SentenceTransformer based on iambestfeed/phobert-base-v2-finetuned-raw_data_wseg-lr2e-05-1-epochs-bs-64

This is a sentence-transformers model finetuned from iambestfeed/phobert-base-v2-finetuned-raw_data_wseg-lr2e-05-1-epochs-bs-64 on the vne_wiki_pair_data 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: iambestfeed/phobert-base-v2-finetuned-raw_data_wseg-lr2e-05-1-epochs-bs-64
Maximum Sequence Length: 256 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- vne_wiki_pair_data

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("iambestfeed/phobert-base-v2-vne_wiki_pair_data-raw_data_wseg-lr2e-05-1-epochs-bs-48")
# Run inference
sentences = [
    'Từ_nguyên của Ngày_Sabát',
    'Chữ " Shabbat " bắt_nguồn từ động từ tiếng Hebrew shavat ( ) . Mặc_dù thường được dịch là " nghỉ_ngơi " ( danh từ hoặc động từ ) , một dịch chính_xác khác của những từ này là " ngừng ( làm_việc ) " , do nghỉ_ngơi không nhất_thiết phải được bao_hàm . Từ tiếng Hebrew hiện_đại có liên_quan shevita ( đình_công ) , có cùng ý_nghĩa về sự kiêng_cữ hoạt_động hơn là thụ_động trong công_việc . Khái_niệm về sự chấm_dứt tích_cực của lao_động cũng được coi là phù_hợp hơn với hoạt_động của Thiên_Chúa toàn_năng vào ngày thứ_bảy của Sáng_tạo theo Sáng thế ký .',
    'Căn_nguyên của bệnh là những sang_chấn tâm_thần ( căng_thẳng tâm_lý ) đa_dạng và phức_tạp . Các sang_chấn đó thường là những vấn_đề mà cá_nhân , tập_thể không_thể giải_quyết được , không chịu_đựng được , khiến cho mối quan_hệ của cá_nhân , tập_thể đối_với môi_trường sinh_hoạt hiện_tại bị rối_loạn . Nếu không được giải_thích , giúp_đỡ thì các triệu_chứng tâm_thần và cơ_thể sẽ hình_thành . con đường gây bệnh là " tự ám_thị " và " bị ám_thị " . Số người có cùng môi_trường sống , sinh_hoạt , bị tác_động tiêu_cực của cùng một sang_chấn tâm_lý , kết_hợp với một cá_nhân đã từng có rối_loạn phân_ly từ trước sẽ gây ra phản_ứng rối_loạn phân_ly dây_chuyền . \n Một_số người cho rằng đối_tượng chủ_yếu là nữ vì có_thể là do cách những nạn_nhân này xử_lý stress theo kiểu xã_hội_hóa .',
]
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

vne_wiki_pair_data

Dataset: vne_wiki_pair_data at 7737ed4
Size: 2,512,571 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 5 tokens
mean: 12.96 tokens
max: 56 tokens

min: 14 tokens
mean: 103.89 tokens
max: 256 tokens

	anchor	positive
type	string	string
details	min: 5 tokens mean: 12.96 tokens max: 56 tokens	min: 14 tokens mean: 103.89 tokens max: 256 tokens

Samples:

anchor	positive
`Giới_thiệu của Thiratoscirtus`	`Thiratoscirtus là một chi nhện trong họ Salticidae . ( )`
`Giới_thiệu của Agrotis_songoensis`	`Agrotis songoensis là một loài bướm đêm trong họ Noctuidae . ( ) ( )`
`Đồng_Minh giành lại Miến_Điện của Chiến_tranh Thái_Bình_Dương`	Cuối năm 1944 , đầu năm 1945 , Bộ tư_lệnh các lực_lượng Đồng_Minh tại Đông_Nam_Á ( SEAC ) do phó đô_đốc Anh Louis_Mountbatten đứng đầu gồm 750.000 quân , sẵn_sàng phản_công giành lại tất_cả những đất_đai đã bị quân Nhật_chiếm ở lục_địa Đông_Nam_Á . Cùng với sự vượt_trội hơn hẳn về quân_số , Đồng_Minh có ưu_thế tuyệt_đối về không_quân , chiến_xa và các phương_tiện cơ_giới khác . Trong khi đó , bộ tư_lệnh quân Nhật nhận_thức được sự yếu_kém của mình quyết_định cố đánh cầm_chừng chờ mùa mưa tới và dự_định sử_dụng Quân_đội Quốc_gia Miến_Điện của chính_phủ Ba Maw do người Nhật_dựng lên . ( ) Quân_đoàn XV Ấn_Độ tiến dọc theo bờ biển tỉnh Arakan , sau_cùng đã chiếm được hải_cảng Akyab , mục_tiêu hai năm về trước họ đã thất_bại . Quân_đoàn 28 Nhật_rút_lui không kháng_cự , rời khỏi Arakan . Ngày 22 tháng 1 , quân Anh chiếm đảo Ramree và hải_cảng Cheduba 5 ngày sau đó . Sau khi quét sạch quân Nhật khỏi Arakan , quân Đồng_Minh bắt_đầu xây_dựng các sân_bay chuẩn_bị cho các trận đánh sắp tới . ( ...

Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 48
learning_rate: 2e-05
num_train_epochs: 1
warmup_ratio: 0.1
save_safetensors: False
fp16: True
push_to_hub: True
hub_model_id: iambestfeed/phobert-base-v2-vne_wiki_pair_data-raw_data_wseg-lr2e-05-1-epochs-bs-48
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: no
prediction_loss_only: True
per_device_train_batch_size: 48
per_device_eval_batch_size: 8
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 1
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 2e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 1
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.1
warmup_steps: 0
log_level: passive
log_level_replica: warning
log_on_each_node: True
logging_nan_inf_filter: True
save_safetensors: False
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: True
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: True
resume_from_checkpoint: None
hub_model_id: iambestfeed/phobert-base-v2-vne_wiki_pair_data-raw_data_wseg-lr2e-05-1-epochs-bs-48
hub_strategy: every_save
hub_private_repo: None
hub_always_push: False
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
include_for_metrics: []
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
use_liger_kernel: False
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs