vietnamese-sbert-v2

1_Pooling/config.json

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

README.md

@@ -0,0 +1,754 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:54755
+- loss:MultipleNegativesRankingLoss
+base_model: keepitreal/vietnamese-sbert
+widget:
+- source_sentence: Chào em, Thông thương đối với gãy xương cẳng chân phức tạp cần
+    cố định ngoài thì ổ gãy sẽ liền xương sau từ 2,5 - 4 tháng. Việc tập vật lý trị
+    liệu sớm và dinh dưỡng tốt sẽ rút ngắn thời gian phục hồi chức năng. Để xác định
+    thời gian tháo khung cố định thì em cần phải tái khám bác sĩ chấn thương chỉnh
+    hình định kỳ theo lịch hẹn hàng tháng để bác sĩ đánh giá lại xem xương đã lành
+    hẳn chưa. Quá trình phục hồi chức năng trong các trường hợp gãy xương cẳng thân
+    phức tạp thường kéo dài ít nhất 3-6 tháng, em nhé!
+  sentences:
+  - "Bác sĩ ơi,\r\n\r\nTôi khá gầy, không khi nào tôi cảm thấy thèm ăn, lúc đói ăn\
+    \ rất ít. Xin hỏi BS có cách nào giúp tôi ăn nhiều không? Hiện giờ tôi đang uống\
+    \ sữa tăng cân, uống thuốc bổ mà không thay đổi gì mấy. Nhờ BS tư vấn giúp tôi\
+    \ làm cách nào để ăn ngon miệng ạ? Cảm ơn AloBacsi rất nhiều! (Thanh Vy - TPHCM)"
+  - Chế độ sinh hoạt & phòng ngừa bạch biến
+  - Chào bác sĩ. Em bị gãy xương cẳng chân lắp cố định ngoài được 1 tháng, bác sĩ
+    cho em về nhà tập vật lý trị liệu, cho em hỏi bao lâu thì mới được tháo khung
+    cố định vậy ạ?
+- source_sentence: ' Chào em, Sau này khi lo lắng hay nghi ngờ mình bị thì em tuyệt
+    đối không được đi hiến máu, vì việc làm này có thể gây hại cho người khác. Bởi
+    vì mặc dù trong quy trình hiến máu, bịch máu của em vẫn được kiểm tra xem có nhiễm
+    HIV hay không nhưng 1 số trường hợp đặc biệt nhiễm HIV trong giai đoạn quá sớm,
+    nồng độ virus quá thấp thì xét nghiệm vẫn có thể không phát hiện ra, hại cho em
+    và hại cho cả người được truyền máu. Trong tình huống này, nguy cơ nhiễm HIV của
+    em rất thấp. Tuy nhiên, để biết chính xác có nhiễm HIV hay không, chỉ có 1 cách
+    duy nhất là xét nghiệm máu. Nếu làm xét nghiệm tìm kháng thể kháng HIV thì kết
+    quả chính xác nhất là từ 3-6 tháng sau khi có hành vi nguy cơ, còn xét nghiệm
+    PCR HIV thì khả năng phát hiện sớm cao hơn. Bởi vì mới nhiễm HIV thì thường không
+    có triệu chứng gì cả, hoặc có thể có triệu chứng như cảm mạo thông thường, rất
+    đa dạng, không đặc trưng. Thân mến! '
+  sentences:
+  - "Xin chào BS,\r\n\r\nCháu đang hoang mang về chuyện HIV. Cách đây 3 tháng,\
+    \ cháu say rượu, cạnh nhà cháu có người nhiễm HIV đánh nhau bị chảy\
+    \ máu đầu, cháu ra can. Cháu không động vào vết thương của người ta nhưng\
+    \ vẫn hoang mang ạ. Sức khoẻ của cháu thì hay nhức xương và mỏi cổ.\
+    \ Cháu ăn cơm 1 bữa 3 bát và cháu vẫn đi hiến máu, giấy gửi về là sức\
+    \ khỏe bình thường nhưng cháu vẫn lo lắm ạ. \r\n\r\n(Nguyễn K.T. - Hoài\
+    \ Đức, Hà Nội)"
+  - (AloBacsi) - Em thỉnh thoảng có quan hệ qua đường hậu môn. Gần đây em thấy hay
+    bị ngứa hậu môn và phát hiện nổi mụn thịt.
+  - "Xin chào BS,\r\n\r\nEm là dân văn phòng. Dạo này thời tiết thay đổi thất thường,\
+    \ chị đồng nghiệp làm cùng phòng bị cảm nặng. Em phảo làm gì để bạo về sức khỏe\
+    \ của mình?"
+- source_sentence: Chào em, Miếng dán hạ sốt là miếng dán có tác dụng tản nhiệt. Thành
+    phần chủ yếu của nó là hydrogel - các polymer dạng chuỗi, không tan trong nước
+    nhưng có khả năng hút một lượng nước lớn ở vùng da được dán lên. Miếng dán hạ
+    sốt hoạt động theo cơ chế hấp thụ nhiệt và phân tán nhiệt ở vùng da được dán lên
+    ra bên ngoài. Do đó, khi mới dán lên sẽ có cảm giác mát lạnh, giúp bé cảm thấy
+    dễ chịu hơn. Tuy nhiên thực sự thì miếng dán hạ sốt có tác dụng trong bao lâu?
+    Nếu chú ý quan sát kỹ, phụ huynh sẽ thấy khả năng làm mát của miếng dán không
+    duy trì được lâu. Vùng da được dán miếng dán sẽ nhanh chóng trở lại nhiệt độ ban
+    đầu. Đặc biệt, do không chứa thuốc hạ sốt nên miếng dán loại này không có tác
+    dụng hạ nhiệt cho toàn bộ cơ thể. Một số loại miếng dán hạ sốt có thêm tinh dầu,
+    khi bốc hơi sẽ giúp hạ nhiệt và chỉ dùng ngoài da nên khả năng hạ sốt cũng rất
+    hạn chế. Thực tế, hiện nay chưa có công trình nghiên cứu khoa học có giá trị nào
+    chứng minh được miếng dán hạ sốt có thể thay thế được thuốc trong điều trị sốt
+    cho trẻ em. Vì vậy, phụ huynh không nên chỉ dùng miếng dán thay thế cho thuốc
+    hạ sốt khi trẻ bị sốt. bé bị sốt từ 38,5 độ C trở lên thì cần uống thuốc hạ sốt,
+    em nhé. Miếng dán hạ sốt chưa được chứng minh có thể thay thế thuốc điều trị Thuốc
+    hạ sốt an toàn cho bé là paracetamol, liều thông thường ở một em bé trong một
+    lần uống là 10-15mg/1 ký. Ví dụ bé 2 tuổi, 12 ký thì nếu 10mg/ký sẽ là 120mg;
