117 |
+
\ , nghĩa_trang liệt_sĩ , bể_bơi . \n Theo kế_hoạch , khu đất này được đưa ra_đấu\
|
118 |
+
\ với giá khởi_điểm 12 - 18 triệu / m2 , ngày đấu_giá dự_kiến là 2 / 10 / 2022\
|
119 |
+
\ . Tuy_nhiên , ngày 28 và 29 / 9 / 2022 , một_số người tập_trung tại UBND thị_trấn\
|
120 |
+
\ Cẩm_Giàng với biểu_hiện mất an_ninh trật_tự , ảnh_hưởng đến việc bán hồ_sơ ,\
|
121 |
+
\ đấu_giá khu đất . Do_vậy , việc đấu_giá chưa được thực_hiện . \n Lê_Tân"
|
122 |
+
- source_sentence: Bộ Y_tế hôm_nay cho biết số_lượng vaccine Covid - 19 cung_ứng cho
|
123 |
+
Việt_Nam còn rất hạn_chế , ưu_tiên tiêm người từ 18 tuổi trở lên , khi có thêm
|
124 |
+
sẽ tiêm cho học_sinh . - VnExpress
|
125 |
+
sentences:
|
126 |
+
- "Ngân_hàng trung_ương Afghanistan hôm 15 / 9 thông_báo số tiền và vàng được tìm\
|
127 |
+
\ thấy trong nhà của các quan_chức chính_quyền cũ , bao_gồm cựu phó_tổng_thống\
|
128 |
+
\ Amrullah_Saleh , dù chưa rõ mục_đích họ để tiền , vàng trong nhà . \n Hiện chưa\
|
129 |
+
\ rõ tung_tích Saleh . Ông đã thề sẽ kháng_chiến với Taliban , lực_lượng giành\
|
130 |
+
\ chính_quyền một tháng trước . Một thành_viên trong gia_đình cựu phó_tổng_thống\
|
131 |
+
\ tuần trước cho hay Taliban đã hành_quyết anh_trai ông là Rohullah_Azizi . \n\
|
132 |
+
\ Trong một tuyên_bố riêng , ngân_hàng kêu_gọi người dân Afghanistan sử_dụng đồng_nội_tệ\
|
133 |
+
\ , trong bối_cảnh ngày_càng nhiều người lo_ngại các ngân_hàng và công_ty Afghanistan\
|
134 |
+
\ thiếu tiền , đặc_biệt là đồng đôla Mỹ vốn sử_dụng rộng_rãi . \n Một dấu_hiệu\
|
135 |
+
\ cho thấy Taliban đang tìm cách thu_hồi tài_sản của quan_chức chính_quyền cũ\
|
136 |
+
\ là ngân_hàng trung_ương tuần trước ban_hành thông_tư cho các ngân_hàng địa_phương\
|
137 |
+
\ , yêu_cầu họ đóng_băng tài_khoản của những cá_nhân có liên_quan với chính_phủ\
|
138 |
+
\ cũ , theo hai ngân_hàng thương_mại . \n Hồng_Hạnh ( Theo Reuters )"
|
139 |
+
- "Ý_kiến này được Bộ Y_tế gửi Văn_phòng Chính_phủ , sau hơn một tuần Thủ_tướng\
|
140 |
+
\ yêu_cầu phối_hợp với Bộ Giáo_dục và Đào_tạo triển_khai tiêm vaccine cho học_sinh\
|
141 |
+
\ , để năm_học mới diễn ra an_toàn . \n Theo đó , thời_gian qua , Bộ Y_tế đã cố_gắng\
|
142 |
+
\ tiếp_cận các nguồn vaccine Covid - 19 . Tuy_nhiên hiện_nay số_lượng cung_ứng\
|
143 |
+
\ cho Việt_Nam chỉ đáp_ứng một phần nhu_cầu phòng_chống dịch theo Nghị_quyết số\
|
144 |
+
\ 21 . Bộ Y_tế đã hướng_dẫn địa_phương , đơn_vị tiêm cho người từ 18 tuổi trở\
|
145 |
+
\ lên . \n \" Dự_kiến khi thêm nguồn cung_ứng , vaccine phân_bổ về các địa_phương\
|
146 |
+
\ , đề_nghị UBND các tỉnh_thành phê_duyệt danh_sách đối_tượng tiêm cụ_thể , trong\
|
147 |
+
\ đó có người dưới 18 tuổi , bao_gồm cả học_sinh \" , theo Bộ Y_tế . \n Tại cuộc\
|
148 |
+
\ họp Ban chỉ_đạo quốc_gia phòng_chống Covid - 19 , chiều 5 / 9 , Bộ_trưởng Nguyễn\
|
149 |
+
\ Thanh_Long cho biết đến nay cả nước đã tiêm được 21.523.792 liều , đạt gần 30\
|
150 |
+
\ % số người từ 18 tuổi trở lên . Trong đó 15.112.140 người tiêm 1 liều và hơn\
|
151 |
+
\ 3.205.826 người tiêm đủ hai liều vaccine . \n Đến ngày 4 / 9 , số người từ 18\
|
152 |
+
\ tuổi trở lên đã được tiêm vaccine ở Hà_Nội là 3.026.125 , đạt 52,7 % ; tại TP\
|
153 |
+
\ HCM tiêm 6.130.000 liều , đạt 88 , % . \n Theo báo_cáo của Tiểu_ban Tiêm_chủng\
|
154 |
+
\ , 30 đợt vaccine Covid - 19 với tổng_số 32,8 triệu liều đã được phân_bổ cho\
|
155 |
+
\ các địa_phương , đơn_vị . Dự_kiến đến hết tháng 4 / 2022 cung_ứng được 150 triệu\
|
156 |
+
\ liều ."
|
157 |
+
- Trong bộ ảnh mới thực_hiện , Anh Thư giúp nhà thiết_kế Nguyễn_Hà_Nhật_Huy giới_thiệu
|
158 |
+
các mẫu đầm đi tiệc dành cho mùa thu . Lấy cảm_hứng từ vẻ đẹp thanh_lịch của phụ_nữ
|
159 |
+
hiện_đại , nhà mốt Việt đã mang tới nhiều mẫu đầm có tính ứng_dụng cao và phù_hợp
|
160 |
+
với chị_em công_sở . Nhà_thiết_kế sử_dụng các chất_liệu vải bố , ren , organza
|
161 |
+
kết_hợp cùng những đường cắt_cúp được viền ren tỉ_mỉ . Đầm liền thân dáng ngắn
|
162 |
+
có phần cắt_cúp ngực đẹp_mắt , đồng_thời chi_tiết tay bồng bằng vải trong cũng
|
163 |
+
góp_phần mang tới nét duyên_dáng cho người mặc . Cùng với vải bố dễ dựng phom
|
164 |
+
và tôn hình_thể , Nguyễn_Hà_Nhật_Huy cũng chọn vải xếp ly để mang tới các mẫu
|
165 |
+
đầm đi đúng khuynh_hướng thời_trang 2020 . Kỹ_thuật xoắn vải được nhà mốt Việt
|
166 |
+
áp_dụng một_cách hiệu_quả trên từng dáng váy đi tiệc . Váy cổ vest cho mùa mới
|
167 |
+
được thể_hiện cuốn_hút hơn bằng thiết_kế sát_nách đi kèm phần chân váy xếp nếp
|
168 |
+
độc_đáo . Ở bộ sưu_tập này , Nguyễn_Hà_Nhật_Huy sử_dụng tông trắng và hồng nude
|
169 |
+
làm chủ_đạo . Dù dùng màu đơn_sắc , anh giúp các mẫu váy trở_nên thu_hút nhờ lối
|
170 |
+
tạo phom và phần cắt may tinh_tế . Đầm cổ vest thiết_kế trên vải bố trắng vừa
|
171 |
+
mang lại nét thanh_lịch vừa giúp phái_đẹp tôn chiều cao một_cách hiệu_quả . Bộ
|
172 |
+
ảnh được thực_hiện với sự hỗ_trợ của nhiếp_ảnh Antonio_Dinh , trang_điểm Đinh_Văn_Long
|
173 |
+
, trợ_lý Thắng LQ. Duy_Khánh
|
174 |
+
- source_sentence: Singapore - Du_khách có_thể thưởng_thức những món ngon được chế_biến
|
175 |
+
bởi các đầu_bếp danh_tiếng và ngắm nhìn khoảng 400.000 sinh_vật biển bơi_lội .
|
176 |
+
- VnExpress
|
177 |
+
sentences:
|
178 |
+
- "Chủ_nhật , 17 / 12 / 2023 \n Mới nhất \n Tin theo khu_vực \n Hà_Nội \n TP Hồ_Chí_Minh\
|
179 |
+
\ \n International \n Mới nhất \n Thời_sự \n Góc_nhìn \n Thế_giới \n Video \n\
|
180 |
+
\ Podcasts \n Kinh_doanh \n Bất_động_sản \n Khoa_học \n Giải_trí \n Thể_thao \n\
|
181 |
+
\ Pháp_luật \n Giáo_dục \n Sức_khỏe \n Đời_sống \n Du_lịch \n Số_hóa \n Xe \n\
|
182 |
+
\ Ý_kiến \n Tâm_sự \n Thư_giãn \n Tất_cả \n Trở_lại Thư_giãn \n Thư_giãn \n Thú_cưng\
|
183 |
+
\ \n Thứ_bảy , 25 / 12 / 2021 , 22 : 00 ( GMT + 7 ) \n Mèo chăm_chỉ gập bụng \n\
|
184 |
+
\ Con vật nằm một bên máy tập rồi liên_tục gập bụng để nâng cao sức_khỏe . \n\
|
185 |
+
\ Mèo chăm_chỉ gập bụng \n Xuka \n ( st ) \n Trở_lại Thư_giãn \n Trở_lại Thư_giãn\
|
186 |
+
\ \n Chia_sẻ \n Copy link thành_công \n ×"
|
187 |
+
- "Thứ_sáu , 15 / 12 / 2023 \n Mới nhất \n Tin theo khu_vực \n Hà_Nội \n TP Hồ_Chí_Minh\
|
188 |
+
\ \n International \n Mới nhất \n Thời_sự \n Góc_nhìn \n Thế_giới \n Video \n\
|
189 |
+
\ Podcasts \n Kinh_doanh \n Bất_động_sản \n Khoa_học \n Giải_trí \n Thể_thao \n\
|
190 |
+
\ Pháp_luật \n Giáo_dục \n Sức_khỏe \n Đời_sống \n Du_lịch \n Số_hóa \n Xe \n\
|
191 |
+
\ Ý_kiến \n Tâm_sự \n Thư_giãn \n Tất_cả \n Trở_lại Thư_giãn \n Thư_giãn \n Cười\
|
192 |
+
\ \n Thứ_sáu , 7 / 10 / 2022 , 08 : 00 ( GMT + 7 ) \n Chủ nhà dọa cẩu tặc bằng\
|
193 |
+
\ camera \n ' Đúng là chó giữ nhà , camera giữ chó là có thật ' , một người hài_hước\
|
194 |
+
\ . \n Chủ nhà dọa cẩu tặc bằng camera \n Xuka ( st ) \n Trở_lại Thư_giãn \n Trở_lại\
|
195 |
+
\ Thư_giãn \n Chia_sẻ \n Copy link thành_công \n ×"
|
196 |
+
- "SingaporeDu khách có_thể thưởng_thức những món ngon được chế_biến bởi các đầu_bếp\
|
197 |
+
\ danh_tiếng và ngắm nhìn khoảng 400.000 sinh_vật biển bơi_lội . \n Theo Tastemade"
|
198 |
+
pipeline_tag: sentence-similarity
|
199 |
+
---
|
200 |
+
|
201 |
+
# SentenceTransformer based on vinai/phobert-base-v2
|
202 |
+
|
203 |
+
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 1536-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
|
204 |
+
|
205 |
+
## Model Details
|
206 |
+
|
207 |
+
### Model Description
|
208 |
+
- **Model Type:** Sentence Transformer
|
209 |
+
- **Base model:** [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2) <!-- at revision 2b51e367d92093c9688112098510e6a58bab67cd -->
|
210 |
+
- **Maximum Sequence Length:** 256 tokens
|
211 |
+
- **Output Dimensionality:** 1536 tokens
|
212 |
+
- **Similarity Function:** Cosine Similarity
|
213 |
+
<!-- - **Training Dataset:** Unknown -->
|
214 |
+
<!-- - **Language:** Unknown -->
|
215 |
+
<!-- - **License:** Unknown -->
|
216 |
+
|
217 |
+
### Model Sources
|
218 |
+
|
219 |
+
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
|
220 |
+
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
|
221 |
+
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
|
222 |
+
|
223 |
+
### Full Model Architecture
|
224 |
+
|
225 |
+
```
|
226 |
+
SentenceTransformer(
|
227 |
+
(0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: RobertaModel
|
228 |
+
(1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, '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})
|
229 |
+
)
|
230 |
+
```
|
231 |
+
|
232 |
+
## Usage
|
233 |
+
|
234 |
+
### Direct Usage (Sentence Transformers)
|
235 |
+
|
236 |
+
First install the Sentence Transformers library:
|
237 |
+
|
238 |
+
```bash
|
239 |
+
pip install -U sentence-transformers
|
240 |
+
```
|
241 |
+
|
242 |
+
Then you can load this model and run inference.
|
243 |
+
```python
|
244 |
+
from sentence_transformers import SentenceTransformer
|
245 |
+
|
246 |
+
# Download from the 🤗 Hub
|
247 |
+
model = SentenceTransformer("sentence_transformers_model_id")
|
248 |
+
# Run inference
|
249 |
+
sentences = [
|
250 |
+
'Singapore - Du_khách có_thể thưởng_thức những món ngon được chế_biến bởi các đầu_bếp danh_tiếng và ngắm nhìn khoảng 400.000 sinh_vật biển bơi_lội . - VnExpress',
|
251 |
+
'SingaporeDu khách có_thể thưởng_thức những món ngon được chế_biến bởi các đầu_bếp danh_tiếng và ngắm nhìn khoảng 400.000 sinh_vật biển bơi_lội . \n Theo Tastemade',
|
252 |
+
"Thứ_sáu , 15 / 12 / 2023 \n Mới nhất \n Tin theo khu_vực \n Hà_Nội \n TP Hồ_Chí_Minh \n International \n Mới nhất \n Thời_sự \n Góc_nhìn \n Thế_giới \n Video \n Podcasts \n Kinh_doanh \n Bất_động_sản \n Khoa_học \n Giải_trí \n Thể_thao \n Pháp_luật \n Giáo_dục \n Sức_khỏe \n Đời_sống \n Du_lịch \n Số_hóa \n Xe \n Ý_kiến \n Tâm_sự \n Thư_giãn \n Tất_cả \n Trở_lại Thư_giãn \n Thư_giãn \n Cười \n Thứ_sáu , 7 / 10 / 2022 , 08 : 00 ( GMT + 7 ) \n Chủ nhà dọa cẩu tặc bằng camera \n ' Đúng là chó giữ nhà , camera giữ chó là có thật ' , một người hài_hước . \n Chủ nhà dọa cẩu tặc bằng camera \n Xuka ( st ) \n Trở_lại Thư_giãn \n Trở_lại Thư_giãn \n Chia_sẻ \n Copy link thành_công \n ×",
|
253 |
+
]
|
254 |
+
embeddings = model.encode(sentences)
|
255 |
+
print(embeddings.shape)
|
256 |
+
# [3, 1536]
|
257 |
+
|
258 |
+
# Get the similarity scores for the embeddings
|
259 |
+
similarities = model.similarity(embeddings, embeddings)
|
260 |
+
print(similarities.shape)
|
261 |
+
# [3, 3]
|
262 |
+
```
|
263 |
+
|
264 |
+
<!--
|
265 |
+
### Direct Usage (Transformers)
|
266 |
+
|
267 |
+
<details><summary>Click to see the direct usage in Transformers</summary>
|
268 |
+
|
269 |
+
</details>
|
270 |
+
-->
|
271 |
+
|
272 |
+
<!--
|
273 |
+
### Downstream Usage (Sentence Transformers)
|
274 |
+
|
275 |
+
You can finetune this model on your own dataset.
|
276 |
+
|
277 |
+
<details><summary>Click to expand</summary>
|
278 |
+
|
279 |
+
</details>
|
280 |
+
-->
|
281 |
+
|
282 |
+
<!--
|
283 |
+
### Out-of-Scope Use
|
284 |
+
|
285 |
+
*List how the model may foreseeably be misused and address what users ought not to do with the model.*
|
286 |
+
-->
|
287 |
+
|
288 |
+
<!--
|
289 |
+
## Bias, Risks and Limitations
|
290 |
+
|
291 |
+
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
|
292 |
+
-->
|
293 |
+
|
294 |
+
<!--
|
295 |
+
### Recommendations
|
296 |
+
|
297 |
+
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
|
298 |
+
-->
|
299 |
+
|
300 |
+
## Training Details
|
301 |
+
|
302 |
+
### Training Dataset
|
303 |
+
|
304 |
+
#### Unnamed Dataset
|
305 |
+
|
306 |
+
|
307 |
+
* Size: 8,027 training samples
|
308 |
+
* Columns: <code>sentence_0</code> and <code>sentence_1</code>
|
309 |
+
* Approximate statistics based on the first 1000 samples:
|
310 |
+
| | sentence_0 | sentence_1 |
|
311 |
+
|:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
|
312 |
+
| type | string | string |
|
313 |
+
| details | <ul><li>min: 4 tokens</li><li>mean: 29.35 tokens</li><li>max: 67 tokens</li></ul> | <ul><li>min: 21 tokens</li><li>mean: 153.68 tokens</li><li>max: 256 tokens</li></ul> |
|
314 |
+
* Samples:
|
315 |
+
| sentence_0 | sentence_1 |
|
316 |
+
|:-------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
|
317 |
+
| <code>Sở_hữu visual ' không phải dạng vừa ' , cậu em_út của Hòa_Minzy được nhiều fan nữ nhận làm ... chồng .</code> | <code>Chiều mùng 5 Tết Tân_Sửu ( 16 / 2 ) , Hòa_Minzy đăng_tải trên trang cá_nhân_ảnh gia_đình khiến fan trầm_trồ trước độ đẹp đều của 5 chị_em nhà nữ ca_sĩ . Cả bốn chị em_gái đều khoe sắc trong tà áo_dài , riêng cậu em_út bảnh_bao trong quần_âu , áo sơ_mi trắng . Mái_tóc dài lãng_tử của cậu em Hòa_Minzy khiến nhiều fan nữ đòi " bế về làm chồng " . <br> Cậu út nhà Hòa_Minzy có tên là Nguyễn_Văn Hùng , 21 tuổi , đang học_tập tại ĐH Công_nghệ TP HCM. Văn Hùng là con út nên gần_gũi với chị tư Hòa_Minzy nhất . Anh cũng thường_xuyên khoe khoảnh_khắc tình_cảm của hai chị_em trên trang cá_nhân . Hòa_Minzy khá chiều_chuộng em_trai khi thường tặng cho Văn Hùng những món quà đắt tiền dịp sinh_nhật . <br> Quỳnh_Anh</code> |
|
318 |
+
| <code>Nhiều mẫu giày Adidas với thế mạnh trọng_lượng nhẹ , êm , ôm gọn bàn_chân , thiết_kế thời_trang giảm_giá 30 - 44 % đến hết 31 / 5 . - VnExpress</code> | <code>Khởi_đầu bằng những đôi giày điền_kinh có đinh ở đế , cái tên Adidas ngày_càng quen_thuộc với người sử_dụng . Nhằm đáp_ứng nhu_cầu luyện_tập thể_thao cũng như cung_cấp phụ_kiện cần_thiết cho chạy bộ , nhà phân_phối Sneaker House đang giảm_giá một_số mẫu giày Adidas với mức tối_đa 44 % trên Shop VnExpress . <br> Ngoài các mẫu giày chạy bộ chính hãng Adidas , Shop VnExpress còn nhiều mặt_hàng thời_trang chính hãng khác đang được bán với giá ưu_đãi . Nhập mã HE2020 , khách_hàng được giảm 9 % cho đơn hàng thời_trang từ 350.000 đồng , tối_đa 50.000 đồng , áp_dụng một lần cho một khách trong thời_gian từ 4 đến 20 / 5 / 2020 . Xem chi_tiết tại đây . <br> Hoàng_Anh</code> |
|
319 |
+
| <code>Hai cao_thủ thể_hiện võ kungfu nấu món thịt lợn xào sa tế thu_hút người xem .</code> | <code>Chủ_nhật , 17 / 12 / 2023 <br> Mới nhất <br> Tin theo khu_vực <br> Hà_Nội <br> TP Hồ_Chí_Minh <br> International <br> Mới nhất <br> Thời_sự <br> Góc_nhìn <br> Thế_giới <br> Video <br> Podcasts <br> Kinh_doanh <br> Bất_động_sản <br> Khoa_học <br> Giải_trí <br> Thể_thao <br> Pháp_luật <br> Giáo_dục <br> Sức_khỏe <br> Đời_sống <br> Du_lịch <br> Số_hóa <br> Xe <br> Ý_kiến <br> Tâm_sự <br> Thư_giãn <br> Tất_cả <br> Trở_lại Thư_giãn <br> Thư_giãn <br> Cười <br> Chủ_nhật , 7 / 8 / 2022 , 17 : 00 ( GMT + 7 ) <br> Cao_thủ thể_hiện kungfu nấu_ăn <br> Hai cao_thủ thể_hiện võ kungfu nấu món thịt lợn xào sa tế thu_hút người xem . <br> Cao_thủ thể_hiện kungfu nấu_ăn <br> Mộc_Trà <br> ( <br> st <br> ) <br> Trở_lại Thư_giãn <br> Trở_lại Thư_giãn <br> Chia_sẻ <br> Copy link thành_công <br> ×</code> |
|
320 |
+
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
|
321 |
+
```json
|
322 |
+
{
|
323 |
+
"scale": 20.0,
|
324 |
+
"similarity_fct": "cos_sim"
|
325 |
+
}
|
326 |
+
```
|
327 |
+
|
328 |
+
### Training Hyperparameters
|
329 |
+
#### Non-Default Hyperparameters
|
330 |
+
|
331 |
+
- `per_device_train_batch_size`: 32
|
332 |
+
- `per_device_eval_batch_size`: 32
|
333 |
+
- `num_train_epochs`: 5
|
334 |
+
- `multi_dataset_batch_sampler`: round_robin
|
335 |
+
|
336 |
+
#### All Hyperparameters
|
337 |
+
<details><summary>Click to expand</summary>
|
338 |
+
|
339 |
+
- `overwrite_output_dir`: False
|
340 |
+
- `do_predict`: False
|
341 |
+
- `eval_strategy`: no
|
342 |
+
- `prediction_loss_only`: True
|
343 |
+
- `per_device_train_batch_size`: 32
|
344 |
+
- `per_device_eval_batch_size`: 32
|
345 |
+
- `per_gpu_train_batch_size`: None
|
346 |
+
- `per_gpu_eval_batch_size`: None
|
347 |
+
- `gradient_accumulation_steps`: 1
|
348 |
+
- `eval_accumulation_steps`: None
|
349 |
+
- `learning_rate`: 5e-05
|
350 |
+
- `weight_decay`: 0.0
|
351 |
+
- `adam_beta1`: 0.9
|
352 |
+
- `adam_beta2`: 0.999
|
353 |
+
- `adam_epsilon`: 1e-08
|
354 |
+
- `max_grad_norm`: 1
|
355 |
+
- `num_train_epochs`: 5
|
356 |
+
- `max_steps`: -1
|
357 |
+
- `lr_scheduler_type`: linear
|
358 |
+
- `lr_scheduler_kwargs`: {}
|
359 |
+
- `warmup_ratio`: 0.0
|
360 |
+
- `warmup_steps`: 0
|
361 |
+
- `log_level`: passive
|
362 |
+
- `log_level_replica`: warning
|
363 |
+
- `log_on_each_node`: True
|
364 |
+
- `logging_nan_inf_filter`: True
|
365 |
+
- `save_safetensors`: True
|
366 |
+
- `save_on_each_node`: False
|
367 |
+
- `save_only_model`: False
|
368 |
+
- `restore_callback_states_from_checkpoint`: False
|
369 |
+
- `no_cuda`: False
|
370 |
+
- `use_cpu`: False
|
371 |
+
- `use_mps_device`: False
|
372 |
+
- `seed`: 42
|
373 |
+
- `data_seed`: None
|
374 |
+
- `jit_mode_eval`: False
|
375 |
+
- `use_ipex`: False
|
376 |
+
- `bf16`: False
|
377 |
+
- `fp16`: False
|
378 |
+
- `fp16_opt_level`: O1
|
379 |
+
- `half_precision_backend`: auto
|
380 |
+
- `bf16_full_eval`: False
|
381 |
+
- `fp16_full_eval`: False
|
382 |
+
- `tf32`: None
|
383 |
+
- `local_rank`: 0
|
384 |
+
