SentenceTransformer based on tanbinh2210/mlm-vinai_phobert-base-v2

This is a sentence-transformers model finetuned from tanbinh2210/mlm-vinai_phobert-base-v2 on the json dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: tanbinh2210/mlm-vinai_phobert-base-v2
• Maximum Sequence Length: 256 tokens
• Output Dimensionality: 768 tokens
• Similarity Function: Cosine Similarity
• Training Dataset:
  • json

Model Sources

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

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': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

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("tanbinh2210/mnrl_mlm-vinai_phobert-base-v2")
# Run inference
sentences = [
    'Quy_trình lọc công_việc theo Người thực_hiện trong dự_án bao_gồm những bước nào ?',
    'Tôi có_thể lọc được các công_việc tôi là Người thực_hiện ở trong dự_án không ?\nTại danh_sách công_việc trong dự_án bạn có_thể sử_dụng bộ lọc nâng cao ở thanh tìm_kiếm để lọc danh_sách các công_việc theo Người thực_hiện bằng cách :\nTại màn danh_sách công_việc trong dự_án Chọn tác_vụ Lọc trên Bộ lọc nâng cao\nLọc theo trường Người thực_hiện\nlọc công_việc trong dự_án theo người thực_hiện',
    'Hồ_sơ bảo_hiểm\nKê_khai hồ_sơ bảo_hiểm\nKê_khai hồ_sơ bảo_hiểm là một thủ_tục bắt_buộc đối_với các doanh_nghiệp và người lao_động để đảm_bảo quyền_lợi và nghĩa_vụ về bảo_hiểm_xã_hội , bảo_hiểm_y_tế , bảo_hiểm thất_nghiệp .\nDanh_sách HSBH được tự_động cập_nhật từ danh_sách Hồ_sơ nhân_sự ( HSNS ) đang làm_việc trong phân hệ Nhân_sự dựa trên cài_đặt tăng giảm dự_kiến trong IVAN .\nCài_đặt 1 - IVAN\nDưới đây là các bước hướng_dẫn kê_khai và khai_báo HSBH :\nBước 1 : Truy_cập đối_tượng Hồ_sơ bảo_hiểm > Chọn tab Chờ kê_khai > Chọn hồ_sơ muốn khai_báo và nhấn chuột phải > Chọn thủ_tục kê_khai\nBước 1 Kê_khai hồ_sơ bảo_hiểm\nBước 2 : \xa0Điền thông_tin bắt_buộc tại tab Khai_báo > \xa0Nhấn Cập_nhật\nBước 2 Kê_khai hồ_sơ bảo_hiểm\nChú_ý : Đối_với những hồ_sơ chưa đầy_đủ thông_tin , người dùng cần bổ_sung tại các tab Hồ_sơ bảo_hiểm và Thông_tin gia_đình trước khi thực_hiện khai_báo .\nBước 3 : Click vào nhãn của thủ_tục muốn kê_khai > Thực_hiện kê_khai hồ_sơ bảo_hiểm > Nhấn nút Ký & Gửi kê_khai\nBước 3 Kê_khai hồ_sơ bảo_hiểm',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Training Details

Training Dataset

json

• Dataset: json
• Size: 7,276 training samples
• Columns: question and positive
• Approximate statistics based on the first 1000 samples:

  	question	positive
  type	string	string
  details	min: 8 tokensmean: 19.78 tokensmax: 46 tokens	min: 29 tokensmean: 171.57 tokensmax: 256 tokens

• Samples:

  question	positive
  Nếu thiếu thông_tin về số người phụ_thuộc trong hồ_sơ nhân_sự thì sẽ ảnh_hưởng như_thế_nào đến quyết_toán thuế ?	Khắc_phục sự_cố không có thông_tin quyết_toán thuếBảng quyết_toán thuế được tổng_hợp thông_tin từ bảng lương các tháng , nguyên_nhân chính dẫn đến việc không có thông_tin trên bảng quyết_toán thuế là do trên các bảng lương chưa có đầy_đủ các thông_tin :Cột tổng thu_nhập tổng_hợp dựa trên cột Tổng tiền trên các bảng lươngCột giảm trừ bảo_hiểm dựa trên cột Khấu_trừ bảo_hiểm trên các bảng lươngMột_số thông_tin khác như mã_số thuế , số người phụ_thuộc , .. cần được nhập đầy_đủ trên hồ_sơ nhân_sự của nhân_sự
  Trong một quy_trình công_việc đang chạy , vai_trò nào cho_phép tôi theo_dõi luồng vận_hành của quy_trình ?	Quy_trình tự_độngNode_Công_việc quy_trìnhNode công_việc quy_trình được sinh ra sau khi chọn điều_kiện tạo công_việc quy_trình .Tại đây người dùng có_thể tiến_hành cài_đặt các thông_tin liên_quan đến việc quản_lý tổng_hợp luồng vận_hành quy_trình .Node công_việc quy_trìnhẤn chuột trái vào node công_việc quy_trình để tiến_hành thiết_lập các cài_đặt liên_quan .Bảng mô_tả các trường dữ_liệu trong node công_việc quy_trình :Trường dữ_liệu : Phạm_vi áp_dụng , Mô_tả : Chỉ những nhân_sự thuộc phạm_vi áp_dụng trong cài_đặt mới có_thể nhìn thấy và sử_dụng quy_trình này .Những người không thuộc phạm_vi áp_dụng khi tạo Quy_trình công_việc sẽ không_thể tìm thấy và khởi tạo quy_trình này .Trường dữ_liệu : Người_quản_lý công_việc sinh ra bởi quy_trình , Mô_tả : Là người có toàn_quyền đối_với công_việc quy_trình được khởi chạyTrường dữ_liệu : Cho_phép thay_đổi người_quản_lý khi tạo công_việc , Mô_tả : Cài_đặt này cho_phép thay_đổi người_quản_lý của công_việc sinh ra bởi quy_trình khi khởi tạo công_việcTrường dữ_liệu : Người_quản_lý quy_trình mẫu , Mô_tả : Là người có_thể thay_đổi , điều_chỉnh hoặc xoá quy_trình mẫu nàyTrường dữ_liệu : Người theo_dõi , Mô_tả : Là người theo_dõi luồng vận_hành quy_trình khi quy_trình được khởi chạy
  Trước khi ký và gửi hồ_sơ ngừng dịch_vụ 1 - IVAN lên BHXH , tôi cần kiểm_tra những thông_tin gì trong tờ khai ?	Ngừng dịch_vụ 1 - IVANBạn muốn truy_cập nhanh đến phân hệ Bảo_hiểm 1 - IVAN ?Truy_cập vào phân hệ 1 - IVANNội_dungHướng_dẫn ngừng dịch_vụ 1 - IVANHướng_dẫn ngừng dịch_vụ 1 - IVANMục_đích : Tác_vụ này được sử_dụng trong trường_hợp bạn không muốn sử_dụng dịch_vụ 1 - IVAN nữa .Dưới đây là chi_tiết hướng_dẫn ngừng dịch_vụ 1 - IVAN :Click vào Ngừng 1 - IVAN > > Chọn một hoặc nhiều lý_do > > Kiểm_tra thông_tin điền trong tờ khai > > Ký và gửi hồ_sơ lên BHXH Việt_Namngừng 1 - IVANKết_quả ngừng dịch_vụ sẽ được gửi đến phần_mềm 1 - IVAN và email đăng_ký dịch_vụ của đơn_vị .Khi cơ_quan BHXH xác_nhận yêu_cầu ngừng , dịch_vụ 1 - IVAN của đơn_vị bạn sẽ chính_thức bị ngừng và không_thể tiếp_tục sử_dụng .Ghi_chú : Sau khi thay_đổi thông_tin đơn_vị hoặc ngừng dịch_vụ 1 - IVAN , hệ_thống sẽ lưu lịch_sử tại Danh_sách hồ_sơTìm_hiểu thêm tại Trung_tâm hỗ_trợ 1Office

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

Evaluation Dataset

json

• Dataset: json
• Size: 7,276 evaluation samples
• Columns: question and positive
• Approximate statistics based on the first 1000 samples:

  	question	positive
  type	string	string
  details	min: 8 tokensmean: 20.21 tokensmax: 52 tokens	min: 32 tokensmean: 174.47 tokensmax: 256 tokens

