Vietnamese_Embedding_finetuned

This is a sentence-transformers model finetuned from AITeamVN/Vietnamese_Embedding on the json dataset. It maps sentences & paragraphs to a 1024-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: AITeamVN/Vietnamese_Embedding
Maximum Sequence Length: 8192 tokens
Output Dimensionality: 1024 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- json
Language: vi
License: apache-2.0

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': 8192, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, '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})
  (2): Normalize()
)

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("namnguyenba2003/VietnamLegalText-SBERT-finetuned_v3")
# Run inference
sentences = [
    'dịch vụ trợ giúp được sản xuất ra; d.2.4) Khoản trợ giúp do người mua thuê thì trị giá của khoản trợ giúp là chi phí thuê; d.2.5) Khoản trợ giúp là hàng hóa đã qua sử dụng thì trị giá của khoản trợ giúp là trị giá còn lại của hàng hóa đó; d.2.6) Hàng hóa trợ giúp được người mua gia công, chế biến trước khi chuyển cho người bán để sử dụng vào sản xuất hàng hóa nhập khẩu thì phải cộng thêm phần giá trị tăng thêm do gia công, chế biến vào trị giá của khoản trợ giúp; d.2.7) Khoản trợ giúp được người mua, bán giảm giá cho người xuất khẩu thì phải cộng thêm phần trị giá được giảm vào trị giá hải quan; d.2.8) Trường hợp sau khi sản xuất ra hàng hóa nhập khẩu còn thu được nguyên, vật liệu thừa,',
    'Nếu người nhập khẩu nhận được hàng hóa trợ giúp từ người bán, họ phải cộng thêm khoản chi phí nào vào trị giá hải quan?',
    'Theo quy định, người hành nghề khám bệnh, chữa bệnh phải tư vấn, cung cấp những thông tin gì cho người bệnh?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

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

Evaluation

Metrics

Information Retrieval

Dataset: dim_1024
Evaluated with InformationRetrievalEvaluator with these parameters:
```
{
    "truncate_dim": 1024
}
```

Metric	Value
cosine_accuracy@1	0.7261
cosine_accuracy@3	0.7918
cosine_accuracy@5	0.8784
cosine_accuracy@10	0.9367
cosine_precision@1	0.7261
cosine_precision@3	0.6491
cosine_precision@5	0.4559
cosine_precision@10	0.2516
cosine_recall@1	0.2997
cosine_recall@3	0.7386
cosine_recall@5	0.8469
cosine_recall@10	0.9297
cosine_ndcg@10	0.8344
cosine_mrr@10	0.7791
cosine_map@100	0.8067

Information Retrieval

Dataset: dim_768
Evaluated with InformationRetrievalEvaluator with these parameters:
```
{
    "truncate_dim": 768
}
```

Metric	Value
cosine_accuracy@1	0.7234
cosine_accuracy@3	0.7906
cosine_accuracy@5	0.8784
cosine_accuracy@10	0.9351
cosine_precision@1	0.7234
cosine_precision@3	0.6475
cosine_precision@5	0.4565
cosine_precision@10	0.2514
cosine_recall@1	0.2979
cosine_recall@3	0.7355
cosine_recall@5	0.8464
cosine_recall@10	0.9284
cosine_ndcg@10	0.8323
cosine_mrr@10	0.7767
cosine_map@100	0.8044

Information Retrieval

Dataset: dim_512
Evaluated with InformationRetrievalEvaluator with these parameters:
```
{
    "truncate_dim": 512
}
```

Metric	Value
cosine_accuracy@1	0.7187
cosine_accuracy@3	0.7813
cosine_accuracy@5	0.8714
cosine_accuracy@10	0.9359
cosine_precision@1	0.7187
cosine_precision@3	0.6423
cosine_precision@5	0.4514
cosine_precision@10	0.251
cosine_recall@1	0.2962
cosine_recall@3	0.7303
cosine_recall@5	0.838
cosine_recall@10	0.9269
cosine_ndcg@10	0.8288
cosine_mrr@10	0.7722
cosine_map@100	0.8001

Information Retrieval

Dataset: dim_256
Evaluated with InformationRetrievalEvaluator with these parameters:
```
{
    "truncate_dim": 256
}
```

Metric	Value
cosine_accuracy@1	0.7047
cosine_accuracy@3	0.7685
cosine_accuracy@5	0.8605
cosine_accuracy@10	0.9223
cosine_precision@1	0.7047
cosine_precision@3	0.6313
cosine_precision@5	0.4453
cosine_precision@10	0.2481
cosine_recall@1	0.2894
cosine_recall@3	0.7169
cosine_recall@5	0.8282
cosine_recall@10	0.9158
cosine_ndcg@10	0.8164
cosine_mrr@10	0.7589
cosine_map@100	0.7882