- `ddp_backend`: None
|
385 |
+
- `tpu_num_cores`: None
|
386 |
+
- `tpu_metrics_debug`: False
|
387 |
+
- `debug`: []
|
388 |
+
- `dataloader_drop_last`: False
|
389 |
+
- `dataloader_num_workers`: 0
|
390 |
+
- `dataloader_prefetch_factor`: None
|
391 |
+
- `past_index`: -1
|
392 |
+
- `disable_tqdm`: False
|
393 |
+
- `remove_unused_columns`: True
|
394 |
+
- `label_names`: None
|
395 |
+
- `load_best_model_at_end`: False
|
396 |
+
- `ignore_data_skip`: False
|
397 |
+
- `fsdp`: []
|
398 |
+
- `fsdp_min_num_params`: 0
|
399 |
+
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
|
400 |
+
- `fsdp_transformer_layer_cls_to_wrap`: None
|
401 |
+
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
|
402 |
+
- `deepspeed`: None
|
403 |
+
- `label_smoothing_factor`: 0.0
|
404 |
+
- `optim`: adamw_torch
|
405 |
+
- `optim_args`: None
|
406 |
+
- `adafactor`: False
|
407 |
+
- `group_by_length`: False
|
408 |
+
- `length_column_name`: length
|
409 |
+
- `ddp_find_unused_parameters`: None
|
410 |
+
- `ddp_bucket_cap_mb`: None
|
411 |
+
- `ddp_broadcast_buffers`: False
|
412 |
+
- `dataloader_pin_memory`: True
|
413 |
+
- `dataloader_persistent_workers`: False
|
414 |
+
- `skip_memory_metrics`: True
|
415 |
+
- `use_legacy_prediction_loop`: False
|
416 |
+
- `push_to_hub`: False
|
417 |
+
- `resume_from_checkpoint`: None
|
418 |
+
- `hub_model_id`: None
|
419 |
+
- `hub_strategy`: every_save
|
420 |
+
- `hub_private_repo`: False
|
421 |
+
- `hub_always_push`: False
|
422 |
+
- `gradient_checkpointing`: False
|
423 |
+
- `gradient_checkpointing_kwargs`: None
|
424 |
+
- `include_inputs_for_metrics`: False
|
425 |
+
- `eval_do_concat_batches`: True
|
426 |
+
- `fp16_backend`: auto
|
427 |
+
- `push_to_hub_model_id`: None
|
428 |
+
- `push_to_hub_organization`: None
|
429 |
+
- `mp_parameters`:
|
430 |
+
- `auto_find_batch_size`: False
|
431 |
+
- `full_determinism`: False
|
432 |
+
- `torchdynamo`: None
|
433 |
+
- `ray_scope`: last
|
434 |
+
- `ddp_timeout`: 1800
|
435 |
+
- `torch_compile`: False
|
436 |
+
- `torch_compile_backend`: None
|
437 |
+
- `torch_compile_mode`: None
|
438 |
+
- `dispatch_batches`: None
|
439 |
+
- `split_batches`: None
|
440 |
+
- `include_tokens_per_second`: False
|
441 |
+
- `include_num_input_tokens_seen`: False
|
442 |
+
- `neftune_noise_alpha`: None
|
443 |
+
- `optim_target_modules`: None
|
444 |
+
- `batch_eval_metrics`: False
|
445 |
+
- `batch_sampler`: batch_sampler
|
446 |
+
- `multi_dataset_batch_sampler`: round_robin
|
447 |
+
|
448 |
+
</details>
|
449 |
+
|
450 |
+
### Training Logs
|
451 |
+
| Epoch | Step | Training Loss |
|
452 |
+
|:------:|:----:|:-------------:|
|
453 |
+
| 1.9920 | 500 | 0.664 |
|
454 |
+
| 3.9841 | 1000 | 0.0512 |
|
455 |
+
|
456 |
+
|
457 |
+
### Framework Versions
|
458 |
+
- Python: 3.10.13
|
459 |
+
- Sentence Transformers: 3.0.1
|
460 |
+
- Transformers: 4.41.2
|
461 |
+
- PyTorch: 2.1.2
|
462 |
+
- Accelerate: 0.30.1
|
463 |
+
- Datasets: 2.19.2
|
464 |
+
- Tokenizers: 0.19.1
|
465 |
+
|
466 |
+
## Citation
|
467 |
+
|
468 |
+
### BibTeX
|
469 |
+
|
470 |
+
#### Sentence Transformers
|
471 |
+
```bibtex
|
472 |
+
@inproceedings{reimers-2019-sentence-bert,
|
473 |
+
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
|
474 |
+
author = "Reimers, Nils and Gurevych, Iryna",
|
475 |
+
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
|
476 |
+
month = "11",
|
477 |
+
year = "2019",
|
478 |
+
publisher = "Association for Computational Linguistics",
|
479 |
+
url = "https://arxiv.org/abs/1908.10084",
|
480 |
+
}
|
481 |
+
```
|
482 |
+
|
483 |
+
#### MultipleNegativesRankingLoss
|
484 |
+
```bibtex
|
485 |
+
@misc{henderson2017efficient,
|
486 |
+
title={Efficient Natural Language Response Suggestion for Smart Reply},
|
487 |
+
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},
|
488 |
+
year={2017},
|
489 |
+
eprint={1705.00652},
|
490 |
+
archivePrefix={arXiv},
|
491 |
+
primaryClass={cs.CL}
|
492 |
+
}
|
493 |
+
```
|
494 |
+
|
495 |
+
<!--
|
496 |
+
## Glossary
|
497 |
+
|
498 |
+
*Clearly define terms in order to be accessible across audiences.*
|
499 |
+
-->
|
500 |
+
|
501 |
+
<!--
|
502 |
+
## Model Card Authors
|
503 |
+
|
504 |
+
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
|
505 |
+
-->
|
506 |
+
|
507 |
+
<!--
|
508 |
+
## Model Card Contact
|
509 |
+
|
510 |
+
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
|
511 |
+
-->
|
contrastive-with-filter/added_tokens.json
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"<mask>": 64000
|
3 |
+
}
|
contrastive-with-filter/bpe.codes
ADDED
The diff for this file is too large to render.
See raw diff
|
|
contrastive-with-filter/config.json
ADDED
@@ -0,0 +1,28 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"_name_or_path": "vinai/phobert-base-v2",
|
3 |
+
"architectures": [
|
4 |
+
"RobertaModel"
|
5 |
+
],
|
6 |
+
"attention_probs_dropout_prob": 0.1,
|
7 |
+
"bos_token_id": 0,
|
8 |
+
"classifier_dropout": null,
|
9 |
+
"eos_token_id": 2,
|
10 |
+
"hidden_act": "gelu",
|
11 |
+
"hidden_dropout_prob": 0.1,
|
12 |
+
"hidden_size": 768,
|
13 |
+
"initializer_range": 0.02,
|
14 |
+
"intermediate_size": 3072,
|
15 |
+
"layer_norm_eps": 1e-05,
|
16 |
+
"max_position_embeddings": 258,
|
17 |
+
"model_type": "roberta",
|
18 |
+
"num_attention_heads": 12,
|
19 |
+
"num_hidden_layers": 12,
|
20 |
+
"pad_token_id": 1,
|
21 |
+
"position_embedding_type": "absolute",
|
22 |
+
"tokenizer_class": "PhobertTokenizer",
|
23 |
+
"torch_dtype": "float32",
|
24 |
+
"transformers_version": "4.41.2",
|
25 |
+
"type_vocab_size": 1,
|
26 |
+
"use_cache": true,
|
27 |
+
"vocab_size": 64001
|
28 |
+
}
|
contrastive-with-filter/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": "2.1.2"
|
6 |
+
},
|
7 |
+
"prompts": {},
|
8 |
+
"default_prompt_name": null,
|
9 |
+
"similarity_fn_name": null
|
10 |
+
}
|
contrastive-with-filter/model.safetensors
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:cd590806e0d2192a588ffa74239daf8243d85e5f961d0eda540027a7437aaecb
|
3 |
+
size 540015464
|
contrastive-with-filter/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 |
+
]
|
contrastive-with-filter/sentence_bert_config.json
ADDED
@@ -0,0 +1,4 @@
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"max_seq_length": 256,
|
3 |
+
"do_lower_case": false
|
4 |
+
}
|
contrastive-with-filter/special_tokens_map.json
ADDED
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"bos_token": "<s>",
|
3 |
+
"cls_token": "<s>",
|
4 |
+
"eos_token": "</s>",
|
5 |
+
"mask_token": "<mask>",
|
6 |
+
"pad_token": "<pad>",
|
7 |
+
"sep_token": "</s>",
|
8 |
+
"unk_token": "<unk>"
|
9 |
+
}
|
contrastive-with-filter/tokenizer_config.json
ADDED
@@ -0,0 +1,54 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"added_tokens_decoder": {
|
3 |
+
"0": {
|
4 |
+
"content": "<s>",
|
5 |
+
"lstrip": false,
|
6 |
+
"normalized": false,
|
7 |
+
"rstrip": false,
|
8 |
+
"single_word": false,
|
9 |
+
"special": true
|
10 |
+
},
|
11 |
+
"1": {
|
12 |
+
"content": "<pad>",
|
13 |
+
"lstrip": false,
|
14 |
+
"normalized": false,
|
15 |
+
"rstrip": false,
|
16 |
+
"single_word": false,
|
17 |
+
"special": true
|
18 |
+
},
|
19 |
+
"2": {
|
20 |
+
"content": "</s>",
|
21 |
+
"lstrip": false,
|
22 |
+
"normalized": false,
|
23 |
+
"rstrip": false,
|
24 |
+
"single_word": false,
|
25 |
+
"special": true
|
26 |
+
},
|
27 |
+
"3": {
|
28 |
+
"content": "<unk>",
|
29 |
+
"lstrip": false,
|
30 |
+
"normalized": false,
|
31 |
+
"rstrip": false,
|
32 |
+
"single_word": false,
|
33 |
+
"special": true
|
34 |
+
},
|
35 |
+
"64000": {
|
36 |
+
"content": "<mask>",
|
37 |
+
"lstrip": false,
|
38 |
+
"normalized": false,
|
39 |
+
"rstrip": false,
|
40 |
+
"single_word": false,
|
41 |
+
"special": true
|
42 |
+
}
|
43 |
+
},
|
44 |
+
"bos_token": "<s>",
|
45 |
+
"clean_up_tokenization_spaces": true,
|
46 |
+
"cls_token": "<s>",
|
47 |
+
"eos_token": "</s>",
|
48 |
+
"mask_token": "<mask>",
|
49 |
+
"model_max_length": 256,
|
50 |
+
"pad_token": "<pad>",
|
51 |
+
"sep_token": "</s>",
|
52 |
+
"tokenizer_class": "PhobertTokenizer",
|
53 |
+
"unk_token": "<unk>"
|
54 |
+
}
|
contrastive-with-filter/vocab.txt
ADDED
The diff for this file is too large to render.
