SentenceTransformer based on bkai-foundation-models/vietnamese-bi-encoder

This is a sentence-transformers model finetuned from bkai-foundation-models/vietnamese-bi-encoder. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: bkai-foundation-models/vietnamese-bi-encoder
• Maximum Sequence Length: 256 tokens
• Output Dimensionality: 768 dimensions
• Similarity Function: Cosine Similarity
• Supported Modality: Text

Model Sources

• Documentation: Sentence Transformers Documentation
• Repository: Sentence Transformers on GitHub
• Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'RobertaModel'})
  (1): Pooling({'embedding_dimension': 768, 'pooling_mode': 'mean', 'include_prompt': True})
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
queries = [
    'Hồ_sơ đề_nghị cấp lại Giấy_phép và năng định cho nhân_viên bảo_dưỡng tàu_bay trong trường_hợp hết hạn gồm những nội_dung gì ?',
]
documents = [
    'NỘI_DUNG THỦ_TỤC HÀNH_CHÍNH CÔNG_BỐ SỬA_ĐỔI \n ... \n 2 . Cấp lại Giấy_phép và năng định cho nhân_viên bảo_dưỡng tàu_bay ( AMT ) \n ... \n 2.3 . Thành_phần , số_lượng hồ_sơ : \n a ) Thành_phần : \n * Trường_hợp hết hạn : \n 1 . Bản_sao hoặc biểu_mẫu điện_tử đơn đề_nghị cấp lại nêu rõ lý_do theo quy_định tại khoản h Phụ_lục 1 Điều 7.350 . \n 2 . Bản_sao hoặc bản_sao điện_tử tài_liệu duy_trì kinh_nghiệm với các nội_dung áp_dụng cho năng định của người đề_nghị . \n * Trường_hợp Giấy_phép mất , rách : \n 1 . Bản_sao hoặc biểu_mẫu điện_tử đơn đề_nghị cấp lại nêu rõ lý_do theo quy_định tại khoản h Phụ_lục 1 Điều 7.350 . \n 2 . Bản_sao hoặc bản_sao điện_tử giấy_phép và năng định đã được cấp ( nếu có ) . ” \n 2.4 . Thời_hạn giải_quyết : 07 ngày , kể từ ngày nhận được hồ_sơ hợp_lệ . \n 2.5 . Đối_tượng thực_hiện thủ_tục hành_chính : Cá_nhân , tổ_chức \n ...',
    'Hồ_sơ , trình_tự , thủ_tục cấp Giấy_phép xuất_khẩu , nhập_khẩu tiền chất công_nghiệp \n ... \n 7 . Hồ_sơ , thủ_tục gia_hạn Giấy_phép \n a ) Giấy_phép được gia_hạn trong trường_hợp hết thời_hạn ghi trong Giấy_phép xuất_khẩu , nhập_khẩu quy_định tại khoản 4 Điều này nhưng việc xuất_khẩu , nhập_khẩu chưa thực_hiện được hoặc thực_hiện chưa xong . Giấy_phép chỉ được gia_hạn một lần ; \n b ) Trước khi Giấy_phép hết hạn tối_thiểu 05 ngày làm_việc , tổ_chức , cá_nhân có nhu_cầu gia_hạn Giấy_phép phải lập 01 bộ hồ_sơ đề_nghị gia_hạn Giấy_phép gửi cơ_quan cấp phép qua đường bưu_điện hoặc gửi trực_tiếp hoặc qua hệ_thống dịch_vụ công trực_tuyến ; \n c ) Hồ_sơ đề_nghị gia_hạn Giấy_phép bao_gồm : Văn_bản đề_nghị gia_hạn Giấy_phép xuất_khẩu , nhập_khẩu tiền chất công_nghiệp ; bản_sao Giấy_phép xuất_khẩu , nhập_khẩu tiền chất công_nghiệp đã được cấp ; \n d ) Trong thời_hạn 05 ngày làm_việc kể từ ngày nhận đủ hồ_sơ hợp_lệ , cơ_quan cấp phép kiểm_tra , gia_hạn Giấy_phép cho tổ_chức , cá_nhân . Trường_hợp không gia_hạn Giấy_phép , cơ_quan có thẩm_quyền cấp phép phải có văn_bản trả_lời , nêu rõ lý_do ; \n đ ) Giấy_phép xuất_khẩu , nhập_khẩu được gia_hạn không quá 06 tháng kể từ ngày cấp phép gia_hạn .',
    'Hình_thức phòng xử_án \n 1 . Phòng xử án phải được bố_trí Quốc_huy nước Cộng_hòa xã_hội chủ_nghĩa Việt_Nam trên nền ốp gỗ ở chính giữa , phía sau và ở trên vị_trí của Hội_đồng xét_xử , Hội_đồng giải_quyết việc dân_sự , phá_sản , Thẩm_phán chủ tọa phiên_tòa , chủ_trì phiên họp . \n 2 . Phòng xử án được bố_trí hai bục , trừ phòng xử án và giải_quyết các vụ_việc thuộc thẩm_quyền của Tòa_gia_đình và người chưa thành_niên . Vị_trí của Hội_đồng xét_xử , Hội_đồng giải_quyết việc dân_sự , phá_sản , Thẩm_phán chủ tọa phiên_tòa , chủ_trì phiên họp ở trên bục cao nhất ; bục thứ hai là vị_trí của những người tiến_hành tố_tụng khác , người tham_gia tố_tụng và người tham_dự phiên_tòa , phiên họp . \n 3 . Phòng xử án phải bảo_đảm không_gian để tiến_hành phiên_tòa , phiên họp và hàng_rào ngăn_cách giữa khu_vực của những người tiến_hành tố_tụng , người tham_gia tố_tụng với khu_vực của người tham_dự phiên_tòa , phiên họp ; phải bố_trí lối đi riêng của Hội_đồng xét_xử , Hội_đồng giải_quyết việc dân_sự , phá_sản , Thẩm_phán chủ tọa phiên_tòa , chủ_trì phiên họp ; lối đi của những người tiến_hành tố_tụng khác , người tham_gia tố_tụng , người tham_dự phiên_tòa , phiên họp ; tường trong phòng xử án có nền màu vàng . \n 4 . Sơ_đồ vị_trí của những người tiến_hành tố_tụng , người tham_gia tố_tụng , người tham_dự phiên_tòa , phiên họp trong phòng xử án được thực_hiện theo Phụ_lục số 01 ban_hành kèm theo Thông_tư này . \n 5 . Trường_hợp xét_xử lưu_động thì phòng xử án phải bố_trí Quốc_huy nước Cộng_hòa xã_hội chủ_nghĩa Việt_Nam trên phông_nền màu xanh ở chính giữa , phía sau và ở trên vị_trí của Hội_đồng xét_xử . Bàn của những người tiến_hành tố_tụng được phủ khăn có màu giống với màu phông_nền .',
]
query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# [1, 768] [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(query_embeddings, document_embeddings)
print(similarities)
# tensor([[ 0.8335,  0.2039, -0.0268]])