• Samples:

  question	positive
  Với vai_trò trưởng bộ_phận , làm_sao để tôi có cái nhìn tổng_quan về đánh_giá cũng như thực_hiện đúng nhiệm_vụ của mình ?	PHÂN HỆ ĐÁNH_GIÁNhững gì bạn có_thể làmTheo_dõi các tính_năng / tác_vụ đánh_giá theo đúng vai_trò sẽ giúp các bộ_phận có cái nhìn tổng_quan về đánh_giá cũng như thực_hiện đúng nhiệm_vụ của mình .Đảm_bảo tính độc_lập trong quy_trình quản_lý và đánh_giá nhân_sự .Tính_năng / Tác_vụ : Thiết_lập tiêu_chí đánh_giá Xây_dựng bộ tiêu_chí đánh_giá dựa trên các loại tiêu_chí đánh_giá , Người sử_dụng : Ban lãnh_đạo / Trưởng phòng hành_chính nhân_sựTính_năng / Tác_vụ : Quản_lý mẫu đánh_giá Xây_dựng mẫu đánh_giá với các tiêu_chí đặc_trưng cho từng vị_trí trong doanh_nghiệp , Người sử_dụng : Bộ_phận hành_chính nhân_sựTính_năng / Tác_vụ : Quản_lý phiếu đánh_giá Quản_lý phiếu đánh_giá định_kỳ và người thực_hiện đánh_giá , Người sử_dụng : Bộ_phận hành_chính nhân_sựTính_năng / Tác_vụ : Thực_hiện đánh_giá , Người sử_dụng : Trưởng bộ_phận / Nhân_viênTìm_hiểu thêm tại trung_tâm hỗ_trợ 1Office
  Tính_năng ' Form báo_cáo ' trong quy_trình mẫu cho_phép người dùng làm gì ?	Quản_lý quy_trình mẫuTạo mới quy_trình mẫu1 . Truy_cập phân hệ Văn_bản2 . Ở trên cùng bên trái , chọn Tạo mới Quy_trình mẫuBảng mô_tả các node trong thiết_lập quy_trình mẫu :Trường dữ_liệu : Node bước xử_lý , Mô_tả : Cho_phép cài_đặt thông_tin liên_quan đến việc xử_lý trong quy_trình xử_lý_văn_bản , mỗi bước sẽ có người chủ_trì và người xử_lý thông_tin riêngTrường dữ_liệu : Node chuyển_tiếp , Mô_tả : Cho_phép người dùng thực_hiện thao_tác chuyển xử_lý sang bước tiếp_theoTrường dữ_liệu : Node hành_động , Mô_tả : Cài_đặt các thao_tác thủ_công của người dùng để thực_hiện bước công_việc .Ví_dụ : Xác_nhận , Không xác_nhận ...Trường dữ_liệu : Node  trình và ký , Mô_tả : Cho_phép người dùng cài_đặt hồ_sơ ký số và thực_hiện ký số trên quy_trình xử_lý_văn_bảnTrường dữ_liệu : Node trạng_thái , Mô_tả : Cho_phép người dùng cập_nhật trạng_thái của bước xử_lý : Hoàn_thànhTạm dừngHuỷTrường dữ_liệu : Node gửi email , Mô_tả : Cho_phép người dùng cài_đặt gửi email trực_tiếp trên quy_trình xử_lý_văn_bảnTrường dữ_liệu : Form báo_cáo , Mô_tả : Tính_năng tuỳ chỉnh form trong quy_trình công_việc mẫu , cho_phép người dùng tự cấu_hình các trường hiển_thị trong các bước xử_lý công_việc
  Sau khi tải plugin ký số về , tôi cần làm gì với file nén này ?	Ký token là gì ?Để ký token , cần làm gì ?Ký token là một thuật_ngữ thường được sử_dụng để chỉ chữ_ký số hoặc chứng_thư số .Đây là một dạng chữ_ký điện_tử được tạo ra dựa trên các thuật_toán mã_hoá phức_tạp , có giá_trị pháp_lý tương_đương với chữ_ký viết_tay trên giấy .Chữ_ký số thường được lưu_trữ và quản_lý trên một thiết_bị vật_lý như USB , thẻ thông_minh , hoặc một thiết_bị di_động có chức_năng tương_tự .Thiết_bị này được gọi là token .Để ký bằng token , người dùng cần :Download plugin hỗ_trợ ký số tại đây .Giải nén và cài_đặt pluginCắm_USB_Token vào máy_tính và bấm " Ký_Token "