See raw diff
|
|
contrastive-without-filter/1_Pooling/config.json
ADDED
@@ -0,0 +1,10 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"word_embedding_dimension": 768,
|
3 |
+
"pooling_mode_cls_token": true,
|
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 |
+
}
|
contrastive-without-filter/README.md
ADDED
@@ -0,0 +1,480 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
---
|
2 |
+
language: []
|
3 |
+
library_name: sentence-transformers
|
4 |
+
tags:
|
5 |
+
- sentence-transformers
|
6 |
+
- sentence-similarity
|
7 |
+
- feature-extraction
|
8 |
+
- generated_from_trainer
|
9 |
+
- dataset_size:10000
|
10 |
+
- loss:MultipleNegativesRankingLoss
|
11 |
+
base_model: vinai/phobert-base-v2
|
12 |
+
datasets: []
|
13 |
+
widget:
|
14 |
+
- source_sentence: Kho báu của người Minos được khai_quật trên đảo hoang ở Hy lạp
|
15 |
+
chứa tiền và nhiều đồ trang_sức giá_trị .
|
16 |
+
sentences:
|
17 |
+
- "Bộ Văn_hóa Hy Lạp hôm 1 / 11 công_bố phát_hiện một kho báu lớn trên hòn đảo không\
|
18 |
+
\ người ở Chrysi nằm giữa biển Libya , cách đảo lớn Crete 15 km về phía nam .\
|
19 |
+
\ Nó được xác_định có niên_đại_từ thời_kỳ đồ đồng cách đây khoảng 3.800 năm .\
|
20 |
+
\ \n Kho báu chứa nhiều đồ trang_sức bằng vàng , chuỗi hạt thủy_tinh và tiền đồng\
|
21 |
+
\ talăng - đơn_vị tiền_tệ chung của người Hy Lạp cổ_đại . Một_số chuỗi hạt có\
|
22 |
+
\ nguồn_gốc từ Ai Cập . Bên cạnh khối tài_sản giá_trị , các nhà khảo_cổ_học còn\
|
23 |
+
\ khai_quật được một_số hài_cốt , bể cá cổ_xưa và một lượng lớn bột Porphyry -\
|
24 |
+
\ chất nhuộm màu tím được tạo ra từ ốc_sên biển . \n \" Nhiều vỏ ốc vỡ đã được\
|
25 |
+
\ phát_hiện , cho thấy việc sản_xuất thuốc_nhuộm Porphyry ra_đời từ rất sớm ở\
|
26 |
+
\ Địa_Trung_Hải \" , Bộ Văn_hóa cho biết . \" Tất_cả đã tạo nên một trong những\
|
27 |
+
\ kho báu quan_trọng nhất của người Minos từng được tìm thấy ở Hy Lạp \" . \n\
|
28 |
+
\ Nền văn_minh Minos được biết đến là những người tiên_phong trong lĩnh_vực hàng_hải\
|
29 |
+
\ . Họ phát_triển phồn_thịnh trong thời_đại đồ đồng , thống_trị đảo Crete và vùng_biển\
|
30 |
+
\ Aegea trong khoảng thời_gian từ năm 2700 đến 1450 trước Công_nguyên , trước\
|
31 |
+
\ khi bị thay_thế bởi nền văn_minh Mycenae . \n Đoàn_Dương ( Theo AFP )"
|
32 |
+
- "Ngày 12 / 3 , Sở Thông_tin - Truyền_thông Quảng_Nam cho biết Chánh Thanh_tra\
|
33 |
+
\ Nguyễn_Văn_Nam ký quyết_định phạt hành_chính 12,5 triệu đồng đối_với Nguyễn\
|
34 |
+
\ Tống_Dũ , xã Đại_Hiệp , huyện Đại_Lộc . \n Nhà chức_trách xác_định ông Dũ vi_phạm\
|
35 |
+
\ hành_chính trong lĩnh_vực bưu_chính , viễn_thông , công_nghệ thông_tin và tần_số\
|
36 |
+
\ vô_tuyến . \n Trước đó , ngày 24 / 2 , ông Dũ đăng thông_tin trên Facebook với\
|
37 |
+
\ nội_dung \" học_sinh chưa thể đến trường , giám_đốc sở giáo_dục Quảng_Nam chuẩn_bị\
|
38 |
+
\ nhận án kỷ_luật \" và xóa sau thời_gian ngắn . \n Đến nay , Quảng_Nam đã ghi_nhận\
|
39 |
+
\ hai ca dương_tính nCoV là \" bệnh_nhân 31 \" và \" bệnh_nhân 33 \" . Để phòng_chống\
|
40 |
+
\ dịch nCoV , tỉnh đã cho học_sinh đến ngày 15 / 3 ."
|
41 |
+
- "Nếu phải chọn một trong hai loại thực_phẩm dưới đây để ăn thường_xuyên và không\
|
42 |
+
\ thay_đổi trong thời_gian dài , bạn sẽ chọn loại nào ? \n Alexandra_V"
|
43 |
+
- source_sentence: Chelsea bổ_nhiệm huyền_thoại người CH Czech vào vai_trò cố_vấn
|
44 |
+
kỹ_thuật và chuyên_môn . - VnExpress
|
45 |
+
sentences:
|
46 |
+
- "\" Tôi rất vinh_dự khi gia_nhập Chelsea một lần nữa . Trách_nhiệm của tôi là\
|
47 |
+
\ giúp CLB có hiệu_suất cao nhất có_thể , nối_tiếp thành_công mà Chelsea đã đạt\
|
48 |
+
\ trong 15 năm qua \" , Cech nói trong lễ ra_mắt hôm 20 / 6 . \" Tôi chờ_đợi những\
|
49 |
+
\ thử_thách mới , hy_vọng kiến_thức và kinh_nghiệm của tôi sẽ giúp Chelsea thành_công\
|
50 |
+
\ hơn nữa \" . \n Theo Sky_Sports , vai_trò mới của cựu_thủ_môn 37 tuổi ở Chelsea\
|
51 |
+
\ là cố_vấn mọi mặt liên_quan tới bóng_đá cũng như tăng_cường năng_lực của đội\
|
52 |
+
\ . Anh cũng làm nhiệm_vụ kết_nối giữa học_viện và đội một . \n Cech sẽ làm_việc\
|
53 |
+
\ chủ_yếu tại đại bản_doanh Cobham , sát_cánh với Giám_đốc Marina_Granovskaia\
|
54 |
+
\ , người được mệnh_danh là \" Bà đầm thép \" của Chelsea . Cech cũng theo đội\
|
55 |
+
\ trong các trận_đấu trên sân_nhà lẫn sân_khách . \n Giám_đốc Granovskaia hoan_nghênh\
|
56 |
+
\ sự trở_lại của Cech : \" Chúng_tôi rất vui_mừng được chào_đón Petr trở về mái\
|
57 |
+
\ nhà Chelsea \" . \n Cech tiếp_quản một_số công_việc của Michael_Emenalo , người\
|
58 |
+
\ đã rời khỏi vị_trí Giám_đốc kỹ_thuật của Chelsea để gia_nhập Monaco vào tháng\
|
59 |
+
\ 11 / 2017 . Trở_lại Chelsea là bước_đi đầu_tiên của Cech sau khi giải_nghệ .\
|
60 |
+
\ Trong trận cuối_cùng của sự_nghiệp cầu_thủ , Cech khoác_áo Arsenal chống lại\
|
61 |
+
\ chính Chelsea ở chung_kết Europa_League . \n Cech chơi 11 mùa giải cho Chelsea\
|
62 |
+
\ , giành 13 danh_hiệu trong đó có bốn chức vô_địch Ngoại_hạng Anh , bốn Cup FA\
|
63 |
+
\ , một Champions_League và một Europa_League trước khi gia_nhập Arsenal vào năm\
|
64 |
+
\ 2015 . Trong màu áo \" Pháo_Thủ \" , anh có thêm một Cup_FA. \n Thảo_Nguyên"
|
65 |
+
- "Cao_Triệu Khánh_Ly \n | \n Ngoisao . net phối_hợp Công_ty Cổ_phần Bibica tổ_chức\
|
66 |
+
\ cuộc thi \" Cả nhà cũng vẽ ước_mơ \" từ ngày 10 / 8 đến ngày 6 / 9 . Độc_giả\
|
67 |
+
\ có_thể chia_sẻ mọi ước_mơ của bản_thân , cho gia_đình hoặc cộng_đồng . \n Ban\
|
68 |
+
\ tổ_chức sẽ chọn 3 bài dự thi chất_lượng nhất để trao 2 triệu đồng_tiền_mặt mỗi\
|
69 |
+
\ tuần . Một giải_thưởng tháng trị_giá 5 triệu đồng_tiền_mặt . Độc_giả gửi bài\
|
70 |
+
\ thi tại đây , dưới dạng bài viết ( kèm 1 - 3 ảnh ) ; bài ảnh ( tối_đa 12 ảnh\
|
71 |
+
\ ) ; video hoặc hình_vẽ thể_hiện ước_mơ . \n Mỗi bài dự thi sẽ đóng_góp một bộ\
|
72 |
+
\ sách giáo_khoa tặng học_sinh nghèo trong năm_học mới . Độc_giả còn có_thể đóng_góp\
|
73 |
+
\ cho chương_trình tặng sách giáo_khoa , bữa xế và xe_đạp cho trẻ_em nghèo bằng\
|
74 |
+
\ cách mua hàng trực_tuyến trên website Bibica hoặc mua trực_tiếp các sản_phẩm\
|
75 |
+
\ của Bibica tại các cửa_hàng trên toàn_quốc . Tham_gia chia_sẻ # HURAtiepsucdentruong\
|
76 |
+
\ trên facebook cá_nhân hoặc hội nhóm để đóng_góp 5.000 đồng một hashtag cho chương_trình\
|
77 |
+
\ ."
|
78 |
+
- "Ngày 9 / 1 , Quốc và 4 người khác bị Công_an TP Buôn_Ma_Thuột tạm giữ , điều_tra\
|
79 |
+
\ về hành_vi Đánh_bạc ; Tổ_chức đánh_bạc . \n Hai hôm trước , khi đột_kích sới\
|
80 |
+
\ bạc , cảnh_sát thu_giữ tại hiện_trường gần 100 triệu đồng , 30 điện_thoại và\
|
81 |
+
\ nhiều tang_vật khác . \n Theo điều_tra , Quốc tổ_chức đá gà ăn_tiền trong rẫy\
|
82 |
+
\ cà_phê gần một tháng nay , mỗi độ ăn_thua 1 - 10 triệu đồng . Để tránh bị phát_hiện\
|
83 |
+
\ , anh ta thường_xuyên thay_đổi địa_điểm sát_phạt , thuê người cảnh_giới vòng\
|
84 |
+
\ ngoài . \n Trần_Hoá"
|
85 |
+
- source_sentence: Cô_dâu mặc chiếc váy được làm từ lá cờ in khẩu_hiệu " Đưa nước
|
86 |
+
Mỹ vĩ_đại trở_lại " , trong khi khách mời cũng đội mũ in dòng chữ này .