+    còn 15 ký thì nhân 12 là 180mg. Như vậy mình sẽ lấy gói paracetamol 150mg là vừa.
+    Mỗi lần uống cách nhau 4-6 tiếng nếu trẻ còn sốt cao. Hiện nay trên thị trường
+    có gói hạ sốt định liều sẵn là Hapacol với các hàm lượng 80, 150, 250 mg, bạn
+    có thể mua để sẵn trong nhà. Nên uống đúng liều của 1 gói theo lứa tuổi, cân nặng
+    thì hiệu quả thuốc sẽ tốt hơn. Lý tưởng nhất là mỗi khi bé sốt thì em nên cho
+    bé đi khám bác sĩ, xem sốt do đâu và hướng dẫn xử trí thích hợp. trong quá trình
+    sốt cần theo dõi xem trẻ có dấu hiệu bệnh trở nặng không thì cần nhanh chóng đưa
+    đi bệnh viện ngay. trẻ có biểu hiện như chảy máu cam, chảy máu răng, ói ra máu,
+    đi cầu ban đêm, tay chân nặng,…là đây là dấu hiệu cảnh báo nặng cần đưa đến bác
+    sĩ ngay lập tức. Phụ huynh theo dõi diến tiến sốt nếu chỉ sốt đơn thuần, uống
+    thuốc hạ sốt rồi bớt sốt, bé chơi, ăn uống được thì có thể giữ ở nhà tối đa 2
+    ngày, nhưng nếu qua 3 ngày thì phải đưa đi bệnh viện để các bác sĩ thăm khám và
+    làm thêm xét nghiệm chẩn đoán nguyên nhân tại sao bé sốt và điều trị thích hợp.
+  sentences:
+  - Chào AloBacsi,Tối qua em súc miệng nhưng lấy nhầm chai dung dịch diệt khuẩn đa
+    năng Dettol. Em bị bong tróc niêm mạc miệng và lưỡi, tới tối nay em vẫn bị mất
+    vị giác. Nhờ BS hướng dẫn em có cách nào chữa trị ở nhà được không? Giờ khó đi
+    BV quá ạ. Cảm ơn BS rất nhiều!(Bạn đọc Hotline 0898308983)
+  - Nguy cơ hẹp van hai lá
+  - Cháu nghe các mẹ hay nói không nên dùng miếng dán hạ sốt cho con. Vậy nếu dùng
+    thuốc thì liều lượng như thế nào ạ? Có tự cho con uống được không hay phải có
+    chỉ dẫn bác sĩ? Nhờ chuyên gia giải đáp giúp cháu ạ.(Trần Hoàng An Nhiên)
+- source_sentence: 'Mô tả ngắn:
+
+    Thuốc tiêm Venocity là sản phẩm của Venus Remedies., Ltd có thành phần chính là
+    Citicoline. Đây là thuốc chỉ định dùng điều trị bệnh rối loạn nhận thức do mạch
+    máu não tổn thương hoặc sau chấn thương, hậu phẫu não và giai đoạn cấp của nhồi
+    máu cơ tim.
+
+    Thành phần:
+
+    Citicoline: 1000mg
+
+    Chỉ định:
+
+    Thuốc tiêm Venocity chỉ định dùng điều trị bệnh rối loạn nhận thức do mạch máu
+    não tổn thương hoặc sau chấn thương, hậu phẫu não và giai đoạn cấp của nhồi máu
+    cơ tim.'
+  sentences:
+  - Thuốc tiêm Venocity Venus điều trị chứng rối loạn nhận thức (5 ống)
+  - "Chào BS,\r\n\r\nTôi năm nay 40 tuổi, ở Biên Hòa. Tôi đi khám ở BV quốc tế Đồng\
+    \ Nai thì được chẩn đoán thiếu máu cơ tim và hở van tim nhẹ. BS có cho tôi thuốc\
+    \ Vastarel 35mg; Nebibio 5mg (nebivolo); Aspilet ec tab 80mg (acetysalicylic acid).\
+    \ Tôi uống được 3 ngày vẫn cứ thấy đau tức ngực nhiều hơn. Xin BS cho ý kiến."
+  - Con bị sốt thì việc chăm sóc, nhất là tắm cho bé cần chú ý gì bác sĩ? Nên ăn uống
+    hay bổ sung chất gì không thưa bác sĩ? Chân thành cảm ơn bác sĩ đã tư vấn.(Dương
+    Triều Khánh)
+- source_sentence: "Tôi không biết nên dùng loại nào để sát trùng khi bị các vết trầy\
+    \ xước, hay vết thương hở… là tốt nhất? Vì tôi nghe nói Povidine, oxy già, cồn\
+    \ làm cho vết thương chậm lành. Rất mong được DS hướng dẫn cách dùng đúng. Cảm\
+    \ ơn DS rất nhiều! ( FB Huỳnh Văn H. - huynhv****@gmail.co) Chào bạn, Các loại\
+    \ thuốc sát trùng oxy già, cồn 70 độ nếu sử dụng nhiều lần \r\ntrên vùng da tổn\
+    \ thương rộng hoặc bỏng sẽ gây nhi���u tác dụng không mong \r\nmuốn và có thể làm\
+    \ cấu trúc da biến dạng. Do đó, chỉ nên dùng ngắn hạn. Còn cồn 90 độ thì không\
+    \ dùng để sát trùng mà phải pha ra thành cồn 70 độ mới dùng để sát trùng được.\
+    \ Nước muối sinh lý vô trùng có thể sử dụng thường xuyên để làm sạch vết thương,\
+    \ tuy nhiên không có tính sát khuẩn. Với\r\n những vết trầy xước thông thường,\
+    \ có thể sát trùng bằng oxy già vài \r\nlần, hoặc cồn 70 độ vài lần. Povidine\
+    \ có thể dùng từ đầu đến khi vết \r\nthương lành. Riêng với vết thương dơ (có\
+    \ dính bụi bẩn, sần sùi…) \r\nthì có thể dùng oxy già nhiều lần hơn để giúp loại\
+    \ bỏ bụi bẩn. Oxy già \r\nkhông nên dùng trên vết thương đang lành. Đối với vết\
+    \ thương lớn, bạn nên đến BV để BS chăm sóc vết thương cho bạn. Thân mến."
+  sentences:
+  - "Dạ, nếu bị phỏng rạ thì có nên chọc mụn ra không? Nếu không thì hãy cho biết\
+    \ lí do. Cảm ơn BS.\r\n\r\n(Đinh Thị Hà - Thái Bình)"
+  - 'Tôi muốn hỏi về các loại thuốc sát trùng, tôi thấy phổ biến có: Povidine, oxy
+    già, cồn 70 độ, cồn 90 độ, nước muối sinh lý.'
+  - "Thưa bác sĩ,\r\n\r\nTrước đây cháu đã từng quan hệ với bạn trai cháu\
+    \ đã dùng thuốc tránh thai khẩn cấp 4 viên/ tháng. Sau đó vẫn quan hệ nhưng\
+    \ không có thai. Mấy tháng sau chúng cháu tiếp tục quan hệ thì có thai,\
+    \ cháu đã đi phá. \r\n\r\nCháu muốn hỏi BS liệu sau này cháu có thể\
+    \ mang thai được không? Đó là nỗi đau khổ của cháu. Mong BS giúp đỡ."
+datasets:
+- meandyou200175/dataset_full_fixed
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+metrics:
+- cosine_accuracy@1
+- cosine_accuracy@3
+- cosine_accuracy@5
+- cosine_accuracy@10
+- cosine_precision@1
+- cosine_precision@3
+- cosine_precision@5
+- cosine_precision@10
+- cosine_recall@1
+- cosine_recall@3
+- cosine_recall@5
+- cosine_recall@10
+- cosine_ndcg@10
+- cosine_mrr@10
+- cosine_map@100
+model-index:
+- name: SentenceTransformer based on keepitreal/vietnamese-sbert
+  results:
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 768
+      type: dim_768
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.5628195763330899
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.6952154857560263
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.7419649379108838
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.8046018991964938
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.5628195763330899
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.23173849525200876
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.14839298758217676
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.08046018991964936
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.5628195763330899
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.6952154857560263
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.7419649379108838
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.8046018991964938
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.6803010900109947
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.6409411341843781
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.646841941818213
+      name: Cosine Map@100
+---
+
+# SentenceTransformer based on keepitreal/vietnamese-sbert
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [keepitreal/vietnamese-sbert](https://huggingface.co/keepitreal/vietnamese-sbert) on the [dataset_full_fixed](https://huggingface.co/datasets/meandyou200175/dataset_full_fixed) 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:** [keepitreal/vietnamese-sbert](https://huggingface.co/keepitreal/vietnamese-sbert) <!-- at revision a9467ef2ef47caa6448edeabfd8e5e5ce0fa2a23 -->
+- **Maximum Sequence Length:** 256 tokens
+- **Output Dimensionality:** 768 dimensions
+- **Similarity Function:** Cosine Similarity
+- **Training Dataset:**
+    - [dataset_full_fixed](https://huggingface.co/datasets/meandyou200175/dataset_full_fixed)
+<!-- - **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': 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:
+
+```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("vietnamese-sbert-v2")
+# Run inference
+sentences = [
+    'Tôi không biết nên dùng loại nào để sát trùng khi bị các vết trầy xước, hay vết thương hở… là tốt nhất? Vì tôi nghe nói Povidine, oxy già, cồn làm cho vết thương chậm lành. Rất mong được DS hướng dẫn cách dùng đúng. Cảm ơn DS rất nhiều! ( FB Huỳnh Văn H. - huynhv****@gmail.co) Chào bạn, Các loại thuốc sát trùng oxy già, cồn 70 độ nếu sử dụng nhiều lần \r\ntrên vùng da tổn thương rộng hoặc bỏng sẽ gây nhiều tác dụng không mong \r\nmuốn và có thể làm cấu trúc da biến dạng. Do đó, chỉ nên dùng ngắn hạn. Còn cồn 90 độ thì không dùng để sát trùng mà phải pha ra thành cồn 70 độ mới dùng để sát trùng được. Nước muối sinh lý vô trùng có thể sử dụng thường xuyên để làm sạch vết thương, tuy nhiên không có tính sát khuẩn. Với\r\n những vết trầy xước thông thường, có thể sát trùng bằng oxy già vài \r\nlần, hoặc cồn 70 độ vài lần. Povidine có thể dùng từ đầu đến khi vết \r\nthương lành. Riêng với vết thương dơ (có dính bụi bẩn, sần sùi…) \r\nthì có thể dùng oxy già nhiều lần hơn để giúp loại bỏ bụi bẩn. Oxy già \r\nkhông nên dùng trên vết thương đang lành. Đối với vết thương lớn, bạn nên đến BV để BS chăm sóc vết thương cho bạn. Thân mến.',
+    'Tôi muốn hỏi về các loại thuốc sát trùng, tôi thấy phổ biến có: Povidine, oxy già, cồn 70 độ, cồn 90 độ, nước muối sinh lý.',
+    'Thưa bác sĩ,\r\n\r\nTrước đây cháu đã từng quan hệ với bạn trai cháu đã dùng thuốc tránh thai khẩn cấp 4 viên/ tháng. Sau đó vẫn quan hệ nhưng không có thai. Mấy tháng sau chúng cháu tiếp tục quan hệ thì có thai, cháu đã đi phá. \r\n\r\nCháu muốn hỏi BS liệu sau này cháu có thể mang thai được không? Đó là nỗi đau khổ của cháu. Mong BS giúp đỡ.',
+]
+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]
+```
+
+<!--
+### 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.*
+-->
+
+## Evaluation
+
+### Metrics
+
+#### Information Retrieval
+
+* Dataset: `dim_768`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
+
+| Metric              | Value      |
+|:--------------------|:-----------|
+| cosine_accuracy@1   | 0.5628     |
+| cosine_accuracy@3   | 0.6952     |
+| cosine_accuracy@5   | 0.742      |
+| cosine_accuracy@10  | 0.8046     |
+| cosine_precision@1  | 0.5628     |
+| cosine_precision@3  | 0.2317     |
+| cosine_precision@5  | 0.1484     |
+| cosine_precision@10 | 0.0805     |
+| cosine_recall@1     | 0.5628     |
+| cosine_recall@3     | 0.6952     |
+| cosine_recall@5     | 0.742      |
+| cosine_recall@10    | 0.8046     |
+| **cosine_ndcg@10**  | **0.6803** |
+| cosine_mrr@10       | 0.6409     |
+| cosine_map@100      | 0.6468     |
+
+<!--
+## 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
+
+#### dataset_full_fixed
+
+* Dataset: [dataset_full_fixed](https://huggingface.co/datasets/meandyou200175/dataset_full_fixed) at [ef2e7fd](https://huggingface.co/datasets/meandyou200175/dataset_full_fixed/tree/ef2e7fdbdee6d6837e54a8c95505bfce48eb03a5)
+* Size: 54,755 training samples
+* Columns: <code>positive</code> and <code>query</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | positive                                                                             | query                                                                             |
+  |:--------|:-------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
+  | type    | string                                                                               | string                                                                            |
+  | details | <ul><li>min: 31 tokens</li><li>mean: 186.22 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 6 tokens</li><li>mean: 77.6 tokens</li><li>max: 256 tokens</li></ul> |
+* Samples:
+  | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                         | query                                                                                                                                                                                                                                                                                                 |
+  |:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>Chào em, Mụn thường có hiện tượng viêm và tổn thương da do nặn, cào, cố tình lấy nhân mụn ra khỏi bề mặt da - đây là thói quen của nhiều người, nhưng hành động này vô tình làm tăng sắc tố sau viêm ( vết thâm mụn ). Tình trạng này thường biến mất theo thời gian, khoảng từ 4-6 tháng. Việc sử dụng thuốc thoa mụn là cần thiết. Thuốc DIBETALIC có tác dụng bong sừng, có thể sử dụng để giảm thâm, tuy nhiên có thành phần Betamethason là một corticoid - thành phần này không có chỉ định trong giảm thâm mà điều trị trong ức chế miễn dịch, làm giảm tình trạng viêm da, nếu sử dụng lâu ngày trên mặt có thể gây viêm da lệ thuộc corticoid hoặc teo da. Nếu em sử dụng thuốc nhưng đi nắng có thể gây tăng sắc tố do giảm hệ thống miễn dịch của da. Do đó em nên ngưng thuốc DIBETALIC mà nên đến bệnh viện có chuyên khoa Da liễu khám để bác sĩ cho thuốc thoa mụn, vừa giảm thâm và giảm mụn hiệu quả. Thân mến.</code>                                                                                                    | <code>Năm nay em 15 tuổi, mặt em bị mụn, vài ngày sau mụn tự bong ra nhưng để lại vết thâm trên mặt. Bây giờ em dùng sản phẩm DIBETALIC, vậy thuốc này có trị thâm hoặc trị mụn không ạ? Sản phẩm này là bác sĩ ở Bệnh viện Quận 3 chỉ cho em, nhưng em hơi lo nên muốn hỏi ý kiến của bác sĩ.</code> |
+  | <code>Chào bạn, Theo như tình trạng bạn đang gặp phải, cảm giác ngứa tăng dần kèm xuất hiện thâm da vùng nách đó là triệu chứng của viêm da kích ứng khu trú. Viêm da kích ứng hay gặp ở các vùng kín của cơ thể như vùng nách, sinh dục, bẹn, khe mông… Nếu càng gãi làm tăng tác động lên vùng da nhạy cảm này sẽ kích thích phản ứng viêm nhiều hơn, để lại sẹo thâm rất mất thẩm mỹ. Bạn hãy đến bệnh viện da liễu để được thăm khám và điều trị. Nói chung tình trạng thâm da tuy đã xuất hiện nhưng có thể điều trị thẩm mỹ được, bạn cũng đừng quá lo lắng nhé. Hiện nay thời tiết nóng bạn hãy mặc quần áo thoáng mát tránh mồ hôi và giữ khô thoáng những vùng kín, những vùng da nhạy cảm này… để hỗ trợ cho quá trình điều trị nhé bạn. Thân ái chào bạn.</code>                                                                                                                                                                                                                                                                      | <code>Mấy năm gần đây tự nhiên vùng nách của em rất ngứa ạ, càng gãi càng ngứa đến mức giờ nách thâm luôn rồi ạ, vậy là em bị sao và có cách nào xử lý không, thưa bác sĩ? Em cảm ơn.</code>                                                                                                          |
+  | <code>Nguy cơ hẹp lỗ liên hợp đốt sống cổ Những ai có nguy cơ mắc phải Hẹp lỗ liên hợp đốt sống cổ? Ai cũng có thể phát triển tình trạng hẹp lỗ liên hợp đốt sống cổ. Trong đó, theo một số nghiên cứu dịch tễ học có thể thấy, hẹp lỗ liên hợp đốt sống cổ liên quan nhiều đến tình trạng thoái hoá cột sống, và tỷ lệ bệnh cao nhất ở nhóm đối tượng lớn tuổi. Yếu tố làm tăng nguy cơ mắc phải Hẹp lỗ liên hợp đốt sống cổ Một số yếu tố nguy cơ đã được xác định liên quan đến tình trạng hẹp lỗ liên hợp đốt sống cổ. Tuổi tác là một yếu tố quan trọng, vì những thay đổi thoái hoá ở cột sống có nhiều khả năng xảy ra hơn khi chúng ta lớn tuổi. Ngoài ra, cấu trúc giải phẫu cột sống cũng có ảnh hưởng nhất định. Các đối tượng tham gia hoạt động hoặc công việc gây căng thẳng quá mức cho cột sống cổ cũng dễ phát triển hẹp lỗ liên hợp đốt sống cổ hơn. Các yếu tố khác như béo phì hoặc tư chế xấu cũng có thể góp phần. Tuổi tác là một yếu tố quan trọng vì các thay đổi do thoái hoá sẽ tăng lên khi chúng ta lớn tuổi</code> | <code>Nguy cơ hẹp lỗ liên hợp đốt sống cổ</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
+
+- `eval_strategy`: epoch
+- `per_device_train_batch_size`: 100
+- `per_device_eval_batch_size`: 1
+- `learning_rate`: 1e-06
+- `num_train_epochs`: 4
+- `lr_scheduler_type`: constant_with_warmup
+- `warmup_ratio`: 0.1
+- `bf16`: True
+- `tf32`: False
+- `load_best_model_at_end`: True
+- `optim`: adamw_torch_fused
+- `batch_sampler`: no_duplicates
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: epoch
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 100
+- `per_device_eval_batch_size`: 1
+- `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`: 1e-06
+- `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`: constant_with_warmup
+- `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`: True
+- `fp16`: False
+- `fp16_opt_level`: O1
+- `half_precision_backend`: auto
+- `bf16_full_eval`: False
+- `fp16_full_eval`: False
+- `tf32`: False
+- `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`: 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`: 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`: 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
+
+</details>
+
+### Training Logs
+<details><summary>Click to expand</summary>
+
+| Epoch   | Step     | Training Loss | dim_768_cosine_ndcg@10 |
+|:-------:|:--------:|:-------------:|:----------------------:|
+| -1      | -1       | -             | 0.3880                 |
+| 0.0228  | 10       | 2.3584        | -                      |
+| 0.0456  | 20       | 2.3408        | -                      |
+| 0.0683  | 30       | 2.3092        | -                      |
+| 0.0911  | 40       | 2.2104        | -                      |
+| 0.1139  | 50       | 2.1889        | -                      |
+| 0.1367  | 60       | 2.0988        | -                      |
+| 0.1595  | 70       | 2.1081        | -                      |
+| 0.1822  | 80       | 1.9616        | -                      |
+| 0.2050  | 90       | 1.9669        | -                      |
+| 0.2278  | 100      | 1.65          | -                      |
+| 0.2506  | 110      | 1.6591        | -                      |
+| 0.2733  | 120      | 1.5793        | -                      |
+| 0.2961  | 130      | 1.5347        | -                      |
+| 0.3189  | 140      | 1.4505        | -                      |
+| 0.3417  | 150      | 1.3638        | -                      |
+| 0.3645  | 160      | 1.3132        | -                      |
+| 0.3872  | 170      | 1.2983        | -                      |
+| 0.4100  | 180      | 1.2428        | -                      |
+| 0.4328  | 190      | 1.1862        | -                      |
+| 0.4556  | 200      | 1.0585        | -                      |
+| 0.4784  | 210      | 1.1916        | -                      |
+| 0.5011  | 220      | 1.1035        | -                      |
+| 0.5239  | 230      | 1.1296        | -                      |
+| 0.5467  | 240      | 1.0501        | -                      |
+| 0.5695  | 250      | 1.0349        | -                      |
+| 0.5923  | 260      | 1.0506        | -                      |
+| 0.6150  | 270      | 0.9281        | -                      |
+| 0.6378  | 280      | 0.91          | -                      |
+| 0.6606  | 290      | 0.8781        | -                      |
+| 0.6834  | 300      | 0.8793        | -                      |
+| 0.7062  | 310      | 0.8807        | -                      |
+| 0.7289  | 320      | 0.9245        | -                      |
+| 0.7517  | 330      | 0.8835        | -                      |
+| 0.7745  | 340      | 0.9599        | -                      |
+| 0.7973  | 350      | 0.8816        | -                      |
+| 0.8200  | 360      | 0.8043        | -                      |
+| 0.8428  | 370      | 0.8484        | -                      |