Information Retrieval

Dataset: dim_128
Evaluated with InformationRetrievalEvaluator with these parameters:
```
{
    "truncate_dim": 128
}
```

Metric	Value
cosine_accuracy@1	0.6814
cosine_accuracy@3	0.7444
cosine_accuracy@5	0.8361
cosine_accuracy@10	0.9037
cosine_precision@1	0.6814
cosine_precision@3	0.6088
cosine_precision@5	0.4321
cosine_precision@10	0.2425
cosine_recall@1	0.2816
cosine_recall@3	0.6935
cosine_recall@5	0.8051
cosine_recall@10	0.8953
cosine_ndcg@10	0.7945
cosine_mrr@10	0.736
cosine_map@100	0.7674

Training Details

Training Dataset

json

Dataset: json
Size: 20,594 training samples
Columns: positive and anchor
Approximate statistics based on the first 1000 samples:
positive anchor
type string string
details
min: 112 tokens
mean: 207.75 tokens
max: 298 tokens

min: 16 tokens
mean: 36.41 tokens
max: 90 tokens

	positive	anchor
type	string	string
details	min: 112 tokens mean: 207.75 tokens max: 298 tokens	min: 16 tokens mean: 36.41 tokens max: 90 tokens

Samples:

positive	anchor
Việc xác định ưu đãi thuế thu nhập doanh nghiệp đối với thu nhập từ hoạt động dịch vụ vận tải của doanh nghiệp căn cứ theo địa bàn thành lập dự án đầu tư (địa bàn tỉnh Sơn La - thuộc địa bàn có điều kiện kinh tế xã hội đặc biệt khó khăn) và có điểm đi hoặc điểm đến thuộc địa bàn thành lập dự án đầu tư (địa bàn tỉnh Sơn La), cụ thể như sau: + Thu nhập từ hoạt động dịch vụ vận tải đối với các tuyến xe được hưởng ưu đãi thuế thu nhập doanh nghiệp do có điểm đi hoặc điểm đến tại địa bàn tỉnh Sơn La: tuyến xe cố định (đi từ Sơn La đến thành phố Hà Nội và ngược lại; đi từ Sơn La đến thành phố Hạ Long và ngược lại) và tuyến xe chạy theo các hợp đồng (đi từ Sơn La đến thành phố Đà Nẵng và ngược lại; đi từ thành phố Bắc Ninh đến Sơn La). + Thu nhập từ hoạt động dịch vụ vận tải đối với tuyến xe không được hưởng ưu đãi thuế thu nhập doanh nghiệp do điểm đi hoặc điểm đến không thuộc địa bàn tỉnh Sơn La: tuyến xe đi từ thành phố Hà Nội đến thành phố Đà Nẵng và ngược lại.	`Doanh nghiệp cần đáp ứng những điều kiện gì để được hưởng ưu đãi thuế thu nhập doanh nghiệp khi kinh doanh dịch vụ vận tải?`
đ) Các khoản chi khác cho cán bộ, nhân viên theo quy định của pháp luật. 4. Chi phí quản lý của Quỹ BVMTVN a) Chi phí khấu hao tài sản cố định theo quy định của pháp luật; thuê tài sản cố định; chi mua bảo hiểm tài sản; chi sửa chữa, bảo dưỡng tài sản; chi thuê, mua công cụ, dụng cụ lao động, tài sản, thiết bị, văn phòng phẩm phục vụ hoạt động của Quỹ BVMTVN; chi bù đắp tổn thất tài sản theo quy định; b) Chi phí dịch vụ mua ngoài: Tiền điện, nước, điện thoại, bưu chính viễn thông; kiểm toán, dịch vụ pháp lý; chi trả tiền sử dụng các tài liệu kỹ thuật, bằng sáng chế, các dịch vụ kỹ thuật; chi phí vận chuyển; phòng cháy chữa cháy; c) Chi công tác phí, chi phụ cấp tàu xe cho cán bộ và nhân viên của Quỹ BVMTVN đi công tác trong và ngoài nước theo chế độ của Nhà nước quy định đối với doanh nghiệp do nhà nước nắm giữ 100% vốn điều lệ;	`Pháp luật quy định những khoản chi nào khác cho cán bộ, nhân viên của Quỹ Bảo vệ môi trường Việt Nam ngoài lương, thưởng?`
Điều 7. Quyền yêu cầu cấp Phiếu lý lịch tư pháp 1. Công dân Việt Nam, người nước ngoài đã hoặc đang cư trú tại Việt Nam có quyền yêu cầu cấp Phiếu lý lịch tư pháp của mình. 2. Cơ quan tiến hành tố tụng có quyền yêu cầu cấp Phiếu lý lịch tư pháp để phục vụ công tác điều tra, truy tố, xét xử. 3. Cơ quan nhà nước, tổ chức chính trị, tổ chức chính trị - xã hội có quyền yêu cầu cấp Phiếu lý lịch tư pháp để phục vụ công tác quản lý nhân sự, hoạt động đăng ký kinh doanh, thành lập, quản lý doanh nghiệp, hợp tác xã.	`Công dân Việt Nam và người nước ngoài đang cư trú tại Việt Nam có thể yêu cầu cấp Phiếu lý lịch tư pháp của mình vì mục đích gì?`