|
87 |
+
sentences:
|
88 |
+
- "Phía sau những tòa nhà cao , vết_tích bom B - 52 vẫn còn trên phố Khâm_Thiên\
|
89 |
+
\ , trong lễ giỗ chung của 287 người bị bom sát_hại năm 1972 . \n Ngọc_Thành"
|
90 |
+
- "Sảnh ngân_hàng ưu_tiên ( ACB Privilege_Banking ) tại Buôn_Ma_Thuột là mô_hình\
|
91 |
+
\ thứ 10 trên toàn hệ_thống ACB. Không_gian này đáp_ứng sự gia_tăng về nhu_cầu\
|
92 |
+
\ của nhóm khách cao_cấp . \n Trong 5 năm qua , ACB Privilege_Banking mở_rộng\
|
93 |
+
\ quy_mô , phục_vụ hàng nghìn khách_hàng cao_cấp trên toàn_quốc . Trung_tâm có\
|
94 |
+
\ mô_hình chuyên_biệt , đội_ngũ chuyên_viên tư_vấn chuyên_môn cao cùng nhiều đặc_quyền\
|
95 |
+
\ như phòng chờ sân_bay , đặc_quyền golf , ẩm_thực , du_lịch . \n Khách_hàng có_thể\
|
96 |
+
\ trải nghiệm mô_hình tại lầu 3 , tòa nhà ACB , số 152 - 156 Y_Jut , phường Thắng_Lợi\
|
97 |
+
\ , thành_phố Buôn_Ma_Thuột , Đăk_Lăk . Sự_kiện khai_trương có chủ_đề \" Sắc_màu\
|
98 |
+
\ Tây_Nguyên \" , giới_thiệu nghệ_thuật văn_hóa cà_phê cùng các loại nông_sản\
|
99 |
+
\ đặc_trưng . Chương_trình mang đến cơ_hội để kết_nối các doanh_nghiệp trong hệ\
|
100 |
+
\ sinh_thái khách_hàng ACB , mở ra nhiều cơ_hội hợp_tác kinh_doanh . \n Minh_Huy"
|
101 |
+
- "Audra và Jeff_Johnson làm đám_cưới hôm 4 / 7 , trùng ngày quốc_khánh Mỹ , tại\
|
102 |
+
\ Kalamazoo , bang Michigan , Mỹ trong sự chúc phúc của gia_đình và bạn_bè , những\
|
103 |
+
\ người đội chiếc mũ in dòng chữ \" Đưa nước Mỹ vĩ_đại trở_lại \" , khẩu_hiệu\
|
104 |
+
\ tranh_cử năm 2016 của Tổng_thống Donald_Trump . \n \" Cứ như nước Mỹ bao_phủ\
|
105 |
+
\ toàn_bộ đám_cưới của tôi và tôi không hề hối_tiếc \" , cô_dâu Audra_Johnson\
|
106 |
+
\ chia_sẻ . Audra cho biết ngoài việc tôn_vinh tình_yêu , vợ_chồng cô quyết_định\
|
107 |
+
\ biến đám_cưới thành nơi vinh_danh Trump và mọi chi_tiết đều được chuẩn_bị công_phu\
|
108 |
+
\ . Ngay cả móng tay của cô_dâu cũng được sơn giống như cờ Mỹ . \n \" Váy cưới\
|
109 |
+
\ được lấy ý_tưởng từ thiết_kế của Andre_Soriano . Thật_ra váy cưới được làm từ\
|
110 |
+
\ một lá cờ ' Đưa nước Mỹ vĩ_đại trở_lại ' và nó đã trở_thành_tâm_điểm của đám_cưới\
|
111 |
+
\ \" , Audra nói . Nhà_thiết_kế Soriano đã tạo ra chiếc váy in khẩu_hiệu của Trump\
|
112 |
+
\ cho nữ ca_sĩ Joy Villa mặc tới thảm_đỏ lễ trao giải Grammy 2017 . \n Dù chủ_đề\
|
113 |
+
\ vinh_danh Trump , cặp vợ_chồng chào_đón tất_cả mọi người cùng đến dự , bao_gồm\
|
114 |
+
\ những người theo đảng Dân_chủ . Một_số người từ_chối đội chiếc mũ có in khẩu_hiệu\
|
115 |
+
\ của Trump . Bố chú_rể cũng không tới đám_cưới vì ông không ủng_hộ Trump . \n\
|
116 |
+
\ Audra cho biết nếu được mời tới đám_cưới theo chủ_đề của cựu tổng_thống Barack_Obama\
|
117 |
+
\ , cô sẽ vui_vẻ nhận_lời . \n Huyền_Lê ( Theo Fox )"
|
118 |
+
- source_sentence: Mua_đồ ăn trữ sẵn trong nhà nhưng quên ăn khiến những quả trứng
|
119 |
+
vịt lộn treo trong bếp đã nở con .
|
120 |
+
sentences:
|
121 |
+
- "Mua_đồ ăn trữ sẵn trong nhà nhưng quên ăn khiến những quả trứng vịt lộn treo\
|
122 |
+
\ trong bếp đã nở con . \n Xuka ( st )"
|
123 |
+
- "Ca_sĩ nói : \" Là người chồng , cha trong gia_đình , tôi mong góp tiếng_nói tích_cực\
|
124 |
+
\ kêu_gọi cộng_đồng cùng hưởng_ứng_chiến_dịch \" . Hoạt_động được nhiều nghệ_sĩ\
|
125 |
+
\ hưởng_ứng như : Hoa_hậu H ' Hen_Niê , diễn_viên Bảo_Thanh , ca_sĩ Trọng Hiếu\
|
126 |
+
\ , MC Minh_Trang , diễn_viên Kim_Lý ... \n Trước đó , ca_sĩ cùng con_trai đầu\
|
127 |
+
\ - bé Tê_Giác - làm đại_sứ khách mời trong chiến_dịch kêu_gọi bảo_vệ tê_giác\
|
128 |
+
\ của WildAid . \n Chiến_dịch Trái_tim xanh do UNICEF tại Việt_Nam phát_động .\
|
129 |
+
\ Ca_sĩ Hoàng_Bách - sinh năm 1980 , cựu thành_viên nhóm AC & M. Sau thời_gian\
|
130 |
+
\ vượt qua trầm_cảm , anh lập ban nhạc mới Bach20_Band và phát_triển theo hướng\
|
131 |
+
\ truyền_cảm_hứng cho cộng_đồng . Vợ_chồng ca_sĩ đón con thứ ba vào năm 2019 ."
|
132 |
+
- "Khi muỗi vừa chích vào da , bị phát_hiện , chúng rút vòi bay đi ta thấy ngứa\
|
133 |
+
\ nhưng khi hút máu căng bụng thì không ? Tại_sao ? ( Tư ) \n Ảnh minh_họa : ST.\
|
134 |
+
\ \n Mời độc_giả đặt câu hỏi tại đây"
|
135 |
+
- source_sentence: Vòi xịt vệ_sinh , phễu thoát sàn , móc treo quần_áo ... bằng inox
|
136 |
+
, lắp_đặt đơn_giản , với chi_phí tiết_kiệm từ 85.000 đồng trên Shop VnExpress
|
137 |
+
. - VnExpress
|
138 |
+
sentences:
|
139 |
+
- "Shop VnExpress gợi_ý những phụ_kiện inox dùng trong gia_đình đang bán_chạy thời_gian\
|
140 |
+
\ qua , giúp góp_phần làm mới không_gian sống trong gia_đình . \n Shop VnExpress\
|
141 |
+
\ đang giảm_giá hàng chục nghìn mặt_hàng thời_trang , gia_dụng , nội_thất , mỹ_phẩm\
|
142 |
+
\ , nhu yếu_phẩm ... Đặt_hàng trong thời_gian này , nhập mã \" NHAMOI08 \" , người\
|
143 |
+
\ mua được giảm 8 % ( tối_đa 60.000 đồng ) cho đơn hàng nội_thất từ 400.000 đồng\
|
144 |
+
\ . Xem thêm tại đây . \n Thư_Kỳ"
|
145 |
+
- Ông chồng no đòn vì nói_xấu vợ khi đang nhậu Bác Ba_Phi ( st ) Cách vợ trừng_trị
|
146 |
+
chồng say rượu Chồng quay quán chè cho vợ xem khi trốn đi nhậu
|
147 |
+
- "Tòa_thánh Vatican hôm_qua tuyên_bố vấn_đề sức_khỏe đã khiến Giáo_hoàng 83 tuổi\
|
148 |
+
\ không_thể đến gặp các giáo_sĩ Rome và cử_hành Thánh lễ sám_hối khi bắt_đầu Mùa\
|
149 |
+
\ Chay tại thánh_đường St John Laterantheo theo kế_hoạch ban_đầu . \n Giáo_hoàng\
|
150 |
+
\ Francis vẫn thực_hiện nốt những công_việc đã lên kế_hoạch , nhưng ông muốn \"\
|
151 |
+
\ ở gần Santa Marta hơn \" . Tòa_thánh Vatican không nói rõ biểu_hiện bệnh của\
|
152 |
+
\ Giáo_hoàng , song trong buổi Thánh lễ hôm 26 / 2 , ông bị ho và hắt_hơi . \n\
|
153 |
+
\ Trong buổi lễ tại Quảng_trường St . Peter , Giáo_hoàng đã bày_tỏ sự ủng_hộ đối_với\
|
154 |
+
\ những bệnh_nhân nhiễm virus corona . \" Một lần nữa , tôi muốn thể_hiện sự đồng_hành\
|
155 |
+
\ với những người nhiễm nCoV cũng như những nhân_viên y_tế đang chăm_sóc cho họ\
|
156 |
+
\ \" , Giáo_hoàng Francis nói . \n Tình_trạng sức_khỏe của Giáo_hoàng được thông_báo\
|
157 |
+
\ trong bối_cảnh dịch Covid - 19 lan rộng ở Italy , khiến hơn 600 người nhiễm_bệnh\
|
158 |
+
\ và 17 người tử_vong , hầu_hết đều ở khu_vực miền bắc nước này . Rome báo_cáo\
|
159 |
+
\ ba trường_hợp nhiễm nCoV nhưng đều hồi_phục . \n Giáo_hoàng Francis không đặc_biệt\
|
160 |
+
\ tiếp_xúc với những người mắc virus corona , nhưng đã gặp_gỡ và bắt_tay các tín_đồ\
|
161 |
+
\ trong buổi Thánh lễ hôm 26 / 2 . Ông cũng hôn một em bé ở Quảng_trường Thánh_Peter\
|
162 |
+
\ và ôm hôn chào_đón các linh_mục đến thăm . \n Dịch_Covid - 19 khởi_phát ở Trung_Quốc\
|
163 |
+
\ từ tháng 12 / 2019 , tới nay đã xuất_hi���n ở 51 quốc_gia và vùng lãnh_thổ , khiến\
|
164 |
+
\ hơn 83.000 người nhiễm_bệnh , hơn 2.800 ca tử_vong . \n Ngọc_Ánh ( Theo NY_Post\
|
165 |
+
\ )"
|
166 |
+
pipeline_tag: sentence-similarity
|
167 |
+
---
|
168 |
+
|
169 |
+
# SentenceTransformer based on vinai/phobert-base-v2
|
170 |
+
|
171 |
+
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 1536-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
|
172 |
+
|
173 |
+
## Model Details
|
174 |
+
|
175 |
+
### Model Description
|
176 |
+
- **Model Type:** Sentence Transformer
|
177 |
+
- **Base model:** [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2) <!-- at revision 2b51e367d92093c9688112098510e6a58bab67cd -->
|
178 |
+
- **Maximum Sequence Length:** 256 tokens
|
179 |
+
- **Output Dimensionality:** 1536 tokens
|
180 |
+
- **Similarity Function:** Cosine Similarity
|
181 |
+
<!-- - **Training Dataset:** Unknown -->
|
182 |
+
<!-- - **Language:** Unknown -->
|
183 |
+
<!-- - **License:** Unknown -->
|
184 |
+
|
185 |
+
### Model Sources
|
186 |
+
|
187 |
+
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
|
188 |
+
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
|
189 |
+
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
|
190 |
+
|
191 |
+
### Full Model Architecture
|
192 |
+
|
193 |
+
```
|
194 |
+
SentenceTransformer(
|
195 |
+
(0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: RobertaModel
|
196 |
+
(1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, '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})
|
197 |
+
)
|
198 |
+
```
|
199 |
+
|
200 |
+
## Usage
|
201 |
+
|
202 |
+
### Direct Usage (Sentence Transformers)
|
203 |
+
|
204 |
+
First install the Sentence Transformers library:
|
205 |
+
|
206 |
+
```bash
|
207 |
+
pip install -U sentence-transformers
|
208 |
+
```
|
209 |
+
|
210 |
+
Then you can load this model and run inference.