+| 0.8656  | 380      | 0.9126        | -                      |
+| 0.8884  | 390      | 0.7855        | -                      |
+| 0.9112  | 400      | 0.8606        | -                      |
+| 0.9339  | 410      | 0.7973        | -                      |
+| 0.9567  | 420      | 0.7873        | -                      |
+| 0.9795  | 430      | 0.7477        | -                      |
+| 1.0     | 439      | -             | 0.5759                 |
+| 1.0023  | 440      | 0.8363        | -                      |
+| 1.0251  | 450      | 0.839         | -                      |
+| 1.0478  | 460      | 0.8302        | -                      |
+| 1.0706  | 470      | 0.7122        | -                      |
+| 1.0934  | 480      | 0.7783        | -                      |
+| 1.1162  | 490      | 0.788         | -                      |
+| 1.1390  | 500      | 0.7143        | -                      |
+| 1.1617  | 510      | 0.7203        | -                      |
+| 1.1845  | 520      | 0.8374        | -                      |
+| 1.2073  | 530      | 0.6628        | -                      |
+| 1.2301  | 540      | 0.6991        | -                      |
+| 1.2528  | 550      | 0.6809        | -                      |
+| 1.2756  | 560      | 0.7352        | -                      |
+| 1.2984  | 570      | 0.7195        | -                      |
+| 1.3212  | 580      | 0.6954        | -                      |
+| 1.3440  | 590      | 0.7689        | -                      |
+| 1.3667  | 600      | 0.7348        | -                      |
+| 1.3895  | 610      | 0.6483        | -                      |
+| 1.4123  | 620      | 0.6791        | -                      |
+| 1.4351  | 630      | 0.6418        | -                      |
+| 1.4579  | 640      | 0.7103        | -                      |
+| 1.4806  | 650      | 0.637         | -                      |
+| 1.5034  | 660      | 0.6811        | -                      |
+| 1.5262  | 670      | 0.6812        | -                      |
+| 1.5490  | 680      | 0.6452        | -                      |
+| 1.5718  | 690      | 0.714         | -                      |
+| 1.5945  | 700      | 0.636         | -                      |
+| 1.6173  | 710      | 0.7327        | -                      |
+| 1.6401  | 720      | 0.6672        | -                      |
+| 1.6629  | 730      | 0.662         | -                      |
+| 1.6856  | 740      | 0.6095        | -                      |
+| 1.7084  | 750      | 0.6754        | -                      |
+| 1.7312  | 760      | 0.6105        | -                      |
+| 1.7540  | 770      | 0.6734        | -                      |
+| 1.7768  | 780      | 0.6104        | -                      |
+| 1.7995  | 790      | 0.5723        | -                      |
+| 1.8223  | 800      | 0.6217        | -                      |
+| 1.8451  | 810      | 0.6282        | -                      |
+| 1.8679  | 820      | 0.7238        | -                      |
+| 1.8907  | 830      | 0.6513        | -                      |
+| 1.9134  | 840      | 0.5622        | -                      |
+| 1.9362  | 850      | 0.6236        | -                      |
+| 1.9590  | 860      | 0.6487        | -                      |
+| 1.9818  | 870      | 0.6078        | -                      |
+| 2.0     | 878      | -             | 0.6315                 |
+| 2.0046  | 880      | 0.5341        | -                      |
+| 2.0273  | 890      | 0.5857        | -                      |
+| 2.0501  | 900      | 0.5546        | -                      |
+| 2.0729  | 910      | 0.6204        | -                      |
+| 2.0957  | 920      | 0.6246        | -                      |
+| 2.1185  | 930      | 0.7059        | -                      |
+| 2.1412  | 940      | 0.6407        | -                      |
+| 2.1640  | 950      | 0.5971        | -                      |
+| 2.1868  | 960      | 0.5388        | -                      |
+| 2.2096  | 970      | 0.5694        | -                      |
+| 2.2323  | 980      | 0.6428        | -                      |
+| 2.2551  | 990      | 0.5644        | -                      |
+| 2.2779  | 1000     | 0.5983        | -                      |
+| 2.3007  | 1010     | 0.5454        | -                      |
+| 2.3235  | 1020     | 0.5387        | -                      |
+| 2.3462  | 1030     | 0.6404        | -                      |
+| 2.3690  | 1040     | 0.5967        | -                      |
+| 2.3918  | 1050     | 0.5172        | -                      |
+| 2.4146  | 1060     | 0.593         | -                      |
+| 2.4374  | 1070     | 0.5558        | -                      |
+| 2.4601  | 1080     | 0.5637        | -                      |