Training Details

Training Dataset

Unnamed Dataset

• Size: 120,204 training samples
• Columns: query and positive
• Approximate statistics based on the first 100 samples:

  	query	positive
  type	string	string
  modality	text	text
  details	min: 6 tokensmean: 17.35 tokensmax: 31 tokens	min: 40 tokensmean: 167.3 tokensmax: 256 tokens

• Samples:

  query	positive
  Mục_đích hoạt_động của Hiệp_hội Các trường cao_đẳng nghề_nghiệp ngoài công_lập Việt_Nam được quy_định thế_nào ?	Tôn_chỉ , mục_đích Hiệp_hội Các trường cao_đẳng nghề_nghiệp ngoài công_lập Việt_Nam ( sau đây gọi tắt là Hiệp_hội ) là tổ_chức xã_hội - nghề_nghiệp tự_nguyện của các trường cao_đẳng nghề Việt_Nam ngoài công_lập ; các tổ_chức , công_dân Việt_Nam hoạt_động trong lĩnh_vực đào_tạo nghề_nghiệp hoặc liên_quan đến lĩnh_vực đào_tạo nghề_nghiệp theo quy_định pháp_luật tự_nguyện thành_lập , hoạt_động thường_xuyên , không vụ_lợi , nhằm mục_đích tập_hợp , đoàn_kết hội_viên , bảo_vệ quyền và lợi_ích hợp_pháp của Hiệp_hội , hội_viên , cùng hỗ_trợ nhau hoạt_động hiệu_quả nhằm chia_sẻ kiến_thức , trao_đổi kinh_nghiệm , đề_xuất giải_pháp góp_phần phát_triển sự_nghiệp dạy nghề của Việt_Nam .
  Thu_hồi Chứng_nhận trường đạt kiểm_định chất_lượng giáo_dục đối_với trường tiểu_học trong trường_hợp nào ?	Thu_hồi Chứng_nhận trường đạt kiểm_định chất_lượng giáo_dục 1 . Trường_hợp Chứng_nhận trường đạt kiểm_định chất_lượng giáo_dục còn thời_hạn mà trường tiểu_học không còn đáp_ứng các tiêu_chuẩn đánh_giá thì Chứng_nhận trường đạt kiểm_định chất_lượng giáo_dục bị thu_hồi . ...
  Đóng bảo_hiểm xã_hội tự_nguyện theo năm được không ?	Phương_thức đóng theo quy_định tại Điều 87 Luật BHXH và các văn_bản hướng_dẫn thi_hành , cụ_thể như sau : 1 . Người tham_gia BHXH tự_nguyện được chọn một trong các phương_thức đóng sau đây để đóng vào quỹ hưu_trí và tử_tuất : 1.1 . Đóng hằng tháng ; 1.2 . Đóng 03 tháng_một lần ; 1.3 . Đóng 06 tháng_một lần ; 1.4 . Đóng 12 tháng_một lần ; 1.5 . Đóng một lần cho nhiều năm về sau nhưng không quá 5 năm một lần ; 1.6 . Đóng một lần cho những năm còn thiếu đối_với người tham_gia BHXH đã đủ điều_kiện về tuổi để hưởng lương hưu theo quy_định nhưng thời_gian đóng BHXH còn thiếu không quá 10 năm ( 120 tháng ) thì được đóng cho đủ 20 năm để hưởng lương hưu . Trường_hợp đang tham_gia BHXH bắt_buộc thì đóng BHXH tự_nguyện một lần cho những năm còn thiếu vào tháng_đủ điều_kiện về tuổi hưởng lương hưu . Ví_dụ 1 : Bà A tính đến tháng 3 / 2017 đủ 55 tuổi và có 15 năm 9 tháng đóng BHXH. Bà A có nguyện_vọng tiếp_tục tham_gia BHXH tự_nguyện để đủ điều_kiện hưởng lương hưu hằng tháng và lựa...