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• overwrite_output_dir: True
• per_device_train_batch_size: 16
• per_device_eval_batch_size: 32
• gradient_accumulation_steps: 4
• weight_decay: 0.01
• num_train_epochs: 10
• lr_scheduler_type: cosine
• warmup_ratio: 0.05
• fp16: True
• batch_sampler: no_duplicates

All Hyperparameters

• overwrite_output_dir: True
• do_predict: False
• eval_strategy: no
• prediction_loss_only: True
• per_device_train_batch_size: 16
• per_device_eval_batch_size: 32
• per_gpu_train_batch_size: None
• per_gpu_eval_batch_size: None
• gradient_accumulation_steps: 4
• eval_accumulation_steps: None
• torch_empty_cache_steps: None
• learning_rate: 5e-05
• weight_decay: 0.01
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• max_grad_norm: 1.0
• num_train_epochs: 10
• max_steps: -1
• lr_scheduler_type: cosine
• lr_scheduler_kwargs: {}
• warmup_ratio: 0.05
• warmup_steps: 0
• log_level: passive
• log_level_replica: warning
• log_on_each_node: True
• logging_nan_inf_filter: True
• save_safetensors: True
• save_on_each_node: False
• save_only_model: False
• restore_callback_states_from_checkpoint: False
• no_cuda: False
• use_cpu: False
• use_mps_device: False
• seed: 42
• data_seed: None
• jit_mode_eval: False
• use_ipex: False
• bf16: False
• fp16: True
• fp16_opt_level: O1
• half_precision_backend: auto
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: None
• local_rank: 0
• ddp_backend: None
• tpu_num_cores: None
• tpu_metrics_debug: False
• debug: []
• dataloader_drop_last: False
• dataloader_num_workers: 0
• dataloader_prefetch_factor: None
• past_index: -1
• disable_tqdm: False
• remove_unused_columns: True
• label_names: None
• load_best_model_at_end: False
• ignore_data_skip: False
• fsdp: []
• fsdp_min_num_params: 0
• fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
• fsdp_transformer_layer_cls_to_wrap: None
• accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• deepspeed: None
• label_smoothing_factor: 0.0
• optim: adamw_torch
• optim_args: None
• adafactor: False
• group_by_length: False
• length_column_name: length
• ddp_find_unused_parameters: None
• ddp_bucket_cap_mb: None
• ddp_broadcast_buffers: False
• dataloader_pin_memory: True
• dataloader_persistent_workers: False
• skip_memory_metrics: True
• use_legacy_prediction_loop: False
• push_to_hub: False
• resume_from_checkpoint: None
• hub_model_id: None
• hub_strategy: every_save
• hub_private_repo: False
• hub_always_push: False
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• include_inputs_for_metrics: False
• eval_do_concat_batches: True
• fp16_backend: auto
• push_to_hub_model_id: None
• push_to_hub_organization: None
• mp_parameters:
• auto_find_batch_size: False
• full_determinism: False
• torchdynamo: None
• ray_scope: last
• ddp_timeout: 1800
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• dispatch_batches: None
• split_batches: None
• include_tokens_per_second: False
• include_num_input_tokens_seen: False
• neftune_noise_alpha: None
• optim_target_modules: None
• batch_eval_metrics: False
• eval_on_start: False
• eval_use_gather_object: False
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional

Training Logs

Framework Versions

• Python: 3.8.10
• Sentence Transformers: 3.2.1
• Transformers: 4.44.2
• PyTorch: 2.4.1+cu124
• Accelerate: 1.0.1
• Datasets: 2.19.0
• Tokenizers: 0.19.1

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{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}
}