+| 2.4829  | 1090     | 0.54          | -                      |
+| 2.5057  | 1100     | 0.5341        | -                      |
+| 2.5285  | 1110     | 0.5337        | -                      |
+| 2.5513  | 1120     | 0.5159        | -                      |
+| 2.5740  | 1130     | 0.5618        | -                      |
+| 2.5968  | 1140     | 0.5197        | -                      |
+| 2.6196  | 1150     | 0.5446        | -                      |
+| 2.6424  | 1160     | 0.511         | -                      |
+| 2.6651  | 1170     | 0.5576        | -                      |
+| 2.6879  | 1180     | 0.5447        | -                      |
+| 2.7107  | 1190     | 0.6099        | -                      |
+| 2.7335  | 1200     | 0.5752        | -                      |
+| 2.7563  | 1210     | 0.5441        | -                      |
+| 2.7790  | 1220     | 0.5551        | -                      |
+| 2.8018  | 1230     | 0.5178        | -                      |
+| 2.8246  | 1240     | 0.5751        | -                      |
+| 2.8474  | 1250     | 0.5607        | -                      |
+| 2.8702  | 1260     | 0.5275        | -                      |
+| 2.8929  | 1270     | 0.4734        | -                      |
+| 2.9157  | 1280     | 0.518         | -                      |
+| 2.9385  | 1290     | 0.5094        | -                      |
+| 2.9613  | 1300     | 0.5462        | -                      |
+| 2.9841  | 1310     | 0.5454        | -                      |
+| 3.0     | 1317     | -             | 0.6612                 |
+| 3.0068  | 1320     | 0.4151        | -                      |
+| 3.0296  | 1330     | 0.6005        | -                      |
+| 3.0524  | 1340     | 0.5134        | -                      |
+| 3.0752  | 1350     | 0.5446        | -                      |
+| 3.0979  | 1360     | 0.5572        | -                      |
+| 3.1207  | 1370     | 0.5281        | -                      |
+| 3.1435  | 1380     | 0.529         | -                      |
+| 3.1663  | 1390     | 0.5129        | -                      |
+| 3.1891  | 1400     | 0.5123        | -                      |
+| 3.2118  | 1410     | 0.4591        | -                      |
+| 3.2346  | 1420     | 0.4634        | -                      |
+| 3.2574  | 1430     | 0.469         | -                      |
+| 3.2802  | 1440     | 0.5045        | -                      |
+| 3.3030  | 1450     | 0.5247        | -                      |
+| 3.3257  | 1460     | 0.4799        | -                      |
+| 3.3485  | 1470     | 0.512         | -                      |
+| 3.3713  | 1480     | 0.4595        | -                      |
+| 3.3941  | 1490     | 0.4749        | -                      |
+| 3.4169  | 1500     | 0.5299        | -                      |
+| 3.4396  | 1510     | 0.4971        | -                      |
+| 3.4624  | 1520     | 0.5254        | -                      |
+| 3.4852  | 1530     | 0.4974        | -                      |
+| 3.5080  | 1540     | 0.4912        | -                      |
+| 3.5308  | 1550     | 0.4588        | -                      |
+| 3.5535  | 1560     | 0.47          | -                      |
+| 3.5763  | 1570     | 0.492         | -                      |
+| 3.5991  | 1580     | 0.4682        | -                      |
+| 3.6219  | 1590     | 0.5362        | -                      |
+| 3.6446  | 1600     | 0.5283        | -                      |
+| 3.6674  | 1610     | 0.5251        | -                      |
+| 3.6902  | 1620     | 0.4488        | -                      |
+| 3.7130  | 1630     | 0.4498        | -                      |
+| 3.7358  | 1640     | 0.4948        | -                      |
+| 3.7585  | 1650     | 0.5133        | -                      |
+| 3.7813  | 1660     | 0.4656        | -                      |
+| 3.8041  | 1670     | 0.4275        | -                      |
+| 3.8269  | 1680     | 0.4932        | -                      |
+| 3.8497  | 1690     | 0.4556        | -                      |
+| 3.8724  | 1700     | 0.5473        | -                      |
+| 3.8952  | 1710     | 0.4287        | -                      |
+| 3.9180  | 1720     | 0.4116        | -                      |
+| 3.9408  | 1730     | 0.464         | -                      |
+| 3.9636  | 1740     | 0.5121        | -                      |
+| 3.9863  | 1750     | 0.4453        | -                      |
+| **4.0** | **1756** | **-**         | **0.6803**             |
+
+* The bold row denotes the saved checkpoint.
+</details>
+
+### Framework Versions
+- Python: 3.10.16
+- Sentence Transformers: 3.4.1
+- Transformers: 4.49.0
+- PyTorch: 2.6.0+cu124
+- Accelerate: 1.5.2
+- Datasets: 3.3.2
+- Tokenizers: 0.21.0
+
+## 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.*
+-->

