Upload folder using huggingface_hub

contrastive-with-filter/1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "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
+}

contrastive-with-filter/README.md

@@ -0,0 +1,511 @@
+---
+language: []
+library_name: sentence-transformers
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:8027
+- loss:MultipleNegativesRankingLoss
+base_model: vinai/phobert-base-v2
+datasets: []
+widget:
+- source_sentence: 'Bài trắc_nghiệm tính_cách bản_thân : Nếu chỉ được phép ăn một
+    trong bốn nguyên_liệu thực_phẩm dưới đây liên_tiếp trong ba ngày , bạn sẽ chọn
+    ăn món gì ? - Ngôi_sao'
+  sentences:
+  - "Alexandra V ( theo X. B ) \n - Showbiz \n - Thời_trang \n - Làm_đẹp \n - Xem\
+    \ \n - Ăn_chơi \n - Lối_sống \n - Thể_thao \n - Thời_cuộc \n - Podcasts \n - Thương_trường\
+    \ \n - Trắc_nghiệm \n - Video \n - Ảnh \n - Reviews & Deals \n Nếu chỉ được phép\
+    \ ăn một trong bốn nguyên_liệu thực_phẩm dưới đây liên_tiếp trong ba ngày , bạn\
+    \ sẽ chọn ăn món gì ? \n Alexandra V ( theo X. B )"
+  - "Nghĩa đang bị Công_an tỉnh Thái_Nguyên điều_tra về hành_vi giết người . \n Theo\
+    \ điều_tra ban_đầu , do mâu_thuẫn gia_đình , vợ Nghĩa bỏ về nhà bố_mẹ đẻ ở xã\
+    \ Thành_Công , huyện Phổ_Yên từ nhiều ngày . Khoảng 20h30 ngày 21 / 11 , Nghĩa\
+    \ cầm dao đến đón vợ về . \n Trong lúc to_tiếng , anh ta cầm dao đâm một nhát\
+    \ vào ngực bà Nguyễn_Thị_Hằng ( mẹ vợ ) khiến tử_vong tại_chỗ . Nghĩa tiếp_tục\
+    \ đâm bố vợ Ngô Văn_Cảnh , sau đó tự_sát . \n Nghĩa và ông Cảnh được đưa đi cấp_cứu\
+    \ trong tình_trạng bị_thương nặng ."
+  - "Liên_hệ quảng_cáo \n Tin 24h \n Showbiz \n Việt_Nam \n Châu_Á \n Âu_Mỹ \n Ngôi_sao\
+    \ của năm 2023 \n Thời_trang \n Sao_style \n Tư_vấn \n Làng_mốt \n Làm_đẹp \n\
+    \ Tóc \n Da \n Trang_điểm \n Dáng \n Phẫu_thuật thẩm_mỹ \n Xem \n Phim \n Nhạc\
+    \ \n Ăn_chơi \n Ẩm_thực \n Du_lịch \n Tips \n Lối_sống \n Tình_yêu \n Công_sở\
+    \ \n Nhà_cửa \n Sống_khỏe \n Cưới \n Gỡ_rối \n Thể_thao \n Trong nước \n Quốc_tế\
+    \ \n Thời_cuộc \n Hoàng_gia \n Chuyện lạ \n Hình_sự \n Podcasts \n Điểm_tin \n\
+    \ Bước qua đổ_vỡ \n Khi ta trẻ \n Suỵt \n Trà_đá cùng sao \n Hồ_sơ vụ_án \n Tám\
+    \ công_sở \n Lắng - đọng \n Thương_trường \n Doanh_nhân \n Trắc_nghiệm \n Cung\
+    \ Hoàng_Đạo \n Quiz \n Tarot \n Video \n Ảnh \n Reviews & Deals \n Showbiz \n\
+    \ Việt_Nam \n Châu_Á \n Âu_Mỹ \n Ngôi_sao của năm 2023 \n Thời_trang \n Sao_style\
+    \ \n Tư_vấn \n Làng_mốt \n Làm_đẹp \n Tóc \n Da \n Trang_điểm \n Dáng \n Phẫu_thuật\
+    \ thẩm_mỹ \n Xem \n Phim \n Nhạc \n Ăn_chơi \n Ẩm_thực \n Du_lịch \n Tips \n Lối_sống\
+    \ \n Tình_yêu \n Công_sở \n Nhà_cửa \n Sống_khỏe \n Cưới \n Gỡ_rối \n Thể_thao\
+    \ \n Trong nước \n Quốc_tế \n Thời_cuộc \n Hoàng_gia \n Chuyện lạ \n Hình_sự \n\
+    \ Podcasts \n Điểm_tin \n Bước qua đổ_vỡ \n Khi ta trẻ \n Suỵt \n Trà_đá cùng\
+    \ sao \n Hồ_sơ vụ_án \n Tám công_sở \n Lắng - đọng \n Thương_trường \n Doanh_nhân\
+    \ \n Trắc_nghiệm \n Cung Hoàng_Đạo \n Quiz \n Tarot \n Video \n Ảnh \n Reviews\
+    \ & Deals \n Giải_trí \n Show \n Phim \n Sao \n Nhạc \n Thể_thao \n Phong_cách\
+    \ \n Thời_cuộc \n Ăn_chơi \n Gia_đình \n Video \n Giải_trí \n Show \n Phim \n\
+    \ Sao \n Nhạc \n Điểm tin 21 / 7 : Tâm_sự của bà_xã Hồng_Đăng \n Tâm_sự của bà_xã\
+    \ Hồng_Đăng gây chú_ý , Khánh_Vân lên chức CEO , đôi tình_nhân hành_hạ_bé Vân_An\
+    \ hầu_tòa . \n Video \n Thứ năm , 21 / 7 / 2022 , 09 : 27 ( GMT + 7 ) \n Tags\
+    \ : \n điểm tin \n podcast \n Hồng_Đăng \n bà_xã \n VIDEO NỔI_BẬT \n Sao tuần\
+    \ qua : Phạm Quỳnh_Anh tiết_lộ lý_do không sinh thêm con \n 07 : 27 \n Cách con_người\
+    \ tắm_giặt ở nơi - 71 độ C \n 04 : 07 \n Chuột rơi trúng đầu khách ăn_lẩu \n 00\
+    \ : 41 \n Truyền_thông Trung_Quốc giới_thiệu du_lịch Việt_Nam \n 02 : 50"
+- source_sentence: HLV Jurgen Klopp cho rằng các đội khác như Man_Utd sẽ được hưởng
+    phạt_đền , với những tình_huống của Liverpool trong trận thua Southampton tối
+    4 / 1 . - VnExpress
+  sentences:
+  - Trong bức ảnh street style mới_đây , Hương_Giang khoe dáng mỏng với bộ đồ " kiệm
+    vải " . Hoa_hậu diện quần shorts siêu ngắn lấp_ló vòng ba , tôn lên đôi chân thanh_mảnh
+    . Những chiếc quần " 5 cm " đã trở_thành quen_thuộc với Hương_Giang . Người đẹp
+    rất thích mặc quần jeans rách cực ngầu , kiểu_dáng tôn khéo vòng ba sexy . Có
+    thân_hình " không mỡ thừa " nên n��� ca_sĩ tự_tin diện đồ hở mà không lo bị chê
+    phản_cảm . Hương_Giang có cả bộ sưu_tập quần " một gang tay " . Xu_hướng " quần
+    5 cm " từ lâu không còn lạ_lẫm với thời_trang mùa hè của sao Việt . Minh_Tú có
+    vòng ba săn chắc nên cũng tự_tin diện shorts jeans siêu ngắn . So với nhiều Hoa_hậu
+    Việt_Nam , Tiểu_Vy có phong_cách sexy táo_bạo hơn hẳn . Diệp Lâm_Anh rất chuộng
+    khoe vòng ba bằng những chiếc quần không_thể ngắn hơn . Thiều Bảo Trâm có cả bộ
+    sưu_tập quần shorts khoe chân , trong đó đa_phần là những thiết_kế bó sát , dài
+    chưa đầy một gang tay . Chiếc quần của Elly Trần không đủ che vòng ba . Ngọc_Trinh
+    cũng là tín_đồ của những chiếc quần shorts kiểu này .
+  - "Mọi chuyện xảy ra khi chiếc Toyota_Camry lùi ra khỏi chỗ đỗ và hích vào một xe\
+    \ Hyundai Sonata đang chạy qua . Phần_lớn tài_xế sẽ xuống xe , đơn_giản nói lời\
+    \ xin_lỗi và trao_đổi thông_tin bảo_hiểm . Nhưng nữ tài_xế xe Toyota không làm\
+    \ thế . \n Người phụ_nữ này xuống xe và bắt_đầu la_hét vào mặt đối_phương . Sau\
+    \ khi đòi người đàn_ông lái_xe tránh đường cho mình đi , nữ tài_xế ngồi vào chiếc\
+    \ Toyota , lái lên phía trước đôi_chút rồi lùi lại thật mạnh , húc tiếp vào chiếc\
+    \ Hyundai khi nam tài_xế đã ra khỏi xe . \n Người đàn_ông cầm điện_thoại và dường_như\
+    \ đang gọi điện nhờ trợ_giúp , cùng lúc tì người lên đuôi chiếc Toyota để chặn\
+    \ lại . Nhưng người phụ_nữ dường_như đã bất_chấp mọi thứ , lùi xe mặc_kệ có người\
+    \ đứng sau . Loại được đối_thủ , chiếc Toyota quay đầu và phóng vọt đi , với ba\
+    \ - đờ - sốc sau đã móp một bên . Tuy_nhiên , biển số xe của nữ tài_xế đã được\