|
211 |
+
```python
|
212 |
+
from sentence_transformers import SentenceTransformer
|
213 |
+
|
214 |
+
# Download from the 🤗 Hub
|
215 |
+
model = SentenceTransformer("sentence_transformers_model_id")
|
216 |
+
# Run inference
|
217 |
+
sentences = [
|
218 |
+
'Vòi xịt vệ_sinh , phễu thoát sàn , móc treo quần_áo ... bằng inox , lắp_đặt đơn_giản , với chi_phí tiết_kiệm từ 85.000 đồng trên Shop VnExpress . - VnExpress',
|
219 |
+
'Shop VnExpress gợi_ý những phụ_kiện inox dùng trong gia_đình đang bán_chạy thời_gian qua , giúp góp_phần làm mới không_gian sống trong gia_đình . \n Shop VnExpress đang giảm_giá hàng chục nghìn mặt_hàng thời_trang , gia_dụng , nội_thất , mỹ_phẩm , nhu yếu_phẩm ... Đặt_hàng trong thời_gian này , nhập mã " NHAMOI08 " , người mua được giảm 8 % ( tối_đa 60.000 đồng ) cho đơn hàng nội_thất từ 400.000 đồng . Xem thêm tại đây . \n Thư_Kỳ',
|
220 |
+
'Tòa_thánh Vatican hôm_qua tuyên_bố vấn_đề sức_khỏe đã khiến Giáo_hoàng 83 tuổi không_thể đến gặp các giáo_sĩ Rome và cử_hành Thánh lễ sám_hối khi bắt_đầu Mùa Chay tại thánh_đường St John Laterantheo theo kế_hoạch ban_đầu . \n Giáo_hoàng Francis vẫn thực_hiện nốt những công_việc đã lên kế_hoạch , nhưng ông muốn " ở gần Santa Marta hơn " . Tòa_thánh Vatican không nói rõ biểu_hiện bệnh của Giáo_hoàng , song trong buổi Thánh lễ hôm 26 / 2 , ông bị ho và hắt_hơi . \n Trong buổi lễ tại Quảng_trường St . Peter , Giáo_hoàng đã bày_tỏ sự ủng_hộ đối_với những bệnh_nhân nhiễm virus corona . " Một lần nữa , tôi muốn thể_hiện sự đồng_hành với những người nhiễm nCoV cũng như những nhân_viên y_tế đang chăm_sóc cho họ " , Giáo_hoàng Francis nói . \n Tình_trạng sức_khỏe của Giáo_hoàng được thông_báo trong bối_cảnh dịch Covid - 19 lan rộng ở Italy , khiến hơn 600 người nhiễm_bệnh và 17 người tử_vong , hầu_hết đều ở khu_vực miền bắc nước này . Rome báo_cáo ba trường_hợp nhiễm nCoV nhưng đều hồi_phục . \n Giáo_hoàng Francis không đặc_biệt tiếp_xúc với những người mắc virus corona , nhưng đã gặp_gỡ và bắt_tay các tín_đồ trong buổi Thánh lễ hôm 26 / 2 . Ông cũng hôn một em bé ở Quảng_trường Thánh_Peter và ôm hôn chào_đón các linh_mục đến thăm . \n Dịch_Covid - 19 khởi_phát ở Trung_Quốc từ tháng 12 / 2019 , tới nay đã xuất_hiện ở 51 quốc_gia và vùng lãnh_thổ , khiến hơn 83.000 người nhiễm_bệnh , hơn 2.800 ca tử_vong . \n Ngọc_Ánh ( Theo NY_Post )',
|
221 |
+
]
|
222 |
+
embeddings = model.encode(sentences)
|
223 |
+
print(embeddings.shape)
|
224 |
+
# [3, 1536]
|
225 |
+
|
226 |
+
# Get the similarity scores for the embeddings
|
227 |
+
similarities = model.similarity(embeddings, embeddings)
|
228 |
+
print(similarities.shape)
|
229 |
+
# [3, 3]
|
230 |
+
```
|
231 |
+
|
232 |
+
<!--
|
233 |
+
### Direct Usage (Transformers)
|
234 |
+
|
235 |
+
<details><summary>Click to see the direct usage in Transformers</summary>
|
236 |
+
|
237 |
+
</details>
|
238 |
+
-->
|
239 |
+
|
240 |
+
<!--
|
241 |
+
### Downstream Usage (Sentence Transformers)
|
242 |
+
|
243 |
+
You can finetune this model on your own dataset.
|
244 |
+
|
245 |
+
<details><summary>Click to expand</summary>
|
246 |
+
|
247 |
+
</details>
|
248 |
+
-->
|
249 |
+
|
250 |
+
<!--
|
251 |
+
### Out-of-Scope Use
|
252 |
+
|
253 |
+
*List how the model may foreseeably be misused and address what users ought not to do with the model.*
|
254 |
+
-->
|
255 |
+
|
256 |
+
<!--
|
257 |
+
## Bias, Risks and Limitations
|
258 |
+
|
259 |
+
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
|
260 |
+
-->
|
261 |
+
|
262 |
+
<!--
|
263 |
+
### Recommendations
|
264 |
+
|
265 |
+
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
|
266 |
+
-->
|
267 |
+
|
268 |
+
## Training Details
|
269 |
+
|
270 |
+
### Training Dataset
|
271 |
+
|
272 |
+
#### Unnamed Dataset
|
273 |
+
|
274 |
+
|
275 |
+
* Size: 10,000 training samples
|
276 |
+
* Columns: <code>sentence_0</code> and <code>sentence_1</code>
|
277 |
+
* Approximate statistics based on the first 1000 samples:
|
278 |
+
| | sentence_0 | sentence_1 |
|
279 |
+
|:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
|
280 |
+
| type | string | string |
|
281 |
+
| details | <ul><li>min: 5 tokens</li><li>mean: 27.83 tokens</li><li>max: 87 tokens</li></ul> | <ul><li>min: 21 tokens</li><li>mean: 149.67 tokens</li><li>max: 256 tokens</li></ul> |
|
282 |
+
* Samples:
|
283 |
+
| sentence_0 | sentence_1 |
|
284 |
+
|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
|
285 |
+
| <code>Bạn mất bao_lâu để nghĩ ra đáp_án cho câu thành_ngữ này ? - VnExpress</code> | <code>Thứ_sáu , 15 / 12 / 2023 <br> Mới nhất <br> Tin theo khu_vực <br> Hà_Nội <br> TP Hồ_Chí_Minh <br> International <br> Mới nhất <br> Thời_sự <br> Góc_nhìn <br> Thế_giới <br> Video <br> Podcasts <br> Kinh_doanh <br> Bất_động_sản <br> Khoa_học <br> Giải_trí <br> Thể_thao <br> Pháp_luật <br> Giáo_dục <br> Sức_khỏe <br> Đời_sống <br> Du_lịch <br> Số_hóa <br> Xe <br> Ý_kiến <br> Tâm_sự <br> Thư_giãn <br> Tất_cả <br> Trở_lại Thư_giãn <br> Thư_giãn <br> Đố_vui <br> Thứ_tư , 15 / 3 / 2023 , 00 : 01 ( GMT + 7 ) <br> Đoán câu thành_ngữ trong 3 giây , bạn có_thể ? <br> Bạn mất bao_lâu để nghĩ ra đáp_án cho câu thành_ngữ này ? <br> >> Xem đáp_án <br> Mộc_Trà <br> ( <br> st <br> ) <br> Trở_lại Thư_giãn <br> Trở_lại Thư_giãn <br> Chia_sẻ <br> Copy link thành_công <br> ×</code> |
|
286 |
+
| <code>Tôm sốt với ớt xanh , ớt đỏ thơm thơm , thấm vị đậm_đà , chế_biến nhanh , đơn_giản . - Ngôi_sao</code> | <code>Nguyên_liệu : <br> - Tôm : 250 gr <br> - Ớt xanh : 1 quả <br> - Ớt đỏ : 1 quả <br> - Chanh : 1 quả <br> - Tỏi_tây : 1 củ <br> - Gừng : 1 lát <br> - Đường : 1 muỗng cà_phê <br> - Muối : 1 muỗng cà_phê <br> - Giấm trắng : 2 muỗng cà_phê <br> - Bột ngô : 4 muỗng_canh <br> - Nước : 50 ml <br> Cách làm : <br> | Bước 1 : Bỏ râu_tôm , làm sạch , gỡ chỉ lưng . <br> | Bước 2 : Thái nhỏ ớt xanh , ớt đỏ , gừng , tỏi_tây , vắt chút chanh và để riêng . <br> | <br> Bước 3 : <br> Phủ đều bột ngô lên tôm . Cho tôm vào chảo dầu , chiên trong 2 phút cho đến khi chín vàng . Chuyển sang đĩa và đặt sang một bên . <br> | <br> Bước 4 : <br> Lấy một chảo sạch , thêm nước , đường , giấm , cốt chanh . Để lửa nhỏ vừa , khuấy đều và nấu cho đến khi nước sốt đặc lại . <br> | <br> Bước 4 : <br> Cho tôm vào chảo , thêm gừng , tỏi_tây , ớt và muối rồi đảo đều cho đến khi các nguyên_liệu ngấm đều nước sốt . <br> Nguyên_Chi ( Theo Daydaycook )</code> |
|
287 |
+
| <code>Trung_Quốc - Khói bốc lên mù_mịt rồi nổ bùng kèm lửa lớn từ chiếc xe_buýt điện đỗ trong sân Học_viện Bách_Sắc ở Quảng_Tây , sáng 15 / 5 . - VnExpress</code> | <code>Khói bốc lên từ gầm chiếc xe_buýt điện đỗ ngoài cùng và chỉ vài giây sau lửa bùng lên . Ngọn lửa nhanh_chóng lan sang mấy thùng rác và ba xe_buýt điện khác đỗ bên cạnh . <br> Những người xung_quanh dùng nhiều bình cứu_hỏa để dập lửa nhưng không hiệu_quả . Chỉ đến khi lính cứu_hỏa đến_nơi và khoảng 20 phút sau , đám cháy được dập tắt , nhưng những chiếc xe_buýt chỉ còn trơ khung . <br> Theo CCTV , lửa cháy do lỗi từ hệ_thống sạc của pin xe . Sinh_viên trong tòa nhà gần đó được sơ_tán kịp_thời , không có ai bị_thương . <br> Xe_điện phát_nổ không còn là chuyện hiếm gặp ở Trung_Quốc . Hồi 2019 , một chiếc Tesla phát_nổ khi đang đỗ trong hầm . Tháng 5 / 2020 , một chiếc xe điện thương_hiệu nội_địa bốc cháy khi đang sạc . Đến tháng 9 / 2020 , tiếp_tục một chiếc xe điện BAIC cũng nổ lúc sạc . Gần đây nhất , hồi tháng 1 , Tesla 3 cũng phát_nổ trong nhà để xe . Rủi_ro từ hệ_thống sạc và pin là một trong những lo_ngại của người dùng với xe điện . <br> Mỹ_Anh ( theo Epoch_Times )</code> |
|
288 |
+
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
|
289 |
+
```json
|
290 |
+
{
|
291 |
+
"scale": 20.0,
|
292 |
+
"similarity_fct": "cos_sim"
|
293 |
+
}
|
294 |
+
```
|
295 |
+
|
296 |
+
### Training Hyperparameters
|
297 |
+
#### Non-Default Hyperparameters
|
298 |
+
|
299 |
+
- `per_device_train_batch_size`: 32
|
300 |
+
- `per_device_eval_batch_size`: 32
|
301 |
+
- `num_train_epochs`: 5
|
302 |
+
- `multi_dataset_batch_sampler`: round_robin
|
303 |
+
|
304 |
+
#### All Hyperparameters
|
305 |
+
<details><summary>Click to expand</summary>
|
306 |
+
|
307 |
+
- `overwrite_output_dir`: False
|
308 |
+
- `do_predict`: False
|
309 |
+
- `eval_strategy`: no
|
310 |
+
- `prediction_loss_only`: True
|
311 |
+
- `per_device_train_batch_size`: 32
|
312 |
+
- `per_device_eval_batch_size`: 32
|
313 |
+
- `per_gpu_train_batch_size`: None
|
314 |
+
- `per_gpu_eval_batch_size`: None
|
315 |
+
- `gradient_accumulation_steps`: 1
|
316 |
+
- `eval_accumulation_steps`: None
|
317 |
+
- `learning_rate`: 5e-05
|
318 |
+
- `weight_decay`: 0.0
|
319 |
+
- `adam_beta1`: 0.9
|
320 |
+
- `adam_beta2`: 0.999
|
321 |
+
- `adam_epsilon`: 1e-08
|
322 |
+
- `max_grad_norm`: 1
|
323 |
+
- `num_train_epochs`: 5
|
324 |
+
- `max_steps`: -1
|
325 |
+
- `lr_scheduler_type`: linear
|
326 |
+
- `lr_scheduler_kwargs`: {}
|
327 |
+
- `warmup_ratio`: 0.0
|
328 |
+
- `warmup_steps`: 0
|
329 |
+
- `log_level`: passive
|
330 |
+
- `log_level_replica`: warning
|
331 |
+
- `log_on_each_node`: True
|
332 |
+
- `logging_nan_inf_filter`: True
|
333 |
+
- `save_safetensors`: True
|
334 |
+
- `save_on_each_node`: False
|
335 |
+
- `save_only_model`: False
|
336 |
+
- `restore_callback_states_from_checkpoint`: False
|
337 |
+
- `no_cuda`: False
|
338 |
+
- `use_cpu`: False
|
339 |
+
- `use_mps_device`: False
|
340 |
+
- `seed`: 42
|
341 |
+
- `data_seed`: None
|
342 |
+
- `jit_mode_eval`: False
|
343 |
+
- `use_ipex`: False
|
344 |
+
- `bf16`: False
|
345 |
+
- `fp16`: False
|
346 |
+
- `fp16_opt_level`: O1
|
347 |
+
- `half_precision_backend`: auto
|
348 |
+
- `bf16_full_eval`: False
|
349 |
+
- `fp16_full_eval`: False
|
350 |
+
- `tf32`: None
|
351 |
+
- `local_rank`: 0
|
352 |
+
- `ddp_backend`: None
|
353 |
+
- `tpu_num_cores`: None
|
354 |
+
- `tpu_metrics_debug`: False
|
355 |
+
- `debug`: []
|
356 |
+
- `dataloader_drop_last`: False
|
357 |
+
- `dataloader_num_workers`: 0
|
358 |
+
- `dataloader_prefetch_factor`: None
|
359 |
+
- `past_index`: -1
|
360 |
+
- `disable_tqdm`: False
|
361 |
+
- `remove_unused_columns`: True
|
362 |
+
- `label_names`: None
|
363 |
+
- `load_best_model_at_end`: False
|
364 |
+
- `ignore_data_skip`: False
|
365 |
+
- `fsdp`: []
|
366 |
+
- `fsdp_min_num_params`: 0
|
367 |
+
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
|
368 |
+
- `fsdp_transformer_layer_cls_to_wrap`: None
|
369 |
+
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
|
370 |
+
- `deepspeed`: None
|
371 |
+
- `label_smoothing_factor`: 0.0
|
372 |
+
- `optim`: adamw_torch
|
373 |
+
- `optim_args`: None
|
374 |
+
- `adafactor`: False
|
375 |
+
- `group_by_length`: False
|
376 |
+
- `length_column_name`: length
|
377 |
+
- `ddp_find_unused_parameters`: None
|
378 |
+
- `ddp_bucket_cap_mb`: None
|
379 |
+
- `ddp_broadcast_buffers`: False
|
380 |
+
- `dataloader_pin_memory`: True
|
381 |
+
- `dataloader_persistent_workers`: False
|
382 |
+
- `skip_memory_metrics`: True
|
383 |
+
- `use_legacy_prediction_loop`: False
|
384 |
+
- `push_to_hub`: False
|
385 |
+
- `resume_from_checkpoint`: None
|
386 |
+
- `hub_model_id`: None
|
387 |
+
- `hub_strategy`: every_save
|
388 |
+
- `hub_private_repo`: False
|
389 |
+
- `hub_always_push`: False
|
390 |
+
- `gradient_checkpointing`: False
|
391 |
+
- `gradient_checkpointing_kwargs`: None
|
392 |
+
- `include_inputs_for_metrics`: False
|
393 |
+
- `eval_do_concat_batches`: True
|
394 |
+
- `fp16_backend`: auto
|
395 |
+
- `push_to_hub_model_id`: None
|
396 |
+
- `push_to_hub_organization`: None
|
397 |
+
- `mp_parameters`:
|
398 |
+
- `auto_find_batch_size`: False
|
399 |
+
- `full_determinism`: False
|
400 |
+
- `torchdynamo`: None
|
401 |
+
- `ray_scope`: last
|
402 |
+
- `ddp_timeout`: 1800
|
403 |
+
- `torch_compile`: False
|
404 |
+
- `torch_compile_backend`: None
|
405 |
+
- `torch_compile_mode`: None
|
406 |
+
- `dispatch_batches`: None
|
407 |
+
- `split_batches`: None
|
408 |
+
- `include_tokens_per_second`: False
|
409 |
+
- `include_num_input_tokens_seen`: False
|
410 |
+
- `neftune_noise_alpha`: None
|
411 |
+
- `optim_target_modules`: None
|
412 |
+
- `batch_eval_metrics`: False
|
413 |
+
- `batch_sampler`: batch_sampler
|
414 |
+
- `multi_dataset_batch_sampler`: round_robin
|
415 |
+
|
416 |
+
</details>
|
417 |
+
|
418 |
+
### Training Logs
|
419 |
+
| Epoch | Step | Training Loss |
|
420 |
+
|:------:|:----:|:-------------:|
|
421 |
+
| 1.5974 | 500 | 0.8959 |
|
422 |
+
| 3.1949 | 1000 | 0.1912 |
|
423 |
+
| 4.7923 | 1500 | 0.0968 |
|
424 |
+
|
425 |
+
|
426 |
+
### Framework Versions
|
427 |
+
- Python: 3.10.13
|
428 |
+
- Sentence Transformers: 3.0.1
|
429 |
+
- Transformers: 4.41.2
|
430 |
+
- PyTorch: 2.1.2
|
431 |
+
- Accelerate: 0.30.1
|
432 |
+
- Datasets: 2.19.2
|
433 |
+
- Tokenizers: 0.19.1
|
434 |
+
|
435 |
+
## Citation
|
436 |
+
|
437 |
+
### BibTeX
|
438 |
+
|
439 |
+
#### Sentence Transformers
|
440 |
+
```bibtex
|
441 |
+
@inproceedings{reimers-2019-sentence-bert,
|
442 |
+
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
|
443 |
+
author = "Reimers, Nils and Gurevych, Iryna",
|
444 |
+
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
|
445 |
+
month = "11",
|
446 |
+
year = "2019",
|
447 |
+
publisher = "Association for Computational Linguistics",
|
448 |
+
url = "https://arxiv.org/abs/1908.10084",
|
449 |
+
}
|
450 |
+
```
|
451 |
+
|
452 |
+
#### MultipleNegativesRankingLoss
|
453 |
+
```bibtex
|
454 |
+
@misc{henderson2017efficient,
|
455 |
+
title={Efficient Natural Language Response Suggestion for Smart Reply},
|
456 |
+
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},
|
457 |
+
year={2017},
|
458 |
+
eprint={1705.00652},
|
459 |
+
archivePrefix={arXiv},
|
460 |
+
primaryClass={cs.CL}
|
461 |
+
}
|
462 |
+
```
|
463 |
+
|
464 |
+
<!--
|
465 |
+
## Glossary
|
466 |
+
|
467 |
+
*Clearly define terms in order to be accessible across audiences.*
|
468 |
+
-->
|
469 |
+
|
470 |
+
<!--
|
471 |
+
## Model Card Authors
|
472 |
+
|
473 |
+
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
|
474 |
+
-->
|
475 |
+
|
476 |
+
<!--
|
477 |
+
## Model Card Contact
|
478 |
+
|
479 |
+
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
|
480 |
+
-->
|
contrastive-without-filter/added_tokens.json
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"<mask>": 64000
|
3 |
+
}
|
contrastive-without-filter/bpe.codes
ADDED
The diff for this file is too large to render.
See raw diff
|
|
contrastive-without-filter/config.json
ADDED
@@ -0,0 +1,28 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"_name_or_path": "vinai/phobert-base-v2",
|
3 |
+
"architectures": [
|
4 |
+
"RobertaModel"
|
5 |
+
],
|
6 |
+
"attention_probs_dropout_prob": 0.1,
|
7 |
+
"bos_token_id": 0,
|
8 |
+
"classifier_dropout": null,
|
9 |
+
"eos_token_id": 2,
|
10 |
+
"hidden_act": "gelu",
|
11 |
+
"hidden_dropout_prob": 0.1,
|
12 |
+
"hidden_size": 768,
|
13 |
+
"initializer_range": 0.02,
|
14 |
+
"intermediate_size": 3072,
|
15 |
+
"layer_norm_eps": 1e-05,
|
16 |
+
"max_position_embeddings": 258,
|
17 |
+
"model_type": "roberta",
|
18 |
+
"num_attention_heads": 12,
|
19 |
+
"num_hidden_layers": 12,
|
20 |
+
"pad_token_id": 1,
|
21 |
+
"position_embedding_type": "absolute",
|
22 |
+
"tokenizer_class": "PhobertTokenizer",
|
23 |
+
"torch_dtype": "float32",
|
24 |
+
"transformers_version": "4.41.2",
|
25 |
+
"type_vocab_size": 1,
|
26 |
+
"use_cache": true,
|
27 |
+
"vocab_size": 64001
|
28 |
+
}
|
contrastive-without-filter/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": "2.1.2"
|
6 |
+
},
|
7 |
+
"prompts": {},
|
8 |
+
"default_prompt_name": null,
|
9 |
+
"similarity_fn_name": null
|
10 |
+
}
|
contrastive-without-filter/model.safetensors
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:c39ec4061755ff4a7319a68e46201a3c199101acadf3be89c3475ec9ece958f3
|
3 |
+
size 540015464
|
contrastive-without-filter/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 |
+
]
|
contrastive-without-filter/sentence_bert_config.json
ADDED
@@ -0,0 +1,4 @@
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"max_seq_length": 256,
|
3 |
+
"do_lower_case": false
|
4 |
+
}
|
contrastive-without-filter/special_tokens_map.json
ADDED
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"bos_token": "<s>",
|
3 |
+
"cls_token": "<s>",
|
4 |
+
"eos_token": "</s>",
|
5 |
+
"mask_token": "<mask>",
|
6 |
+
"pad_token": "<pad>",
|
7 |
+
"sep_token": "</s>",
|
8 |
+
"unk_token": "<unk>"
|
9 |
+
}
|
contrastive-without-filter/tokenizer_config.json
ADDED
@@ -0,0 +1,54 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"added_tokens_decoder": {
|
3 |
+
"0": {
|
4 |
+
"content": "<s>",
|
5 |
+
"lstrip": false,
|
6 |
+
"normalized": false,
|
7 |
+
"rstrip": false,
|
8 |
+
"single_word": false,
|
9 |
+
"special": true
|
10 |
+
},
|
11 |
+
"1": {
|
12 |
+
"content": "<pad>",
|
13 |
+
"lstrip": false,
|
14 |
+
"normalized": false,
|
15 |
+
"rstrip": false,
|
16 |
+
"single_word": false,
|
17 |
+
"special": true
|
18 |
+
},
|
19 |
+
"2": {
|
20 |
+
"content": "</s>",
|
21 |
+
"lstrip": false,
|
22 |
+
"normalized": false,
|
23 |
+
"rstrip": false,
|
24 |
+
"single_word": false,
|
25 |
+
"special": true
|
26 |
+
},
|
27 |
+
"3": {
|
28 |
+
"content": "<unk>",
|
29 |
+
"lstrip": false,
|
30 |
+
"normalized": false,
|
31 |
+
"rstrip": false,
|
32 |
+
"single_word": false,
|
33 |
+
"special": true
|
34 |
+
},
|
35 |
+
"64000": {
|
36 |
+
"content": "<mask>",
|
37 |
+
"lstrip": false,
|
38 |
+
"normalized": false,
|
39 |
+
"rstrip": false,
|
40 |
+
"single_word": false,
|
41 |
+
"special": true
|
42 |
+
}
|
43 |
+
},
|
44 |
+
"bos_token": "<s>",
|
45 |
+
"clean_up_tokenization_spaces": true,
|
46 |
+
"cls_token": "<s>",
|
47 |
+
"eos_token": "</s>",
|
48 |
+
"mask_token": "<mask>",
|
49 |
+
"model_max_length": 256,
|
50 |
+
"pad_token": "<pad>",
|
51 |
+
"sep_token": "</s>",
|
52 |
+
"tokenizer_class": "PhobertTokenizer",
|
53 |
+
"unk_token": "<unk>"
|
54 |
+
}
|
contrastive-without-filter/vocab.txt
ADDED
The diff for this file is too large to render.
See raw diff
|
|
top_10_20_biencoder/1_Pooling/config.json
ADDED
@@ -0,0 +1,10 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"word_embedding_dimension": 768,
|
3 |
+
"pooling_mode_cls_token": true,
|
4 |
+
"pooling_mode_mean_tokens": false,
|
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 |
+
}
|
top_10_20_biencoder/added_tokens.json
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"<mask>": 64000
|
3 |
+
}
|
top_10_20_biencoder/bpe.codes
ADDED
The diff for this file is too large to render.
See raw diff
|
|
top_10_20_biencoder/config.json
ADDED
@@ -0,0 +1,28 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"_name_or_path": "top_10_bm25",
|
3 |
+
"architectures": [
|
4 |
+
"RobertaModel"
|
5 |
+
],
|
6 |
+
"attention_probs_dropout_prob": 0.1,
|
7 |
+
"bos_token_id": 0,
|
8 |
+
"classifier_dropout": null,
|
9 |
+
"eos_token_id": 2,
|
10 |
+
"hidden_act": "gelu",
|
11 |
+
"hidden_dropout_prob": 0.1,
|
12 |
+
"hidden_size": 768,
|
13 |
+
"initializer_range": 0.02,
|
14 |
+
"intermediate_size": 3072,
|
15 |
+
"layer_norm_eps": 1e-05,
|
16 |
+
"max_position_embeddings": 258,
|
17 |
+
"model_type": "roberta",
|
18 |
+
"num_attention_heads": 12,
|
19 |
+
"num_hidden_layers": 12,
|
20 |
+
"pad_token_id": 1,
|
21 |
+
"position_embedding_type": "absolute",
|
22 |
+
"tokenizer_class": "PhobertTokenizer",
|
23 |
+
"torch_dtype": "float32",
|
24 |
+
"transformers_version": "4.38.1",
|
25 |
+
"type_vocab_size": 1,
|
26 |
+
"use_cache": true,
|
27 |
+
"vocab_size": 64001
|
28 |
+
}
|
top_10_20_biencoder/config_sentence_transformers.json
ADDED
@@ -0,0 +1,10 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"__version__": {
|
3 |
+
"sentence_transformers": "3.0.1",
|
4 |
+
"transformers": "4.38.1",
|
5 |
+
"pytorch": "2.1.2"
|
6 |
+
},
|
7 |
+
"prompts": {},
|
8 |
+
"default_prompt_name": null,
|
9 |
+
"similarity_fn_name": null
|
10 |
+
}
|
top_10_20_biencoder/model.safetensors
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:bcdc5e09b953d04fd11b475e94eedcfa77e65ab235476a31adb05a566dcf96e0
|
3 |
+
size 540015464
|
top_10_20_biencoder/modules.json
ADDED
@@ -0,0 +1,20 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
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 |
+
{
|
15 |
+
"idx": 2,
|
16 |
+
"name": "2",
|
17 |
+
"path": "2_Normalize",
|
18 |
+
"type": "sentence_transformers.models.Normalize"
|
19 |
+
}
|
20 |
+
]
|
top_10_20_biencoder/sentence_bert_config.json
ADDED
@@ -0,0 +1,4 @@
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"max_seq_length": 258,
|
3 |
+
"do_lower_case": false
|
4 |
+
}
|
top_10_20_biencoder/special_tokens_map.json
ADDED
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"bos_token": "<s>",
|
3 |
+
"cls_token": "<s>",
|
4 |
+
"eos_token": "</s>",
|
5 |
+
"mask_token": "<mask>",
|
6 |
+
"pad_token": "<pad>",
|
7 |
+
"sep_token": "</s>",
|
8 |
+
"unk_token": "<unk>"
|
9 |
+
}
|
top_10_20_biencoder/tokenizer_config.json
ADDED
@@ -0,0 +1,54 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"added_tokens_decoder": {
|
3 |
+
"0": {
|
4 |
+
"content": "<s>",
|
5 |
+
"lstrip": false,
|
6 |
+
"normalized": false,
|
7 |
+
"rstrip": false,
|
8 |
+
"single_word": false,
|
9 |
+
"special": true
|
10 |
+
},
|
11 |
+
"1": {
|
12 |
+
"content": "<pad>",
|
13 |
+
"lstrip": false,
|
14 |
+
"normalized": false,
|
15 |
+
"rstrip": false,
|
16 |
+
"single_word": false,
|
17 |
+
"special": true
|
18 |
+
},
|
19 |
+
"2": {
|
20 |
+
"content": "</s>",
|
21 |
+
"lstrip": false,
|
22 |
+
"normalized": false,
|
23 |
+
"rstrip": false,
|
24 |
+
"single_word": false,
|
25 |
+
"special": true
|
26 |
+
},
|
27 |
+
"3": {
|
28 |
+
"content": "<unk>",
|
29 |
+
"lstrip": false,
|
30 |
+
"normalized": false,
|
31 |
+
"rstrip": false,
|
32 |
+
"single_word": false,
|
33 |
+
"special": true
|
34 |
+
},
|
35 |
+
"64000": {
|
36 |
+
"content": "<mask>",
|
37 |
+
"lstrip": false,
|
38 |
+
"normalized": false,
|
39 |
+
"rstrip": false,
|
40 |
+
"single_word": false,
|
41 |
+
"special": true
|
42 |
+
}
|
43 |
+
},
|
44 |
+
"bos_token": "<s>",
|
45 |
+
"clean_up_tokenization_spaces": true,
|
46 |
+
"cls_token": "<s>",
|
47 |
+
"eos_token": "</s>",
|
48 |
+
"mask_token": "<mask>",
|
49 |
+
"model_max_length": 1000000000000000019884624838656,
|
50 |
+
"pad_token": "<pad>",
|
51 |
+
"sep_token": "</s>",
|
52 |
+
"tokenizer_class": "PhobertTokenizer",
|
53 |
+
"unk_token": "<unk>"
|
54 |
+
}
|
top_10_20_biencoder/training_args.bin
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:c939e2041603f2cbaa906f5fe7f4a5adb89febe1a63c96f134aaf71cbbd292e6
|
3 |
+
size 6520
|
top_10_20_biencoder/vocab.txt
ADDED
The diff for this file is too large to render.
See raw diff
|
|
top_10_20_biencoder_with_filter/1_Pooling/config.json
ADDED
@@ -0,0 +1,10 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"word_embedding_dimension": 768,
|
3 |
+
"pooling_mode_cls_token": true,
|
4 |
+
"pooling_mode_mean_tokens": false,
|
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 |
+
}
|
top_10_20_biencoder_with_filter/added_tokens.json
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"<mask>": 64000
|
3 |
+
}
|
top_10_20_biencoder_with_filter/bpe.codes
ADDED
The diff for this file is too large to render.
See raw diff
|
|
top_10_20_biencoder_with_filter/config.json
ADDED
@@ -0,0 +1,28 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"_name_or_path": "top_10_bm25",
|
3 |
+
"architectures": [
|
4 |
+
"RobertaModel"
|
5 |
+
],
|
6 |
+
"attention_probs_dropout_prob": 0.1,
|
7 |
+
"bos_token_id": 0,
|
8 |
+
"classifier_dropout": null,
|
9 |
+
"eos_token_id": 2,
|
10 |
+
"hidden_act": "gelu",
|
11 |
+
"hidden_dropout_prob": 0.1,
|
12 |
+
"hidden_size": 768,
|
13 |
+
"initializer_range": 0.02,
|
14 |
+
"intermediate_size": 3072,
|
15 |
+
"layer_norm_eps": 1e-05,
|
16 |
+
"max_position_embeddings": 258,
|
17 |
+
"model_type": "roberta",
|
18 |
+
"num_attention_heads": 12,
|
19 |
+
"num_hidden_layers": 12,
|
20 |
+
"pad_token_id": 1,
|
21 |
+
"position_embedding_type": "absolute",
|
22 |
+
"tokenizer_class": "PhobertTokenizer",
|
23 |
+
"torch_dtype": "float32",
|
24 |
+
"transformers_version": "4.38.1",
|
25 |
+
"type_vocab_size": 1,
|
26 |
+
"use_cache": true,
|
27 |
+
"vocab_size": 64001
|
28 |
+
}
|
top_10_20_biencoder_with_filter/config_sentence_transformers.json
ADDED
@@ -0,0 +1,10 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"__version__": {
|
3 |
+
"sentence_transformers": "3.0.1",
|
4 |
+
"transformers": "4.38.1",
|
5 |
+
"pytorch": "2.1.2"
|
6 |
+
},
|
7 |
+
"prompts": {},
|
8 |
+
"default_prompt_name": null,
|
9 |
+
"similarity_fn_name": null
|
10 |
+
}
|
top_10_20_biencoder_with_filter/model.safetensors
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:e4d5aee2eb58d748b270ec3aaf7e117d633b225c012a7bce324941fceadfc230
|
3 |
+
size 540015464
|
top_10_20_biencoder_with_filter/modules.json
ADDED
@@ -0,0 +1,20 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
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 |
+
{
|
15 |
+
"idx": 2,
|
16 |
+
"name": "2",
|
17 |
+
"path": "2_Normalize",
|
18 |
+
"type": "sentence_transformers.models.Normalize"
|
19 |
+
}
|
20 |
+
]
|
top_10_20_biencoder_with_filter/sentence_bert_config.json
ADDED
@@ -0,0 +1,4 @@
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"max_seq_length": 258,
|
3 |
+
"do_lower_case": false
|
4 |
+
}
|
top_10_20_biencoder_with_filter/special_tokens_map.json
ADDED
@@ -0,0 +1,9 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"bos_token": "<s>",
|
3 |
+
"cls_token": "<s>",
|
4 |
+
"eos_token": "</s>",
|
5 |
+
"mask_token": "<mask>",
|
6 |
+
"pad_token": "<pad>",
|
7 |
+
"sep_token": "</s>",
|
8 |
+
"unk_token": "<unk>"
|
9 |
+
}
|
top_10_20_biencoder_with_filter/tokenizer_config.json
ADDED
@@ -0,0 +1,54 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"added_tokens_decoder": {
|
3 |
+
"0": {
|
4 |
+
"content": "<s>",
|
5 |
+
"lstrip": false,
|
6 |
+
"normalized": false,
|
7 |
+
"rstrip": false,
|
8 |
+
"single_word": false,
|
9 |
+
"special": true
|
10 |
+
},
|
11 |
+
"1": {
|
12 |
+
"content": "<pad>",
|
13 |
+
"lstrip": false,
|
14 |
+
"normalized": false,
|
15 |
+
"rstrip": false,
|
16 |
+
"single_word": false,
|
17 |
+
"special": true
|
18 |
+
},
|
19 |
+
"2": {
|
20 |
+
"content": "</s>",
|
21 |
+
"lstrip": false,
|
22 |
+
"normalized": false,
|
23 |
+
"rstrip": false,
|
24 |
+
"single_word": false,
|
25 |
+
"special": true
|
26 |
+
},
|
27 |
+
"3": {
|
28 |
+
"content": "<unk>",
|
29 |
+
"lstrip": false,
|
30 |
+
"normalized": false,
|
31 |
+
"rstrip": false,
|
32 |
+
"single_word": false,
|
33 |
+
"special": true
|
34 |
+
},
|
35 |
+
"64000": {
|
36 |
+
"content": "<mask>",
|
37 |
+
"lstrip": false,
|
38 |
+
"normalized": false,
|
39 |
+
"rstrip": false,
|
40 |
+
"single_word": false,
|
41 |
+
"special": true
|
42 |
+
}
|
43 |
+
},
|
44 |
+
"bos_token": "<s>",
|
45 |
+
"clean_up_tokenization_spaces": true,
|
46 |
+
"cls_token": "<s>",
|
47 |
+
"eos_token": "</s>",
|
48 |
+
"mask_token": "<mask>",
|
49 |
+
"model_max_length": 1000000000000000019884624838656,
|
50 |
+
"pad_token": "<pad>",
|
51 |
+
"sep_token": "</s>",
|
52 |
+
"tokenizer_class": "PhobertTokenizer",
|
53 |
+
"unk_token": "<unk>"
|
54 |
+
}
|
top_10_20_biencoder_with_filter/training_args.bin
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
version https://git-lfs.github.com/spec/v1
|
2 |
+
oid sha256:c939e2041603f2cbaa906f5fe7f4a5adb89febe1a63c96f134aaf71cbbd292e6
|
3 |
+
size 6520
|
top_10_20_biencoder_with_filter/vocab.txt
ADDED
The diff for this file is too large to render.
See raw diff
|
|
top_10_20_bm25/1_Pooling/config.json
ADDED
@@ -0,0 +1,10 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"word_embedding_dimension": 768,
|
3 |
+
"pooling_mode_cls_token": true,
|
4 |
+
"pooling_mode_mean_tokens": false,
|
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 |
+
}
|
top_10_20_bm25/added_tokens.json
ADDED
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
1 |
+
{
|
2 |
+
"<mask>": 64000
|
3 |
+
}
|