Adzpro/embedding-e5-finetuned

SentenceTransformer based on Adzpro/embedding_e5

This is a sentence-transformers model finetuned from Adzpro/embedding_e5. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, classification, clustering, and more.

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: Adzpro/embedding_e5
• Maximum Sequence Length: 512 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': 'XLMRobertaModel'})
  (1): Pooling({'embedding_dimension': 768, 'pooling_mode': 'mean', '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("Adzpro/embedding-e5-finetuned")
# Run inference
queries = [
    'query: Tra cứu Tiền chi trả nợ gốc vay PVI 2024',
]
documents = [
    'passage: [PVI] Thuyết minh báo cáo tài chính hợp nhất năm 2024 của CTCP PVI (PVI). Các chỉ tiêu trong bảng: Lưu chuyển tiền thuần từ hoạt động đầu tư; Tài sản thuế thu nhập hoãn lại; Chi phí xây dựng cơ bản dở dang; Chi phí tài chính; Tiền và các khoản tương đương tiền; Tiền chi trả nợ gốc vay; Các khoản giảm trừ doanh thu. [Mã CK: PVI | Năm: 2024 | Loại BCTC: hợp nhất]',
    'passage: [PVI] Thuyết minh báo cáo tài chính riêng lẻ năm 2021 của CTCP PVI (PVI). Các chỉ tiêu trong bảng: Tiền chi trả nợ gốc vay; Trả trước cho người bán ngắn hạn; Tài sản thuế thu nhập hoãn lại; Chi phí phải trả ngắn hạn; Doanh thu hoạt động tài chính; Vốn góp của chủ sở hữu; Quỹ khen thưởng, phúc lợi; Dự phòng phải trả dài hạn. [Mã CK: PVI | Năm: 2021 | Loại BCTC: riêng lẻ]',
    'passage: [DCM] Thuyết minh báo cáo tài chính riêng lẻ năm 2022 của CTCP Phân bón Dầu khí Cà Mau (DCM). Các chỉ tiêu trong bảng: Chi phí khác; Phải trả người lao động; Vốn điều lệ; Tiền chi trả nợ gốc vay; Tài sản cố định hữu hình; Quỹ dự trữ bổ sung vốn điều lệ. [Mã CK: DCM | Năm: 2022 | Loại BCTC: riêng lẻ]',
]
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([[0.6411, 0.4701, 0.0860]])

Evaluation

Metrics

Information Retrieval

• Dataset: test-eval
• Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.0875
cosine_accuracy@3	0.2338
cosine_accuracy@5	0.3475
cosine_accuracy@10	0.5875
cosine_precision@1	0.0875
cosine_precision@3	0.0813
cosine_precision@5	0.0747
cosine_precision@10	0.0676
cosine_recall@1	0.0556
cosine_recall@3	0.16
cosine_recall@5	0.2425
cosine_recall@10	0.4244
cosine_ndcg@10	0.2328
cosine_mrr@10	0.2049
cosine_map@100	0.1861

Training Details

Training Dataset

Unnamed Dataset

• Size: 12,720 training samples
• Columns: sentence_0, sentence_1, sentence_2, sentence_3, sentence_4, sentence_5, sentence_6, and sentence_7
• Approximate statistics based on the first 100 samples:

  	sentence_0	sentence_1	sentence_2	sentence_3	sentence_4	sentence_5	sentence_6	sentence_7
  type	string	string	string	string	string	string	string	string
  modality	text	text	text	text	text	text	text	text
  details	min: 13 tokens mean: 29.55 tokens max: 53 tokens	min: 90 tokens mean: 113.97 tokens max: 140 tokens	min: 92 tokens mean: 115.02 tokens max: 141 tokens	min: 92 tokens mean: 115.81 tokens max: 139 tokens	min: 96 tokens mean: 115.63 tokens max: 146 tokens	min: 91 tokens mean: 114.87 tokens max: 140 tokens	min: 92 tokens mean: 117.36 tokens max: 149 tokens	min: 95 tokens mean: 116.32 tokens max: 137 tokens

• Samples:

  sentence_0	sentence_1	sentence_2	sentence_3	sentence_4	sentence_5	sentence_6	sentence_7
  query: Lưu chuyển tiền thuần từ hoạt động tài chính của HDG theo báo cáo tài chính riêng lẻ năm 2021	passage: [HDG] Thuyết minh báo cáo tài chính riêng lẻ năm 2021 của CTCP Tập đoàn Hà Đô (HDG). Các chỉ tiêu trong bảng: Lưu chuyển tiền thuần từ hoạt động tài chính; Doanh thu bán hàng và cung cấp dịch vụ; Tiền chi trả nợ gốc vay; Đầu tư góp vốn vào đơn vị khác; Tiền chi để mua sắm, xây dựng TSCĐ và các tài sản dài hạn khác. [Mã CK: HDG | Năm: 2021 | Loại BCTC: riêng lẻ]	passage: [HDG] Thuyết minh báo cáo tài chính hợp nhất năm 2021 của CTCP Tập đoàn Hà Đô (HDG). Các chỉ tiêu trong bảng: Chi phí trả trước dài hạn; Tài sản thuế thu nhập hoãn lại; Tài sản cố định hữu hình; Quỹ đầu tư phát triển; Lưu chuyển tiền thuần từ hoạt động tài chính; Dự phòng phải trả dài hạn; Lợi nhuận sau thuế thu nhập doanh nghiệp. [Mã CK: HDG | Năm: 2021 | Loại BCTC: hợp nhất]	passage: [HDG] Thuyết minh báo cáo tài chính riêng lẻ năm 2021 của CTCP Tập đoàn Hà Đô (HDG). Các chỉ tiêu trong bảng: Chi phí xây dựng cơ bản dở dang; Chi phí trả trước dài hạn; Thu nhập khác; Doanh thu chưa thực hiện ngắn hạn; Vốn điều lệ. [Mã CK: HDG | Năm: 2021 | Loại BCTC: riêng lẻ]	passage: [HDG] Thuyết minh báo cáo tài chính hợp nhất năm 2019 của CTCP Tập đoàn Hà Đô (HDG). Các chỉ tiêu trong bảng: Lưu chuyển tiền thuần từ hoạt động tài chính; Doanh thu hoạt động tài chính; Thuế và các khoản phải nộp Nhà nước; Giá vốn hàng bán; Tài sản thuế thu nhập hoãn lại; Chi phí bán hàng. [Mã CK: HDG | Năm: 2019 | Loại BCTC: hợp nhất]	passage: [VIC] Thuyết minh báo cáo tài chính hợp nhất năm 2019 của Tập đoàn Vingroup - CTCP (VIC). Các chỉ tiêu trong bảng: Lưu chuyển tiền thuần từ hoạt động tài chính; Chi phí trả trước dài hạn; Chi phí tài chính; Người mua trả tiền trước ngắn hạn; Chi phí khác. [Mã CK: VIC | Năm: 2019 | Loại BCTC: hợp nhất]	passage: [REE] Thuyết minh báo cáo tài chính riêng lẻ năm 2020 của CTCP Cơ Điện Lạnh (REE). Các chỉ tiêu trong bảng: Các khoản phải thu ngắn hạn của khách hàng; Lưu chuyển tiền thuần từ hoạt động tài chính; Chi phí bán hàng; Thặng dư vốn cổ phần; Tài sản thuế thu nhập hoãn lại; Thuế và các khoản phải nộp Nhà nước; Các khoản giảm trừ doanh thu. [Mã CK: REE | Năm: 2020 | Loại BCTC: riêng lẻ]	passage: [HDG] Thuyết minh báo cáo tài chính hợp nhất năm 2023 của CTCP Tập đoàn Hà Đô (HDG). Các chỉ tiêu trong bảng: Doanh thu chưa thực hiện ngắn hạn; Thuế và các khoản phải nộp Nhà nước; Đầu tư góp vốn vào đơn vị khác; Quỹ đầu tư phát triển; Vay và nợ thuê tài chính ngắn hạn; Lưu chuyển tiền thuần từ hoạt động tài chính. [Mã CK: HDG | Năm: 2023 | Loại BCTC: hợp nhất]
  query: Vốn góp của chủ sở hữu của CTCP Container Việt Nam (mã CK: VSC) năm 2021 là bao nhiêu?	passage: [VSC] Thuyết minh báo cáo tài chính hợp nhất năm 2021 của CTCP Container Việt Nam (VSC). Các chỉ tiêu trong bảng: Doanh thu hoạt động tài chính; Chi phí trả trước ngắn hạn; Vốn góp của chủ sở hữu; Giá vốn hàng bán; Lưu chuyển tiền thuần từ hoạt động kinh doanh. [Mã CK: VSC | Năm: 2021 | Loại BCTC: hợp nhất]	passage: [REE] Thuyết minh báo cáo tài chính hợp nhất năm 2020 của CTCP Cơ Điện Lạnh (REE). Các chỉ tiêu trong bảng: Tiền chi để mua sắm, xây dựng TSCĐ và các tài sản dài hạn khác; Tiền vay ngắn hạn, dài hạn nhận được; Chi phí trả trước dài hạn; Vay và nợ thuê tài chính ngắn hạn; Tài sản cố định vô hình; Giá vốn hàng bán; Vốn góp của chủ sở hữu. [Mã CK: REE | Năm: 2020 | Loại BCTC: hợp nhất]	passage: [VSC] Thuyết minh báo cáo tài chính hợp nhất năm 2022 của CTCP Container Việt Nam (VSC). Các chỉ tiêu trong bảng: Vốn góp của chủ sở hữu; Trả trước cho người bán ngắn hạn; Thu nhập khác; Tiền và các khoản tương đương tiền; Đầu tư góp vốn vào đơn vị khác; Bất động sản đầu tư; Giá vốn hàng bán; Lưu chuyển tiền thuần từ hoạt động đầu tư. [Mã CK: VSC | Năm: 2022 | Loại BCTC: hợp nhất]	passage: [DCM] Thuyết minh báo cáo tài chính hợp nhất năm 2023 của CTCP Phân bón Dầu khí Cà Mau (DCM). Các chỉ tiêu trong bảng: Lợi nhuận sau thuế của cổ đông của công ty mẹ; Chi phí trả trước ngắn