+    \ ghi lại đầy_đủ trong video . \n Mỹ_Anh ( theo Carscoops )"
+  - "Liverpool thua chủ nhà Southampton 0 - 1 ở vòng 17 Ngoại_hạng Anh tối 4 / 1 ,\
+    \ với bàn duy_nhất của Danny Ings phút thứ 2 . \n Phát_biểu sau trận , HLV Jurgen\
+    \ Klopp không hài_lòng với quyết_định của trọng_tài Andre_Marriners , với hai\
+    \ tình_huống Sadio_Mane bị Kyle_Walker - Peters phạm lỗi trong cấm_địa . \n *\
+    \ Kết_quả - Lịch_đấu Ngoại_hạng Anh \n * Bảng điểm Ngoại_hạng Anh \n Nhuận_Phát"
+- source_sentence: Chồng tôi mất cách đây gần 3 tháng , vài ngày nữa là lễ 100 ngày
+    , gia_đình bên chồng có chị dâu chồng vừa phát_hiện bệnh hiểm_nghèo . Anh_trai
+    chồng đã mất cách đây 14 năm . - VnExpress
+  sentences:
+  - "Ưu_điểm : \n - Giặt giẻ nước nóng , sấy khô giẻ bằng khí nóng tích_hợp \n - Lau\
+    \ hiệu_quả bằng giẻ xoay , có_thể nâng giẻ 1,5 cm \n - Lực hút mạnh , chổi hút\
+    \ chống rối \n - Thiết_kế cao_cấp , khác_biệt so với đối_thủ \n - Camera nhận_diện\
+    \ và tránh vật_thể tốt , có_thể xem trực_tiếp như camera an_ninh \n - Dock thiết_kế\
+    \ gọn , có đèn LED báo trạng_thái khi hết_nước \n Nhược_điểm : \n - Phần_mềm ,\
+    \ trợ_lý ảo chưa hỗ_trợ tiếng Việt \n - Không có hộc chứa nước tẩy_rửa chuyên_biệt\
+    \ riêng ( phải mua thêm phụ_kiện ) \n - Một nút bấm cảm_ứng chưa thực_sự thân_thiện\
+    \ khi sử_dụng \n Tuấn_Hưng - Quang_Đồng"
+  - "Chị dâu chồng không nghĩ tới chuyện chữa bệnh mà nghĩ đến việc phải cưới cho\
+    \ cô con_gái đầu . Phía nhà bạn trai của cháu gái bảo sau 120 ngày kể từ khi chồng\
+    \ tôi mất thì làm đám_cưới . \n Tôi tìm_hiểu , thấy nhiều thông_tin cho rằng cưới\
+    \ cùng năm với năm nhà có tang sẽ ảnh_hưởng đến đôi uyên_ương . Tôi còn lo linh_hồn\
+    \ của chồng không được siêu_thoát và những người_thân còn lại trong nhà sẽ gặp\
+    \ điều không may . Chuyện cưới này là bất_đắc_dĩ do nguyện_vọng của người ốm không\
+    \ biết sống_chết như thế_nào . Thật_sự tôi rất lo_lắng cho gia_đình nhà chồng\
+    \ . Xin mọi người cho tôi lời khuyên chân_thành . Xin cảm_ơn . \n Hậu \n Độc_giả\
+    \ gọi vào số 09 6658 1270 để được hỗ_trợ , giải_đáp thắc_mắc ."
+  - "Ông Đường , 51 tuổi , bị Công_an huyện Cẩm_Giàng khởi_tố cuối tháng 12 / 2022\
+    \ về tội Lợi_dụng chức_vụ quyền_hạn trong khi thi_hành công_vụ . Ông đã bị đình_chỉ\
+    \ sinh_hoạt Đảng , đình_chỉ công_tác ngay sau đó , Huyện_��y Cẩm_Giang thông_tin\
+    \ ngày 3 / 1 . \n Nhà chức_trách cho biết ông Đường bị khởi_tố do liên_quan việc\
+    \ đấu_giá quyền sử_dụng khu đất có tổng_diện_tích hơn 4.913 m2 khu Văn_Chỉ , thị_trấn\
+    \ Cẩm_Giàng . Đây là khu đất được chia làm 50 lô , thuộc quy_hoạch khu dân_cư\
+    \ , nghĩa_trang liệt_sĩ , bể_bơi . \n Theo kế_hoạch , khu đất này được đưa ra_đấu\
+    \ với giá khởi_điểm 12 - 18 triệu / m2 , ngày đấu_giá dự_kiến là 2 / 10 / 2022\
+    \ . Tuy_nhiên , ngày 28 và 29 / 9 / 2022 , một_số người tập_trung tại UBND thị_trấn\
+    \ Cẩm_Giàng với biểu_hiện mất an_ninh trật_tự , ảnh_hưởng đến việc bán hồ_sơ ,\
+    \ đấu_giá khu đất . Do_vậy , việc đấu_giá chưa được thực_hiện . \n Lê_Tân"
+- source_sentence: Bộ Y_tế hôm_nay cho biết số_lượng vaccine Covid - 19 cung_ứng cho
+    Việt_Nam còn rất hạn_chế , ưu_tiên tiêm người từ 18 tuổi trở lên , khi có thêm
+    sẽ tiêm cho học_sinh . - VnExpress
+  sentences:
+  - "Ngân_hàng trung_ương Afghanistan hôm 15 / 9 thông_báo số tiền và vàng được tìm\
+    \ thấy trong nhà của các quan_chức chính_quyền cũ , bao_gồm cựu phó_tổng_thống\
+    \ Amrullah_Saleh , dù chưa rõ mục_đích họ để tiền , vàng trong nhà . \n Hiện chưa\
+    \ rõ tung_tích Saleh . Ông đã thề sẽ kháng_chiến với Taliban , lực_lượng giành\
+    \ chính_quyền một tháng trước . Một thành_viên trong gia_đình cựu phó_tổng_thống\
+    \ tuần trước cho hay Taliban đã hành_quyết anh_trai ông là Rohullah_Azizi . \n\
+    \ Trong một tuyên_bố riêng , ngân_hàng kêu_gọi người dân Afghanistan sử_dụng đồng_nội_tệ\
+    \ , trong bối_cảnh ngày_càng nhiều người lo_ngại các ngân_hàng và công_ty Afghanistan\
+    \ thiếu tiền , đặc_biệt là đồng đôla Mỹ vốn sử_dụng rộng_rãi . \n Một dấu_hiệu\
+    \ cho thấy Taliban đang tìm cách thu_hồi tài_sản của quan_chức chính_quyền cũ\
+    \ là ngân_hàng trung_ương tuần trước ban_hành thông_tư cho các ngân_hàng địa_phương\
+    \ , yêu_cầu họ đóng_băng tài_khoản của những cá_nhân có liên_quan với chính_phủ\
+    \ cũ , theo hai ngân_hàng thương_mại . \n Hồng_Hạnh ( Theo Reuters )"
+  - "Ý_kiến này được Bộ Y_tế gửi Văn_phòng Chính_phủ , sau hơn một tuần Thủ_tướng\
+    \ yêu_cầu phối_hợp với Bộ Giáo_dục và Đào_tạo triển_khai tiêm vaccine cho học_sinh\
+    \ , để năm_học mới diễn ra an_toàn . \n Theo đó , thời_gian qua , Bộ Y_tế đã cố_gắng\
+    \ tiếp_cận các nguồn vaccine Covid - 19 . Tuy_nhiên hiện_nay số_lượng cung_ứng\
+    \ cho Việt_Nam chỉ đáp_ứng một phần nhu_cầu phòng_chống dịch theo Nghị_quyết số\
+    \ 21 . Bộ Y_tế đã hướng_dẫn địa_phương , đơn_vị tiêm cho người từ 18 tuổi trở\
+    \ lên . \n \" Dự_kiến khi thêm nguồn cung_ứng , vaccine phân_bổ về các địa_phương\
+    \ , đề_nghị UBND các tỉnh_thành phê_duyệt danh_sách đối_tượng tiêm cụ_thể , trong\
+    \ đó có người dưới 18 tuổi , bao_gồm cả học_sinh \" , theo Bộ Y_tế . \n Tại cuộc\
+    \ họp Ban chỉ_đạo quốc_gia phòng_chống Covid - 19 , chiều 5 / 9 , Bộ_trưởng Nguyễn\
+    \ Thanh_Long cho biết đến nay cả nước đã tiêm được 21.523.792 liều , đạt gần 30\
+    \ % số người từ 18 tuổi trở lên . Trong đó 15.112.140 người tiêm 1 liều và hơn\
+    \ 3.205.826 người tiêm đủ hai liều vaccine . \n Đến ngày 4 / 9 , số người từ 18\
+    \ tuổi trở lên đã được tiêm vaccine ở Hà_Nội là 3.026.125 , đạt 52,7 % ; tại TP\
+    \ HCM tiêm 6.130.000 liều , đạt 88 , % . \n Theo báo_cáo của Tiểu_ban Tiêm_chủng\
+    \ , 30 đợt vaccine Covid - 19 với tổng_số 32,8 triệu liều đã được phân_bổ cho\
+    \ các địa_phương , đơn_vị . Dự_kiến đến hết tháng 4 / 2022 cung_ứng được 150 triệu\
+    \ liều ."
+  - Trong bộ ảnh mới thực_hiện , Anh Thư giúp nhà thiết_kế Nguyễn_Hà_Nhật_Huy giới_thiệu
+    các mẫu đầm đi tiệc dành cho mùa thu . Lấy cảm_hứng từ vẻ đẹp thanh_lịch của phụ_nữ