added_tokens.json

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

config.json

@@ -0,0 +1,29 @@
+{
+  "_name_or_path": "keepitreal/vietnamese-sbert",
+  "architectures": [
+    "RobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "gradient_checkpointing": false,
+  "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": "4.49.0",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 64001
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.4.1",
+    "transformers": "4.49.0",
+    "pytorch": "2.6.0+cu124"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

eval/Information-Retrieval_evaluation_dim_768_results.csv

@@ -0,0 +1,5 @@
+epoch,steps,cosine-Accuracy@1,cosine-Accuracy@3,cosine-Accuracy@5,cosine-Accuracy@10,cosine-Precision@1,cosine-Recall@1,cosine-Precision@3,cosine-Recall@3,cosine-Precision@5,cosine-Recall@5,cosine-Precision@10,cosine-Recall@10,cosine-MRR@10,cosine-NDCG@10,cosine-MAP@100
+1.0,439,0.4408327246165084,0.591672753834916,0.6449963476990505,0.7205989773557341,0.4408327246165084,0.4408327246165084,0.19722425127830534,0.591672753834916,0.12899926953981009,0.6449963476990505,0.0720598977355734,0.7205989773557341,0.5302576466427826,0.5759202784334473,0.5378847831452676
+2.0,878,0.5047479912344777,0.6433528122717312,0.699963476990504,0.7673484295105917,0.5047479912344777,0.5047479912344777,0.2144509374239104,0.6433528122717312,0.13999269539810077,0.699963476990504,0.07673484295105916,0.7673484295105917,0.5885215572715589,0.6314508450710851,0.595168291313997
+3.0,1317,0.539444850255661,0.6780496712929145,0.7264426588750913,0.7890796201607012,0.539444850255661,0.539444850255661,0.22601655709763815,0.6780496712929145,0.14528853177501824,0.7264426588750913,0.07890796201607012,0.7890796201607012,0.6206754292902953,0.6612181248362422,0.627028872194609
+4.0,1756,0.5628195763330899,0.6952154857560263,0.7419649379108838,0.8046018991964938,0.5628195763330899,0.5628195763330899,0.23173849525200876,0.6952154857560263,0.14839298758217676,0.7419649379108838,0.08046018991964936,0.8046018991964938,0.6409411341843781,0.6803010900109947,0.646841941818213

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:2b5464ee06040958ab72de260c6556f93dfeea71a49fb761c05cfef7b9370426
+size 540015464

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"
+  }
+]

runs/Mar18_17-09-11_sotatek-Z590-GAMING-X/events.out.tfevents.1742292553.sotatek-Z590-GAMING-X.658847.1

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:9d07b64d0c72a9f90ac817369db6ba2e8080eaedf8c7bee3d88123a2b6e536d1
+size 4572

runs/Mar18_17-09-31_sotatek-Z590-GAMING-X/events.out.tfevents.1742292572.sotatek-Z590-GAMING-X.658847.2

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:892a1bde45fb57afabbd76b1402dd603e1e01a17f22f568188c48d187ccd1f5e
+size 4572

runs/Mar18_17-10-22_sotatek-Z590-GAMING-X/events.out.tfevents.1742292624.sotatek-Z590-GAMING-X.659079.0

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:5fb4fc2152d2836f04f20880a77bcc3e9aad2ffcc3b3f1428ba652bf2872681c
+size 46792

sentence_bert_config.json

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

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>"
+}

tokenizer_config.json

@@ -0,0 +1,55 @@
+{
+  "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": false,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "extra_special_tokens": {},
+  "mask_token": "<mask>",
+  "model_max_length": 256,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "PhobertTokenizer",
+  "unk_token": "<unk>"
+}

training_args.bin

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:ede3dd07e95841ce7c687e2cc58f1be66c41f0fa19c729241036e0908eb31081
+size 5752