hạn; Vốn góp của chủ sở hữu; Hàng tồn kho; Doanh thu bán hàng và cung cấp dịch vụ; Lợi nhuận sau thuế chưa phân phối; Tài sản thuế thu nhập hoãn lại; Thặng dư vốn cổ phần. [Mã CK: DCM | Năm: 2023 | Loại BCTC: hợp nhất]	passage: [SAB] Thuyết minh báo cáo tài chính hợp nhất năm 2022 của CTCP Bia - Rượu - Nước giải khát Sài Gòn (SAB). Các chỉ tiêu trong bảng: Lợi nhuận sau thuế thu nhập doanh nghiệp; Trả trước cho người bán ngắn hạn; Người mua trả tiền trước ngắn hạn; Lợi ích cổ đông không kiểm soát; Giá vốn hàng bán; Vốn góp của chủ sở hữu. [Mã CK: SAB | Năm: 2022 | Loại BCTC: hợp nhất]	passage: [VSC] Thuyết minh báo cáo tài chính riêng lẻ năm 2024 của CTCP Container Việt Nam (VSC). Các chỉ tiêu trong bảng: Thu nhập khác; Tài sản cố định hữu hình; Lợi nhuận sau thuế chưa phân phối; Lưu chuyển tiền thuần từ hoạt động tài chính; Tiền và các khoản tương đương tiền; Vốn góp của chủ sở hữu. [Mã CK: VSC | Năm: 2024 | Loại BCTC: riêng lẻ]	passage: [HPG] Thuyết minh báo cáo tài chính hợp nhất năm 2024 của CTCP Tập đoàn Hòa Phát (HPG). Các chỉ tiêu trong bảng: Quỹ dự trữ bổ sung vốn điều lệ; Vốn góp của chủ sở hữu; Vốn điều lệ; Tài sản cố định vô hình; Tiền và các khoản tương đương tiền. [Mã CK: HPG | Năm: 2024 | Loại BCTC: hợp nhất]
  query: Theo báo cáo hợp nhất năm 2020, Tổng lợi nhuận kế toán trước thuế của CTCP Nhựa Bình Minh (BMP) là bao nhiêu?	passage: [BMP] Thuyết minh báo cáo tài chính hợp nhất năm 2020 của CTCP Nhựa Bình Minh (BMP). Các chỉ tiêu trong bảng: Tiền và các khoản tương đương tiền; Tổng lợi nhuận kế toán trước thuế; Hàng tồn kho; Quỹ dự trữ bổ sung vốn điều lệ; Chi phí trả trước ngắn hạn. [Mã CK: BMP | Năm: 2020 | Loại BCTC: hợp nhất]	passage: [BMP] Thuyết minh báo cáo tài chính riêng lẻ năm 2020 của CTCP Nhựa Bình Minh (BMP). Các chỉ tiêu trong bảng: Tiền và các khoản tương đương tiền; Tổng lợi nhuận kế toán trước thuế; Vay và nợ thuê tài chính ngắn hạn; Trả trước cho người bán ngắn hạn; Chi phí trả trước dài hạn; Quỹ đầu tư phát triển; Chi phí phải trả ngắn hạn. [Mã CK: BMP | Năm: 2020 | Loại BCTC: riêng lẻ]	passage: [BMP] Thuyết minh báo cáo tài chính hợp nhất năm 2020 của CTCP Nhựa Bình Minh (BMP). Các chỉ tiêu trong bảng: Thặng dư vốn cổ phần; Tài sản cố định vô hình; Doanh thu chưa thực hiện ngắn hạn; Vay và nợ thuê tài chính ngắn hạn; Phải trả người lao động; Trong đó: Chi phí lãi vay. [Mã CK: BMP | Năm: 2020 | Loại BCTC: hợp nhất]	passage: [BMP] Thuyết minh báo cáo tài chính riêng lẻ năm 2021 của CTCP Nhựa Bình Minh (BMP). Các chỉ tiêu trong bảng: Chi phí tài chính; Doanh thu hoạt động tài chính; Lợi nhuận chưa phân phối; Đầu tư tài chính ngắn hạn; Thặng dư vốn cổ phần; Lưu chuyển tiền thuần từ hoạt động đầu tư; Tổng lợi nhuận kế toán trước thuế; Lợi nhuận thuần từ hoạt động kinh doanh. [Mã CK: BMP | Năm: 2021 | Loại BCTC: riêng lẻ]	passage: [HCM] Thuyết minh báo cáo tài chính riêng lẻ năm 2023 của CTCP Chứng khoán TP.HCM (HCM). Các chỉ tiêu trong bảng: Tiền chi trả nợ gốc vay; Các khoản giảm trừ doanh thu; Chi phí thuế thu nhập doanh nghiệp hiện hành; Người mua trả tiền trước ngắn hạn; Tiền vay ngắn hạn, dài hạn nhận được; Quỹ đầu tư phát triển; Tổng lợi nhuận kế toán trước thuế; Dự phòng phải trả dài hạn. [Mã CK: HCM | Năm: 2023 | Loại BCTC: riêng lẻ]	passage: [BMP] Thuyết minh báo cáo tài chính hợp nhất năm 2022 của CTCP Nhựa Bình Minh (BMP). Các chỉ tiêu trong bảng: Vay và nợ thuê tài chính ngắn hạn; Thặng dư vốn cổ phần; Trả trước cho người bán ngắn hạn; Đầu tư vào công ty liên doanh, liên kết; Lưu chuyển tiền thuần từ hoạt động tài chính; Tổng lợi nhuận kế toán trước thuế. [Mã CK: BMP | Năm: 2022 | Loại BCTC: hợp nhất]	passage: [GVR] Thuyết minh báo cáo tài chính riêng lẻ năm 2024 của Tập đoàn Công nghiệp Cao su Việt Nam - CTCP (GVR). Các chỉ tiêu trong bảng: Lưu chuyển tiền thuần từ hoạt động đầu tư; Thuế và các khoản phải nộp Nhà nước; Doanh thu hoạt động tài chính; Dự phòng giảm giá hàng tồn kho; Lưu chuyển tiền thuần từ hoạt động tài chính; Lợi ích cổ đông không kiểm soát; Tổng lợi nhuận kế toán trước thuế; Người mua trả tiền trước ngắn hạn. [Mã CK: GVR | Năm: 2024 | Loại BCTC: riêng lẻ]