+    hiện_đại , nhà mốt Việt đã mang tới nhiều mẫu đầm có tính ứng_dụng cao và phù_hợp
+    với chị_em công_sở . Nhà_thiết_kế sử_dụng các chất_liệu vải bố , ren , organza
+    kết_hợp cùng những đường cắt_cúp được viền ren tỉ_mỉ . Đầm liền thân dáng ngắn
+    có phần cắt_cúp ngực đẹp_mắt , đồng_thời chi_tiết tay bồng bằng vải trong cũng
+    góp_phần mang tới nét duyên_dáng cho người mặc . Cùng với vải bố dễ dựng phom
+    và tôn hình_thể , Nguyễn_Hà_Nhật_Huy cũng chọn vải xếp ly để mang tới các mẫu
+    đầm đi đúng khuynh_hướng thời_trang 2020 . Kỹ_thuật xoắn vải được nhà mốt Việt
+    áp_dụng một_cách hiệu_quả trên từng dáng váy đi tiệc . Váy cổ vest cho mùa mới
+    được thể_hiện cuốn_hút hơn bằng thiết_kế sát_nách đi kèm phần chân váy xếp nếp
+    độc_đáo . Ở bộ sưu_tập này , Nguyễn_Hà_Nhật_Huy sử_dụng tông trắng và hồng nude
+    làm chủ_đạo . Dù dùng màu đơn_sắc , anh giúp các mẫu váy trở_nên thu_hút nhờ lối
+    tạo phom và phần cắt may tinh_tế . Đầm cổ vest thiết_kế trên vải bố trắng vừa
+    mang lại nét thanh_lịch vừa giúp phái_đẹp tôn chiều cao một_cách hiệu_quả . Bộ
+    ảnh được thực_hiện với sự hỗ_trợ của nhiếp_ảnh Antonio_Dinh , trang_điểm Đinh_Văn_Long
+    , trợ_lý Thắng LQ. Duy_Khánh
+- source_sentence: 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
+  sentences:
+  - "Chủ_nhật , 17 / 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 Thú_cưng\
+    \ \n Thứ_bảy , 25 / 12 / 2021 , 22 : 00 ( GMT + 7 ) \n Mèo chăm_chỉ gập bụng \n\
+    \ Con vật nằm một bên máy tập rồi liên_tục gập bụng để nâng cao sức_khỏe . \n\
+    \ Mèo chăm_chỉ gập bụng \n Xuka \n ( st ) \n Trở_lại Thư_giãn \n Trở_lại Thư_giãn\
+    \ \n Chia_sẻ \n Copy link thành_công \n ×"
+  - "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 ×"
+  - "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"
+pipeline_tag: sentence-similarity
+---
+
+# SentenceTransformer based on vinai/phobert-base-v2
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2). It maps sentences & paragraphs to a 1536-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
+
+## Model Details
+
+### Model Description
+- **Model Type:** Sentence Transformer
+- **Base model:** [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2) <!-- at revision 2b51e367d92093c9688112098510e6a58bab67cd -->
+- **Maximum Sequence Length:** 256 tokens
+- **Output Dimensionality:** 1536 tokens
+- **Similarity Function:** Cosine Similarity
+<!-- - **Training Dataset:** Unknown -->
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
+- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
+- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
+
+### Full Model Architecture
+
+```
+SentenceTransformer(
+  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: RobertaModel 
+  (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})
+)
+```
+
+## Usage
+
+### Direct Usage (Sentence Transformers)
+
+First install the Sentence Transformers library:
+
+```bash
+pip install -U sentence-transformers
+```
+
+Then you can load this model and run inference.
+```python
+from sentence_transformers import SentenceTransformer
+
+# Download from the 🤗 Hub
+model = SentenceTransformer("sentence_transformers_model_id")
+# Run inference
+sentences = [
+    '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',
+    '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',
+    "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 ×",
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 1536]
+
+# Get the similarity scores for the embeddings
+similarities = model.similarity(embeddings, embeddings)
+print(similarities.shape)
+# [3, 3]
+```
+
+<!--
+### Direct Usage (Transformers)
+
+<details><summary>Click to see the direct usage in Transformers</summary>
+
+</details>
+-->
+
+<!--
+### Downstream Usage (Sentence Transformers)
+
+You can finetune this model on your own dataset.
+
+<details><summary>Click to expand</summary>
+
+</details>
+-->
+
+<!--
+### Out-of-Scope Use
+
+*List how the model may foreseeably be misused and address what users ought not to do with the model.*
+-->
+
+<!--
+## Bias, Risks and Limitations
+
+*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
+-->
+
+<!--
+### Recommendations
+
+*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
+-->
+
+## Training Details
+
+### Training Dataset
+
+#### Unnamed Dataset
+
+
+* Size: 8,027 training samples
+* Columns: <code>sentence_0</code> and <code>sentence_1</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | sentence_0                                                                        | sentence_1                                                                           |
+  |:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                               |
+  | 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> |
+* Samples:
+  | sentence_0                                                                                                                                                   | sentence_1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     |
+  |:-------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <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>                                                                              |
+  | <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>                                                                                                                         |
+  | <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> |
+* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
+  ```json
+  {
+      "scale": 20.0,
+      "similarity_fct": "cos_sim"
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `per_device_train_batch_size`: 32
+- `per_device_eval_batch_size`: 32
+- `num_train_epochs`: 5
+- `multi_dataset_batch_sampler`: round_robin
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: no
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 32
+- `per_device_eval_batch_size`: 32
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 1
+- `eval_accumulation_steps`: None
+- `learning_rate`: 5e-05