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "gather_across_devices": false,
      "directions": [
          "query_to_doc"
      ],
      "partition_mode": "joint",
      "hardness_mode": null,
      "hardness_strength": 0.0
  }
  

Evaluation Dataset

Unnamed Dataset

• Size: 13,364 evaluation samples
• Columns: query and positive
• Approximate statistics based on the first 100 samples:

  	query	positive
  type	string	string
  modality	text	text
  details	min: 10 tokensmean: 18.64 tokensmax: 33 tokens	min: 19 tokensmean: 173.97 tokensmax: 256 tokens

• Samples:

  query	positive
  Sản_phẩm phần_mềm có được hưởng ưu_đãi về thời_gian miễn thuế , giảm thuế hay không ? Nếu được thì trong vòng bao_nhiêu năm ?	" Điều 20 . Ưu_đãi về thời_gian miễn thuế , giảm thuế 1 . Miễn thuế bốn năm , giảm 50 % số thuế phải nộp trong chín năm tiếp_theo đối_với : a ) Thu_nhập của doanh_nghiệp từ thực_hiện dự_án đầu_tư quy_định tại khoản 1 Điều 19 Thông_tư số 78 / 2014 / TT - BTC ( được sửa_đổi , bổ_sung tại Khoản 1 Điều 11 Thông_tư này ) . "
  Hồ_sơ_tuyển_chọn Thẩm_phán Tòa_án nhân_dân cấp huyện phải được giao lại cho Chánh_án Tòa_án nhân_dân cấp tỉnh quản_lý khi nào ?	Sau khi Hội_đồng đã thực_hiện xong việc tuyển_chọn không phụ_thuộc vào kết_quả đa_số thành_viên Hội_đồng đồng_ý hoặc không đồng_ý đề_nghị Chánh_án Tòa_án nhân_dân tối_cao bổ_nhiệm Thẩm_phán , thì các hồ_sơ và bản_sao hồ_sơ phải được giao lại cho Chánh_án Tòa_án nhân_dân cấp tỉnh hoặc Chánh_án Tòa_án quân_sự Trung_ương để quản_lý .
  Kiểm_định viên chất_lượng giáo_dục nghề_nghiệp phải có kinh_nghiệm trong những lĩnh_vực gì ?	Phần II. NỘI_DUNG CỤ_THỂ CỦA TỪNG THỦ_TỤC HÀNH_CHÍNH A. Thủ_tục hành_chính cấp trung_ương ... 5 . Thủ_tục : Cấp thẻ kiểm_định viên chất_lượng giáo_dục nghề_nghiệp . ... 5.10 . Yêu_cầu , điều_kiện thực_hiện thủ_tục hành_chính : a ) Đáp_ứng các tiêu_chuẩn kiểm_định viên chất_lượng giáo_dục nghề_nghiệp - Có phẩm_chất đạo_đức tốt , có đủ sức_khỏe đáp_ứng yêu_cầu công_việc . - Có bằng tốt_nghiệp đại_học trở lên . - Có ít_nhất 05 năm kinh_nghiệm về quản_lý , giảng_dạy , nghiên_cứu trong lĩnh_vực giáo_dục , giáo_dục nghề_nghiệp hoặc làm_việc về ngành , nghề có liên_quan đến chuyên_môn , nghiệp_vụ được đào_tạo . - Hoàn_thành khóa đào_tạo kiểm_định viên chất_lượng giáo_dục nghề_nghiệp do Tổng_cục Giáo_dục nghề_nghiệp hoặc do đơn_vị được Tổng_cục Giáo_dục nghề_nghiệp giao nhiệm_vụ tổ_chức . - Có trình_độ ngoại_ngữ từ bậc 2 theo quy_định của Bộ Giáo_dục và Đào_tạo ban_hành Khung năng_lực ngoại_ngữ 6 bậc dùng cho Việt_Nam hoặc tương_đương trở lên . - Đạt chuẩn kỹ_năng sử_dụ...

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "gather_across_devices": false,
      "directions": [
          "query_to_doc"
      ],
      "partition_mode": "joint",
      "hardness_mode": null,
      "hardness_strength": 0.0
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• per_device_train_batch_size: 512
• num_train_epochs: 10
• learning_rate: 4e-05
• weight_decay: 0.02
• bf16: True
• log_level: error
• per_device_eval_batch_size: 512
• load_best_model_at_end: True
• batch_sampler: no_duplicates

All Hyperparameters

• per_device_train_batch_size: 512
• num_train_epochs: 10
• max_steps: -1
• learning_rate: 4e-05
• lr_scheduler_type: linear
• lr_scheduler_kwargs: None
• warmup_steps: 0
• optim: adamw_torch_fused
• optim_args: None
• weight_decay: 0.02
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• optim_target_modules: None
• gradient_accumulation_steps: 1
• average_tokens_across_devices: True
• max_grad_norm: 1.0
• label_smoothing_factor: 0.0
• bf16: True
• fp16: False
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: None
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• use_liger_kernel: False
• liger_kernel_config: None
• use_cache: False
• neftune_noise_alpha: None
• torch_empty_cache_steps: None
• auto_find_batch_size: False
• log_on_each_node: True
• logging_nan_inf_filter: True
• include_num_input_tokens_seen: no
• log_level: error
• log_level_replica: warning
• disable_tqdm: False
• project: huggingface
• trackio_space_id: None
• trackio_bucket_id: None
• trackio_static_space_id: None
• per_device_eval_batch_size: 512
• prediction_loss_only: True
• eval_on_start: False
• eval_do_concat_batches: True
• eval_use_gather_object: False
• eval_accumulation_steps: None
• include_for_metrics: []
• batch_eval_metrics: False
• save_only_model: False
• save_on_each_node: False
• enable_jit_checkpoint: False
• push_to_hub: False
• hub_private_repo: None
• hub_model_id: None
• hub_strategy: every_save
• hub_always_push: False
• hub_revision: None
• load_best_model_at_end: True
• ignore_data_skip: False
• restore_callback_states_from_checkpoint: False
• full_determinism: False
• seed: 42
• data_seed: None
• use_cpu: False
• accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• parallelism_config: None
• dataloader_drop_last: False
• dataloader_num_workers: 0
• dataloader_pin_memory: True
• dataloader_persistent_workers: False
• dataloader_prefetch_factor: None
• remove_unused_columns: True
• label_names: None
• train_sampling_strategy: random
• length_column_name: length
• ddp_find_unused_parameters: None
• ddp_bucket_cap_mb: None
• ddp_broadcast_buffers: False
• ddp_static_graph: None
• ddp_backend: None
• ddp_timeout: 1800
• fsdp: None
• fsdp_config: None
• deepspeed: None
• debug: []
• skip_memory_metrics: True
• do_predict: False
• resume_from_checkpoint: None
• warmup_ratio: None
• local_rank: -1
• prompts: None
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional
• router_mapping: {}
• learning_rate_mapping: {}

Training Logs

• The bold row denotes the saved checkpoint.

Training Time

• Training: 1.1 hours
• Evaluation: 5.1 minutes
• Total: 1.1 hours

Framework Versions

• Python: 3.12.13
• Sentence Transformers: 5.5.1
• Transformers: 5.10.1
• PyTorch: 2.11.0+cu128
• Accelerate: 1.13.0
• Datasets: 4.0.0
• Tokenizers: 0.22.2

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MultipleNegativesRankingLoss

@misc{oord2019representationlearningcontrastivepredictive,
      title={Representation Learning with Contrastive Predictive Coding},
      author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
      year={2019},
      eprint={1807.03748},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/1807.03748},
}