• 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: 16
• fp16: True
• per_device_eval_batch_size: 16
• multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

• per_device_train_batch_size: 16
• num_train_epochs: 3
• max_steps: -1
• learning_rate: 5e-05
• lr_scheduler_type: linear
• lr_scheduler_kwargs: None
• warmup_steps: 0
• optim: adamw_torch_fused
• optim_args: None
• weight_decay: 0.0
• 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
• label_smoothing_factor: 0.0
• bf16: False
• fp16: True
• 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: passive
• 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: 16
• 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: False
• 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: batch_sampler
• multi_dataset_batch_sampler: round_robin
• router_mapping: {}
• learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	test-eval_cosine_ndcg@10
-1	-1	-	0.0413
0.6289	500	0.5100	-
1.0	795	-	0.2328

Training Time

• Training: 16.0 minutes

Framework Versions

• Python: 3.12.13
• Sentence Transformers: 5.7.0
• Transformers: 5.13.1
• PyTorch: 2.11.0+cu128
• Accelerate: 1.14.0
• Datasets: 5.0.1
• Tokenizers: 0.22.2

Additional Resources

• Training and Finetuning Embedding Models with Sentence Transformers: the end-to-end guide for training or finetuning Sentence Transformer models.
• Introduction to Matryoshka Embedding Models: variable-size embeddings that can be truncated with minimal quality loss.
• Binary and Scalar Embedding Quantization for Significantly Faster & Cheaper Retrieval: post-training compression of embedding vectors.
• Multimodal Embedding & Reranker Models with Sentence Transformers: use text, image, audio, and video models through the same API.
• Training and Finetuning Multimodal Embedding & Reranker Models with Sentence Transformers: train multimodal embedding models, with a Visual Document Retrieval walkthrough.

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},
}