+- `weight_decay`: 0.0
+- `adam_beta1`: 0.9
+- `adam_beta2`: 0.999
+- `adam_epsilon`: 1e-08
+- `max_grad_norm`: 1
+- `num_train_epochs`: 5
+- `max_steps`: -1
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.0
+- `warmup_steps`: 0
+- `log_level`: passive
+- `log_level_replica`: warning
+- `log_on_each_node`: True
+- `logging_nan_inf_filter`: True
+- `save_safetensors`: True
+- `save_on_each_node`: False
+- `save_only_model`: False
+- `restore_callback_states_from_checkpoint`: False
+- `no_cuda`: False
+- `use_cpu`: False
+- `use_mps_device`: False
+- `seed`: 42
+- `data_seed`: None
+- `jit_mode_eval`: False
+- `use_ipex`: False
+- `bf16`: False
+- `fp16`: False
+- `fp16_opt_level`: O1
+- `half_precision_backend`: auto
+- `bf16_full_eval`: False
+- `fp16_full_eval`: False
+- `tf32`: None
+- `local_rank`: 0
+- `ddp_backend`: None
+- `tpu_num_cores`: None
+- `tpu_metrics_debug`: False
+- `debug`: []
+- `dataloader_drop_last`: False
+- `dataloader_num_workers`: 0
+- `dataloader_prefetch_factor`: None
+- `past_index`: -1
+- `disable_tqdm`: False
+- `remove_unused_columns`: True
+- `label_names`: None
+- `load_best_model_at_end`: False
+- `ignore_data_skip`: False
+- `fsdp`: []
+- `fsdp_min_num_params`: 0
+- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
+- `fsdp_transformer_layer_cls_to_wrap`: None
+- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
+- `deepspeed`: None
+- `label_smoothing_factor`: 0.0
+- `optim`: adamw_torch
+- `optim_args`: None
+- `adafactor`: False
+- `group_by_length`: False
+- `length_column_name`: length
+- `ddp_find_unused_parameters`: None
+- `ddp_bucket_cap_mb`: None
+- `ddp_broadcast_buffers`: False
+- `dataloader_pin_memory`: True
+- `dataloader_persistent_workers`: False
+- `skip_memory_metrics`: True
+- `use_legacy_prediction_loop`: False
+- `push_to_hub`: False
+- `resume_from_checkpoint`: None
+- `hub_model_id`: None
+- `hub_strategy`: every_save
+- `hub_private_repo`: False
+- `hub_always_push`: False
+- `gradient_checkpointing`: False
+- `gradient_checkpointing_kwargs`: None
+- `include_inputs_for_metrics`: False
+- `eval_do_concat_batches`: True
+- `fp16_backend`: auto
+- `push_to_hub_model_id`: None
+- `push_to_hub_organization`: None
+- `mp_parameters`: 
+- `auto_find_batch_size`: False
+- `full_determinism`: False
+- `torchdynamo`: None
+- `ray_scope`: last
+- `ddp_timeout`: 1800
+- `torch_compile`: False
+- `torch_compile_backend`: None
+- `torch_compile_mode`: None
+- `dispatch_batches`: None
+- `split_batches`: None
+- `include_tokens_per_second`: False
+- `include_num_input_tokens_seen`: False
+- `neftune_noise_alpha`: None
+- `optim_target_modules`: None
+- `batch_eval_metrics`: False
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: round_robin
+
+</details>
+
+### Training Logs
+| Epoch  | Step | Training Loss |
+|:------:|:----:|:-------------:|
+| 1.9920 | 500  | 0.664         |
+| 3.9841 | 1000 | 0.0512        |
+
+
+### Framework Versions
+- Python: 3.10.13
+- Sentence Transformers: 3.0.1
+- Transformers: 4.41.2
+- PyTorch: 2.1.2
+- Accelerate: 0.30.1
+- Datasets: 2.19.2
+- Tokenizers: 0.19.1
+
+## Citation
+
+### BibTeX
+
+#### Sentence Transformers
+```bibtex
+@inproceedings{reimers-2019-sentence-bert,
+    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
+    author = "Reimers, Nils and Gurevych, Iryna",
+    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
+    month = "11",
+    year = "2019",
+    publisher = "Association for Computational Linguistics",
+    url = "https://arxiv.org/abs/1908.10084",
+}
+```
+
+#### MultipleNegativesRankingLoss
+```bibtex
+@misc{henderson2017efficient,
+    title={Efficient Natural Language Response Suggestion for Smart Reply}, 
+    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},
+    year={2017},
+    eprint={1705.00652},
+    archivePrefix={arXiv},
+    primaryClass={cs.CL}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

contrastive-with-filter/added_tokens.json

@@ -0,0 +1,3 @@
+{
+  "<mask>": 64000
+}

contrastive-with-filter/config.json

@@ -0,0 +1,28 @@
+{
+  "_name_or_path": "vinai/phobert-base-v2",
+  "architectures": [
+    "RobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 258,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tokenizer_class": "PhobertTokenizer",
+  "torch_dtype": "float32",
+  "transformers_version": "4.41.2",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 64001
+}

contrastive-with-filter/config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.0.1",
+    "transformers": "4.41.2",
+    "pytorch": "2.1.2"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

contrastive-with-filter/model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cd590806e0d2192a588ffa74239daf8243d85e5f961d0eda540027a7437aaecb
+size 540015464

contrastive-with-filter/modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

contrastive-with-filter/sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 256,
+  "do_lower_case": false
+}

contrastive-with-filter/special_tokens_map.json

@@ -0,0 +1,9 @@
+{
+  "bos_token": "<s>",
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "unk_token": "<unk>"
+}

contrastive-with-filter/tokenizer_config.json

@@ -0,0 +1,54 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "64000": {
+      "content": "<mask>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "model_max_length": 256,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "PhobertTokenizer",
+  "unk_token": "<unk>"
+}

contrastive-without-filter/1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "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
+}

contrastive-without-filter/README.md

@@ -0,0 +1,480 @@
+---
+language: []
+library_name: sentence-transformers
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:10000
+- loss:MultipleNegativesRankingLoss
+base_model: vinai/phobert-base-v2
+datasets: []
+widget:
+- source_sentence: Kho báu của người Minos được khai_quật trên đảo hoang ở Hy lạp
+    chứa tiền và nhiều đồ trang_sức giá_trị .
+  sentences:
+  - "Bộ Văn_hóa Hy Lạp hôm 1 / 11 công_bố phát_hiện một kho báu lớn trên hòn đảo không\