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "MultipleNegativesRankingLoss",
    "matryoshka_dims": [
        1024,
        768,
        512,
        256,
        128
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": -1
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
gradient_accumulation_steps: 16
learning_rate: 2e-05
num_train_epochs: 4
lr_scheduler_type: cosine
warmup_ratio: 0.1
fp16: True
dataloader_num_workers: 4
load_best_model_at_end: True
optim: adamw_torch_fused
ddp_find_unused_parameters: False
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: epoch
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 16
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: 4
max_steps: -1
lr_scheduler_type: cosine
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: 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: 4
dataloader_prefetch_factor: None
past_index: -1
disable_tqdm: False
remove_unused_columns: True
label_names: None
load_best_model_at_end: True
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_fused
optim_args: None
adafactor: False
group_by_length: False
length_column_name: length
ddp_find_unused_parameters: False
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: None
hub_always_push: False
hub_revision: None
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
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
liger_kernel_config: None
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	dim_1024_cosine_ndcg@10	dim_768_cosine_ndcg@10	dim_512_cosine_ndcg@10	dim_256_cosine_ndcg@10	dim_128_cosine_ndcg@10
0.1242	10	0.2657	-	-	-	-	-
0.2484	20	0.1285	-	-	-	-	-
0.3727	30	0.0943	-	-	-	-	-
0.4969	40	0.0949	-	-	-	-	-
0.6211	50	0.0623	-	-	-	-	-
0.7453	60	0.0742	-	-	-	-	-
0.8696	70	0.0703	-	-	-	-	-
0.9938	80	0.0594	-	-	-	-	-
1.0	81	-	0.8214	0.8181	0.8162	0.8021	0.7837
1.1118	90	0.0452	-	-	-	-	-
1.2360	100	0.054	-	-	-	-	-
1.3602	110	0.0568	-	-	-	-	-
1.4845	120	0.0416	-	-	-	-	-
1.6087	130	0.0517	-	-	-	-	-
1.7329	140	0.0311	-	-	-	-	-
1.8571	150	0.0366	-	-	-	-	-
1.9814	160	0.0378	-	-	-	-	-
2.0	162	-	0.8320	0.8285	0.8265	0.8121	0.7904
2.0994	170	0.0456	-	-	-	-	-
2.2236	180	0.0566	-	-	-	-	-
2.3478	190	0.032	-	-	-	-	-
2.4720	200	0.0524	-	-	-	-	-
2.5963	210	0.0323	-	-	-	-	-
2.7205	220	0.0446	-	-	-	-	-
2.8447	230	0.0653	-	-	-	-	-
2.9689	240	0.031	-	-	-	-	-
3.0	243	-	0.8340	0.8319	0.8285	0.8167	0.7939
3.0870	250	0.0307	-	-	-	-	-
3.2112	260	0.0342	-	-	-	-	-
3.3354	270	0.0337	-	-	-	-	-
3.4596	280	0.0293	-	-	-	-	-
3.5839	290	0.028	-	-	-	-	-
3.7081	300	0.0353	-	-	-	-	-
3.8323	310	0.031	-	-	-	-	-
3.9565	320	0.0272	-	-	-	-	-
4.0	324	-	0.8344	0.8323	0.8288	0.8164	0.7945

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.11.11
Sentence Transformers: 4.1.0
Transformers: 4.53.0
PyTorch: 2.8.0.dev20250319+cu128
Accelerate: 1.8.1
Datasets: 3.6.0
Tokenizers: 0.21.2

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",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

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}
}

namnguyenba2003
/

Vietnamese_Law_Embedding_finetuned_v3

Vietnamese_Embedding_finetuned

Model Details

Model Description

Model Sources

Full Model Architecture

Usage

Direct Usage (Sentence Transformers)

Evaluation

Metrics

Information Retrieval

Information Retrieval

Information Retrieval

Information Retrieval

Information Retrieval

Training Details

Training Dataset

json

Training Hyperparameters

Non-Default Hyperparameters

All Hyperparameters

Training Logs

Framework Versions

Citation

BibTeX

Sentence Transformers

MatryoshkaLoss

MultipleNegativesRankingLoss

Model tree for namnguyenba2003/Vietnamese_Law_Embedding_finetuned_v3

Evaluation results