+    \ người ở Chrysi nằm giữa biển Libya , cách đảo lớn Crete 15 km về phía nam .\
+    \ Nó được xác_định có niên_đại_từ thời_kỳ đồ đồng cách đây khoảng 3.800 năm .\
+    \ \n Kho báu chứa nhiều đồ trang_sức bằng vàng , chuỗi hạt thủy_tinh và tiền đồng\
+    \ talăng - đơn_vị tiền_tệ chung của người Hy Lạp cổ_đại . Một_số chuỗi hạt có\
+    \ nguồn_gốc từ Ai Cập . Bên cạnh khối tài_sản giá_trị , các nhà khảo_cổ_học còn\
+    \ khai_quật được một_số hài_cốt , bể cá cổ_xưa và một lượng lớn bột Porphyry -\
+    \ chất nhuộm màu tím được tạo ra từ ốc_sên biển . \n \" Nhiều vỏ ốc vỡ đã được\
+    \ phát_hiện , cho thấy việc sản_xuất thuốc_nhuộm Porphyry ra_đời từ rất sớm ở\
+    \ Địa_Trung_Hải \" , Bộ Văn_hóa cho biết . \" Tất_cả đã tạo nên một trong những\
+    \ kho báu quan_trọng nhất của người Minos từng được tìm thấy ở Hy Lạp \" . \n\
+    \ Nền văn_minh Minos được biết đến là những người tiên_phong trong lĩnh_vực hàng_hải\
+    \ . Họ phát_triển phồn_thịnh trong thời_đại đồ đồng , thống_trị đảo Crete và vùng_biển\
+    \ Aegea trong khoảng thời_gian từ năm 2700 đến 1450 trước Công_nguyên , trước\
+    \ khi bị thay_thế bởi nền văn_minh Mycenae . \n Đoàn_Dương ( Theo AFP )"
+  - "Ngày 12 / 3 , Sở Thông_tin - Truyền_thông Quảng_Nam cho biết Chánh Thanh_tra\
+    \ Nguyễn_Văn_Nam ký quyết_định phạt hành_chính 12,5 triệu đồng đối_với Nguyễn\
+    \ Tống_Dũ , xã Đại_Hiệp , huyện Đại_Lộc . \n Nhà chức_trách xác_định ông Dũ vi_phạm\
+    \ hành_chính trong lĩnh_vực bưu_chính , viễn_thông , công_nghệ thông_tin và tần_số\
+    \ vô_tuyến . \n Trước đó , ngày 24 / 2 , ông Dũ đăng thông_tin trên Facebook với\
+    \ nội_dung \" học_sinh chưa thể đến trường , giám_đốc sở giáo_dục Quảng_Nam chuẩn_bị\
+    \ nhận án kỷ_luật \" và xóa sau thời_gian ngắn . \n Đến nay , Quảng_Nam đã ghi_nhận\
+    \ hai ca dương_tính nCoV là \" bệnh_nhân 31 \" và \" bệnh_nhân 33 \" . Để phòng_chống\
+    \ dịch nCoV , tỉnh đã cho học_sinh đến ngày 15 / 3 ."
+  - "Nếu phải chọn một trong hai loại thực_phẩm dưới đây để ăn thường_xuyên và không\
+    \ thay_đổi trong thời_gian dài , bạn sẽ chọn loại nào ? \n Alexandra_V"
+- source_sentence: Chelsea bổ_nhiệm huyền_thoại người CH Czech vào vai_trò cố_vấn
+    kỹ_thuật và chuyên_môn . - VnExpress
+  sentences:
+  - "\" Tôi rất vinh_dự khi gia_nhập Chelsea một lần nữa . Trách_nhiệm của tôi là\
+    \ giúp CLB có hiệu_suất cao nhất có_thể , nối_tiếp thành_công mà Chelsea đã đạt\
+    \ trong 15 năm qua \" , Cech nói trong lễ ra_mắt hôm 20 / 6 . \" Tôi chờ_đợi những\
+    \ thử_thách mới , hy_vọng kiến_thức và kinh_nghiệm của tôi sẽ giúp Chelsea thành_công\
+    \ hơn nữa \" . \n Theo Sky_Sports , vai_trò mới của cựu_thủ_môn 37 tuổi ở Chelsea\
+    \ là cố_vấn mọi mặt liên_quan tới bóng_đá cũng như tăng_cường năng_lực của đội\
+    \ . Anh cũng làm nhiệm_vụ kết_nối giữa học_viện và đội một . \n Cech sẽ làm_việc\
+    \ chủ_yếu tại đại bản_doanh Cobham , sát_cánh với Giám_đốc Marina_Granovskaia\
+    \ , người được mệnh_danh là \" Bà đầm thép \" của Chelsea . Cech cũng theo đội\
+    \ trong các trận_đấu trên sân_nhà lẫn sân_khách . \n Giám_đốc Granovskaia hoan_nghênh\
+    \ sự trở_lại của Cech : \" Chúng_tôi rất vui_mừng được chào_đón Petr trở về mái\
+    \ nhà Chelsea \" . \n Cech tiếp_quản một_số công_việc của Michael_Emenalo , người\
+    \ đã rời khỏi vị_trí Giám_đốc kỹ_thuật của Chelsea để gia_nhập Monaco vào tháng\
+    \ 11 / 2017 . Trở_lại Chelsea là bước_đi đầu_tiên của Cech sau khi giải_nghệ .\
+    \ Trong trận cuối_cùng của sự_nghiệp cầu_thủ , Cech khoác_áo Arsenal chống lại\
+    \ chính Chelsea ở chung_kết Europa_League . \n Cech chơi 11 mùa giải cho Chelsea\
+    \ , giành 13 danh_hiệu trong đó có bốn chức vô_địch Ngoại_hạng Anh , bốn Cup FA\
+    \ , một Champions_League và một Europa_League trước khi gia_nhập Arsenal vào năm\
+    \ 2015 . Trong màu áo \" Pháo_Thủ \" , anh có thêm một Cup_FA. \n Thảo_Nguyên"
+  - "Cao_Triệu Khánh_Ly \n | \n Ngoisao . net phối_hợp Công_ty Cổ_phần Bibica tổ_chức\
+    \ cuộc thi \" Cả nhà cũng vẽ ước_mơ \" từ ngày 10 / 8 đến ngày 6 / 9 . Độc_giả\
+    \ có_thể chia_sẻ mọi ước_mơ của bản_thân , cho gia_đình hoặc cộng_đồng . \n Ban\
+    \ tổ_chức sẽ chọn 3 bài dự thi chất_lượng nhất để trao 2 triệu đồng_tiền_mặt mỗi\
+    \ tuần . Một giải_thưởng tháng trị_giá 5 triệu đồng_tiền_mặt . Độc_giả gửi bài\
+    \ thi tại đây , dưới dạng bài viết ( kèm 1 - 3 ảnh ) ; bài ảnh ( tối_đa 12 ảnh\
+    \ ) ; video hoặc hình_vẽ thể_hiện ước_mơ . \n Mỗi bài dự thi sẽ đóng_góp một bộ\
+    \ sách giáo_khoa tặng học_sinh nghèo trong năm_học mới . Độc_giả còn có_thể đóng_góp\
+    \ cho chương_trình tặng sách giáo_khoa , bữa xế và xe_đạp cho trẻ_em nghèo bằng\
+    \ cách mua hàng trực_tuyến trên website Bibica hoặc mua trực_tiếp các sản_phẩm\
+    \ của Bibica tại các cửa_hàng trên toàn_quốc . Tham_gia chia_sẻ # HURAtiepsucdentruong\
+    \ trên facebook cá_nhân hoặc hội nhóm để đóng_góp 5.000 đồng một hashtag cho chương_trình\
+    \ ."
+  - "Ngày 9 / 1 , Quốc và 4 người khác bị Công_an TP Buôn_Ma_Thuột tạm giữ , điều_tra\
+    \ về hành_vi Đánh_bạc ; Tổ_chức đánh_bạc . \n Hai hôm trước , khi đột_kích sới\
+    \ bạc , cảnh_sát thu_giữ tại hiện_trường gần 100 triệu đồng , 30 điện_thoại và\
+    \ nhiều tang_vật khác . \n Theo điều_tra , Quốc tổ_chức đá gà ăn_tiền trong rẫy\
+    \ cà_phê gần một tháng nay , mỗi độ ăn_thua 1 - 10 triệu đồng . Để tránh bị phát_hiện\
+    \ , anh ta thường_xuyên thay_đổi địa_điểm sát_phạt , thuê người cảnh_giới vòng\
+    \ ngoài . \n Trần_Hoá"
+- source_sentence: Cô_dâu mặc chiếc váy được làm từ lá cờ in khẩu_hiệu " Đưa nước
+    Mỹ vĩ_đại trở_lại " , trong khi khách mời cũng đội mũ in dòng chữ này .
+  sentences:
+  - "Phía sau những tòa nhà cao , vết_tích bom B - 52 vẫn còn trên phố Khâm_Thiên\
+    \ , trong lễ giỗ chung của 287 người bị bom sát_hại năm 1972 . \n Ngọc_Thành"
+  - "Sảnh ngân_hàng ưu_tiên ( ACB Privilege_Banking ) tại Buôn_Ma_Thuột là mô_hình\
+    \ thứ 10 trên toàn hệ_thống ACB. Không_gian này đáp_ứng sự gia_tăng về nhu_cầu\
+    \ của nhóm khách cao_cấp . \n Trong 5 năm qua , ACB Privilege_Banking mở_rộng\
+    \ quy_mô , phục_vụ hàng nghìn khách_hàng cao_cấp trên toàn_quốc . Trung_tâm có\
+    \ mô_hình chuyên_biệt , đội_ngũ chuyên_viên tư_vấn chuyên_môn cao cùng nhiều đặc_quyền\
+    \ như phòng chờ sân_bay , đặc_quyền golf , ẩm_thực , du_lịch . \n Khách_hàng có_thể\
+    \ trải nghiệm mô_hình tại lầu 3 , tòa nhà ACB , số 152 - 156 Y_Jut , phường Thắng_Lợi\
+    \ , thành_phố Buôn_Ma_Thuột , Đăk_Lăk . Sự_kiện khai_trương có chủ_đề \" Sắc_màu\
+    \ Tây_Nguyên \" , giới_thiệu nghệ_thuật văn_hóa cà_phê cùng các loại nông_sản\
+    \ đặc_trưng . Chương_trình mang đến cơ_hội để kết_nối các doanh_nghiệp trong hệ\
+    \ sinh_thái khách_hàng ACB , mở ra nhiều cơ_hội hợp_tác kinh_doanh . \n Minh_Huy"
+  - "Audra và Jeff_Johnson làm đám_cưới hôm 4 / 7 , trùng ngày quốc_khánh Mỹ , tại\
+    \ Kalamazoo , bang Michigan , Mỹ trong sự chúc phúc của gia_đình và bạn_bè , những\
+    \ người đội chiếc mũ in dòng chữ \" Đưa nước Mỹ vĩ_đại trở_lại \" , khẩu_hiệu\
+    \ tranh_cử năm 2016 của Tổng_thống Donald_Trump . \n \" Cứ như nước Mỹ bao_phủ\
+    \ toàn_bộ đám_cưới của tôi và tôi không hề hối_tiếc \" , cô_dâu Audra_Johnson\
+    \ chia_sẻ . Audra cho biết ngoài việc tôn_vinh tình_yêu , vợ_chồng cô quyết_định\
+    \ biến đám_cưới thành nơi vinh_danh Trump và mọi chi_tiết đều được chuẩn_bị công_phu\
+    \ . Ngay cả móng tay của cô_dâu cũng được sơn giống như cờ Mỹ . \n \" Váy cưới\
+    \ được lấy ý_tưởng từ thiết_kế của Andre_Soriano . Thật_ra váy cưới được làm từ\
+    \ một lá cờ ' Đưa nước Mỹ vĩ_đại trở_lại ' và nó đã trở_thành_tâm_điểm của đám_cưới\
+    \ \" , Audra nói . Nhà_thiết_kế Soriano đã tạo ra chiếc váy in khẩu_hiệu của Trump\
+    \ cho nữ ca_sĩ Joy Villa mặc tới thảm_đỏ lễ trao giải Grammy 2017 . \n Dù chủ_đề\
+    \ vinh_danh Trump , cặp vợ_chồng chào_đón tất_cả mọi người cùng đến dự , bao_gồm\
+    \ những người theo đảng Dân_chủ . Một_số người từ_chối đội chiếc mũ có in khẩu_hiệu\
+    \ của Trump . Bố chú_rể cũng không tới đám_cưới vì ông không ủng_hộ Trump . \n\
+    \ Audra cho biết nếu được mời tới đám_cưới theo chủ_đề của cựu tổng_thống Barack_Obama\
+    \ , cô sẽ vui_vẻ nhận_lời . \n Huyền_Lê ( Theo Fox )"
+- source_sentence: Mua_đồ ăn trữ sẵn trong nhà nhưng quên ăn khiến những quả trứng
+    vịt lộn treo trong bếp đã nở con .
+  sentences:
+  - "Mua_đồ ăn trữ sẵn trong nhà nhưng quên ăn khiến những quả trứng vịt lộn treo\
+    \ trong bếp đã nở con . \n Xuka ( st )"
+  - "Ca_sĩ nói : \" Là người chồng , cha trong gia_đình , tôi mong góp tiếng_nói tích_cực\
+    \ kêu_gọi cộng_đồng cùng hưởng_ứng_chiến_dịch \" . Hoạt_động được nhiều nghệ_sĩ\
+    \ hưởng_ứng như : Hoa_hậu H ' Hen_Niê , diễn_viên Bảo_Thanh , ca_sĩ Trọng Hiếu\
+    \ , MC Minh_Trang , diễn_viên Kim_Lý ... \n Trước đó , ca_sĩ cùng con_trai đầu\
+    \ - bé Tê_Giác - làm đại_sứ khách mời trong chiến_dịch kêu_gọi bảo_vệ tê_giác\
+    \ của WildAid . \n Chiến_dịch Trái_tim xanh do UNICEF tại Việt_Nam phát_động .\
+    \ Ca_sĩ Hoàng_Bách - sinh năm 1980 , cựu thành_viên nhóm AC & M. Sau thời_gian\
+    \ vượt qua trầm_cảm , anh lập ban nhạc mới Bach20_Band và phát_triển theo hướng\
+    \ truyền_cảm_hứng cho cộng_đồng . Vợ_chồng ca_sĩ đón con thứ ba vào năm 2019 ."
+  - "Khi muỗi vừa chích vào da , bị phát_hiện , chúng rút vòi bay đi ta thấy ngứa\
+    \ nhưng khi hút máu căng bụng thì không ? Tại_sao ? ( Tư ) \n Ảnh minh_họa : ST.\
+    \ \n Mời độc_giả đặt câu hỏi tại đây"
+- source_sentence: 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
+  sentences:
+  - "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"
+  - Ông chồng no đòn vì nói_xấu vợ khi đang nhậu Bác Ba_Phi ( st ) Cách vợ trừng_trị
+    chồng say rượu Chồng quay quán chè cho vợ xem khi trốn đi nhậu
+  - "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_hi���n 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\
+    \ )"
+pipeline_tag: sentence-similarity
+---
+
+# SentenceTransformer based on vinai/phobert-base-v2
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2). It maps sentences & paragraphs to a 1536-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
+
+## Model Details
+
+### Model Description
+- **Model Type:** Sentence Transformer
+- **Base model:** [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2) <!-- at revision 2b51e367d92093c9688112098510e6a58bab67cd -->
+- **Maximum Sequence Length:** 256 tokens
+- **Output Dimensionality:** 1536 tokens
+- **Similarity Function:** Cosine Similarity
+<!-- - **Training Dataset:** Unknown -->
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
+- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
+- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
+
+### Full Model Architecture
+
+```
+SentenceTransformer(
+  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: RobertaModel 
+  (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})
+)
+```
+
+## Usage
+
+### Direct Usage (Sentence Transformers)
+
+First install the Sentence Transformers library:
+
+```bash
+pip install -U sentence-transformers
+```
+
+Then you can load this model and run inference.
+```python
+from sentence_transformers import SentenceTransformer
+
+# Download from the 🤗 Hub
+model = SentenceTransformer("sentence_transformers_model_id")
+# Run inference
+sentences = [
+    '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',
+    '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',
+    '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 )',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 1536]
+
+# Get the similarity scores for the embeddings
+similarities = model.similarity(embeddings, embeddings)
+print(similarities.shape)
+# [3, 3]
+```
+
+<!--
+### Direct Usage (Transformers)
+
+<details><summary>Click to see the direct usage in Transformers</summary>
+
+</details>
+-->
+
+<!--
+### Downstream Usage (Sentence Transformers)
+
+You can finetune this model on your own dataset.
+
+<details><summary>Click to expand</summary>
+
+</details>
+-->
+
+<!--
+### Out-of-Scope Use
+
+*List how the model may foreseeably be misused and address what users ought not to do with the model.*
+-->
+
+<!--
+## Bias, Risks and Limitations
+
+*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
+-->
+
+<!--
+### Recommendations
+
+*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
+-->
+
+## Training Details
+
+### Training Dataset
+
+#### Unnamed Dataset
+
+
+* Size: 10,000 training samples
+* Columns: <code>sentence_0</code> and <code>sentence_1</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | sentence_0                                                                        | sentence_1                                                                           |
+  |:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                               |
+  | 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> |
+* Samples:
+  | sentence_0                                                                                                                                                         | sentence_1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                           |
+  |:-------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <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>                                                                                                                                                                                                                            |
+  | <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>                                                             |
+  | <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> |
+* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
+  ```json
+  {
+      "scale": 20.0,
+      "similarity_fct": "cos_sim"
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `per_device_train_batch_size`: 32
+- `per_device_eval_batch_size`: 32
+- `num_train_epochs`: 5
+- `multi_dataset_batch_sampler`: round_robin
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: no
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 32
+- `per_device_eval_batch_size`: 32
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 1
+- `eval_accumulation_steps`: None
+- `learning_rate`: 5e-05
+- `weight_decay`: 0.0
+- `adam_beta1`: 0.9
+- `adam_beta2`: 0.999
+- `adam_epsilon`: 1e-08
+- `max_grad_norm`: 1
+- `num_train_epochs`: 5
+- `max_steps`: -1
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.0
+- `warmup_steps`: 0
+- `log_level`: passive
+- `log_level_replica`: warning
+- `log_on_each_node`: True
+- `logging_nan_inf_filter`: True
+- `save_safetensors`: True
+- `save_on_each_node`: False
+- `save_only_model`: False
+- `restore_callback_states_from_checkpoint`: False
+- `no_cuda`: False
+- `use_cpu`: False
+- `use_mps_device`: False
+- `seed`: 42
+- `data_seed`: None
+- `jit_mode_eval`: False
+- `use_ipex`: False
+- `bf16`: False
+- `fp16`: False
+- `fp16_opt_level`: O1
+- `half_precision_backend`: auto
+- `bf16_full_eval`: False
+- `fp16_full_eval`: False
+- `tf32`: None
+- `local_rank`: 0
+- `ddp_backend`: None
+- `tpu_num_cores`: None
+- `tpu_metrics_debug`: False
+- `debug`: []
+- `dataloader_drop_last`: False
+- `dataloader_num_workers`: 0
+- `dataloader_prefetch_factor`: None
+- `past_index`: -1
+- `disable_tqdm`: False
+- `remove_unused_columns`: True
+- `label_names`: None
+- `load_best_model_at_end`: False
+- `ignore_data_skip`: False
+- `fsdp`: []
+- `fsdp_min_num_params`: 0
+- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
+- `fsdp_transformer_layer_cls_to_wrap`: None
+- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
+- `deepspeed`: None
+- `label_smoothing_factor`: 0.0
+- `optim`: adamw_torch
+- `optim_args`: None
+- `adafactor`: False
+- `group_by_length`: False
+- `length_column_name`: length
+- `ddp_find_unused_parameters`: None
+- `ddp_bucket_cap_mb`: None
+- `ddp_broadcast_buffers`: False
+- `dataloader_pin_memory`: True
+- `dataloader_persistent_workers`: False
+- `skip_memory_metrics`: True
+- `use_legacy_prediction_loop`: False
+- `push_to_hub`: False
+- `resume_from_checkpoint`: None
+- `hub_model_id`: None
+- `hub_strategy`: every_save
+- `hub_private_repo`: False
+- `hub_always_push`: False
+- `gradient_checkpointing`: False
+- `gradient_checkpointing_kwargs`: None
+- `include_inputs_for_metrics`: False
+- `eval_do_concat_batches`: True
+- `fp16_backend`: auto
+- `push_to_hub_model_id`: None
+- `push_to_hub_organization`: None
+- `mp_parameters`: 
+- `auto_find_batch_size`: False
+- `full_determinism`: False
+- `torchdynamo`: None
+- `ray_scope`: last
+- `ddp_timeout`: 1800
+- `torch_compile`: False
+- `torch_compile_backend`: None
+- `torch_compile_mode`: None
+- `dispatch_batches`: None
+- `split_batches`: None
+- `include_tokens_per_second`: False
+- `include_num_input_tokens_seen`: False
+- `neftune_noise_alpha`: None
+- `optim_target_modules`: None
+- `batch_eval_metrics`: False
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: round_robin
+
+</details>
+
+### Training Logs
+| Epoch  | Step | Training Loss |
+|:------:|:----:|:-------------:|
+| 1.5974 | 500  | 0.8959        |
+| 3.1949 | 1000 | 0.1912        |
+| 4.7923 | 1500 | 0.0968        |
+
+
+### Framework Versions
+- Python: 3.10.13
+- Sentence Transformers: 3.0.1
+- Transformers: 4.41.2
+- PyTorch: 2.1.2
+- Accelerate: 0.30.1
+- Datasets: 2.19.2
+- Tokenizers: 0.19.1
+
+## Citation
+
+### BibTeX
+
+#### Sentence Transformers
+```bibtex
+@inproceedings{reimers-2019-sentence-bert,
+    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
+    author = "Reimers, Nils and Gurevych, Iryna",
+    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
+    month = "11",
+    year = "2019",
+    publisher = "Association for Computational Linguistics",
+    url = "https://arxiv.org/abs/1908.10084",
+}
+```
+
+#### MultipleNegativesRankingLoss
+```bibtex
+@misc{henderson2017efficient,
+    title={Efficient Natural Language Response Suggestion for Smart Reply}, 
+    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},
+    year={2017},
+    eprint={1705.00652},
+    archivePrefix={arXiv},
+    primaryClass={cs.CL}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

contrastive-without-filter/added_tokens.json

@@ -0,0 +1,3 @@
+{
+  "<mask>": 64000
+}

contrastive-without-filter/config.json

@@ -0,0 +1,28 @@
+{
+  "_name_or_path": "vinai/phobert-base-v2",
+  "architectures": [
+    "RobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 258,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tokenizer_class": "PhobertTokenizer",
+  "torch_dtype": "float32",
+  "transformers_version": "4.41.2",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 64001
+}

contrastive-without-filter/config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.0.1",
+    "transformers": "4.41.2",
+    "pytorch": "2.1.2"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

contrastive-without-filter/model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:c39ec4061755ff4a7319a68e46201a3c199101acadf3be89c3475ec9ece958f3
+size 540015464

contrastive-without-filter/modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

contrastive-without-filter/sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 256,
+  "do_lower_case": false
+}

contrastive-without-filter/special_tokens_map.json

@@ -0,0 +1,9 @@
+{
+  "bos_token": "<s>",
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "unk_token": "<unk>"
+}

contrastive-without-filter/tokenizer_config.json

@@ -0,0 +1,54 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "64000": {
+      "content": "<mask>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "model_max_length": 256,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "PhobertTokenizer",
+  "unk_token": "<unk>"
+}

top_10_20_biencoder/1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 768,
+  "pooling_mode_cls_token": true,
+  "pooling_mode_mean_tokens": false,
+  "pooling_mode_max_tokens": false,
+  "pooling_mode_mean_sqrt_len_tokens": false,
+  "pooling_mode_weightedmean_tokens": false,
+  "pooling_mode_lasttoken": false,
+  "include_prompt": true
+}

top_10_20_biencoder/added_tokens.json

@@ -0,0 +1,3 @@
+{
+  "<mask>": 64000
+}

top_10_20_biencoder/config.json

@@ -0,0 +1,28 @@
+{
+  "_name_or_path": "top_10_bm25",
+  "architectures": [
+    "RobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 258,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tokenizer_class": "PhobertTokenizer",
+  "torch_dtype": "float32",
+  "transformers_version": "4.38.1",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 64001
+}

top_10_20_biencoder/config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.0.1",
+    "transformers": "4.38.1",
+    "pytorch": "2.1.2"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

top_10_20_biencoder/model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:bcdc5e09b953d04fd11b475e94eedcfa77e65ab235476a31adb05a566dcf96e0
+size 540015464

top_10_20_biencoder/modules.json

@@ -0,0 +1,20 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  },
+  {
+    "idx": 2,
+    "name": "2",
+    "path": "2_Normalize",
+    "type": "sentence_transformers.models.Normalize"
+  }
+]

top_10_20_biencoder/sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 258,
+  "do_lower_case": false
+}

top_10_20_biencoder/special_tokens_map.json

@@ -0,0 +1,9 @@
+{
+  "bos_token": "<s>",
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "unk_token": "<unk>"
+}

top_10_20_biencoder/tokenizer_config.json

@@ -0,0 +1,54 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "64000": {
+      "content": "<mask>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "model_max_length": 1000000000000000019884624838656,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "PhobertTokenizer",
+  "unk_token": "<unk>"
+}

top_10_20_biencoder/training_args.bin

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:c939e2041603f2cbaa906f5fe7f4a5adb89febe1a63c96f134aaf71cbbd292e6
+size 6520

top_10_20_biencoder_with_filter/1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 768,
+  "pooling_mode_cls_token": true,
+  "pooling_mode_mean_tokens": false,
+  "pooling_mode_max_tokens": false,
+  "pooling_mode_mean_sqrt_len_tokens": false,
+  "pooling_mode_weightedmean_tokens": false,
+  "pooling_mode_lasttoken": false,
+  "include_prompt": true
+}

top_10_20_biencoder_with_filter/added_tokens.json

@@ -0,0 +1,3 @@
+{
+  "<mask>": 64000
+}

top_10_20_biencoder_with_filter/config.json

@@ -0,0 +1,28 @@
+{
+  "_name_or_path": "top_10_bm25",
+  "architectures": [
+    "RobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 258,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tokenizer_class": "PhobertTokenizer",
+  "torch_dtype": "float32",
+  "transformers_version": "4.38.1",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 64001
+}

top_10_20_biencoder_with_filter/config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.0.1",
+    "transformers": "4.38.1",
+    "pytorch": "2.1.2"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

top_10_20_biencoder_with_filter/model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:e4d5aee2eb58d748b270ec3aaf7e117d633b225c012a7bce324941fceadfc230
+size 540015464

top_10_20_biencoder_with_filter/modules.json

@@ -0,0 +1,20 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  },
+  {
+    "idx": 2,
+    "name": "2",
+    "path": "2_Normalize",
+    "type": "sentence_transformers.models.Normalize"
+  }
+]

top_10_20_biencoder_with_filter/sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 258,
+  "do_lower_case": false
+}

top_10_20_biencoder_with_filter/special_tokens_map.json

@@ -0,0 +1,9 @@
+{
+  "bos_token": "<s>",
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "unk_token": "<unk>"
+}

top_10_20_biencoder_with_filter/tokenizer_config.json

@@ -0,0 +1,54 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "64000": {
+      "content": "<mask>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "mask_token": "<mask>",
+  "model_max_length": 1000000000000000019884624838656,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "PhobertTokenizer",
+  "unk_token": "<unk>"
+}

top_10_20_biencoder_with_filter/training_args.bin

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:c939e2041603f2cbaa906f5fe7f4a5adb89febe1a63c96f134aaf71cbbd292e6
+size 6520

top_10_20_bm25/1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 768,
+  "pooling_mode_cls_token": true,
+  "pooling_mode_mean_tokens": false,
+  "pooling_mode_max_tokens": false,
+  "pooling_mode_mean_sqrt_len_tokens": false,
+  "pooling_mode_weightedmean_tokens": false,
+  "pooling_mode_lasttoken": false,
+  "include_prompt": true
+}

top_10_20_bm25/added_tokens.json

@@ -0,0 +1,3 @@
+{
+  "<mask>": 64000
+}