Sentence Similarity
sentence-transformers
Safetensors
roberta
feature-extraction
Generated from Trainer
dataset_size:132997
loss:MultipleNegativesRankingLoss
Instructions to use Cloyne/vietnamese-sbert-v3 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use Cloyne/vietnamese-sbert-v3 with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("Cloyne/vietnamese-sbert-v3") sentences = [ "Ai có trách_nhiệm cập_nhật , công_bố thông_tin về tài_sản thế_chấp sau khi thực_hiện đăng_ký thay_đổi nội_dung thế_chấp đã đăng_ký , sửa_chữa sai_sót ?", "1 . Chuẩn chương_trình phải quy_định những yêu_cầu tối_thiểu về số_lượng , cơ_cấu , trình_độ , năng_lực , kinh_nghiệm của đội_ngũ giảng_viên và nhân_lực hỗ_trợ để tổ_chức giảng_dạy và hỗ_trợ người học nhằm đạt được chuẩn đầu_ra của chương_trình đào_tạo . 2 . Yêu_cầu đối_với đội_ngũ giảng_viên giảng_dạy chương_trình đại_học , giảng_dạy chương_trình đào_tạo chuyên_sâu đặc_thù trình_độ bậc 7 : a ) Giảng_viên có trình_độ thạc_sĩ trở lên , trợ_giảng có trình_độ đại_học trở lên ; b ) Có ít_nhất 01 tiến_sĩ ngành phù_hợp là giảng_viên cơ_hữu để chủ_trì xây_dựng , tổ_chức thực_hiện chương_trình đào_tạo ; c ) Có ít_nhất 05 tiến_sĩ có chuyên_môn phù_hợp là giảng_viên cơ_hữu để chủ_trì giảng_dạy chương_trình , trong đó mỗi thành_phần của chương_trình phải có giảng_viên với chuyên_môn phù_hợp chủ_trì giảng_dạy ; d ) Có đủ số_lượng giảng_viên để đảm_bảo tỉ_lệ sinh_viên trên giảng_viên không vượt quá mức quy_định cho từng lĩnh_vực , nhóm ngành hoặc ngành đào_tạo . 3 . Yêu_cầu đối_với đội_ngũ giảng_viên giảng_dạy chương_trình thạc_sĩ : a ) Giảng_viên có trình_độ tiến_sĩ ; b ) Có ít_nhất 05 tiến_sĩ ngành phù_hợp là giảng_viên cơ_hữu , trong đó có một giáo_sư hoặc phó_giáo_sư chủ_trì xây_dựng , tổ_chức thực_hiện chương_trình đào_tạo ; c ) Có giảng_viên cơ_hữu với chuyên_môn phù_hợp chủ_trì giảng_dạy đối_với từng môn_học , học phần của chương_trình ; d ) Có đủ người hướng_dẫn để đảm_bảo tỷ_lệ tối_đa 05 học_viên trên một người hướng_dẫn . 4 . Yêu_cầu đối_với đội_ngũ giảng_viên giảng_dạy chương_trình tiến_sĩ : a ) Giảng_viên có chức_danh giáo_sư hoặc phó giáo_sư ; hoặc có trình_độ tiến_sĩ với năng_lực nghiên_cứu tốt ; b ) Có ít_nhất 01 giáo_sư ( hoặc 02 phó giáo_sư ) ngành phù_hợp và 03 tiến_sĩ ngành phù_hợp là giảng_viên cơ_hữu ; c ) Có đủ người hướng_dẫn để đảm_bảo tỉ_lệ tối_đa 07 nghiên_cứu_sinh / giáo_sư , 05 nghiên_cứu_sinh / phó giáo_sư và 03 nghiên_cứu_sinh / tiến_sĩ . 5 . Chuẩn chương_trình cho các ngành , nhóm ngành quy_định yêu_cầu cụ_thể về đội_ngũ giảng_viên không thấp hơn quy_định tại các khoản 2 , 3 và 4 của Điều này ; yêu_cầu cụ_thể về tỉ_lệ người học trên giảng_viên ; yêu_cầu về đội_ngũ nhân_lực hỗ_trợ đào_tạo ( nếu cần_thiết ) , phù_hợp với đặc_điểm của từng lĩnh_vực nhóm ngành hoặc ngành đào_tạo .", "Trách_nhiệm của các cơ_quan có liên_quan đến đăng_ký thế_chấp quyền sử_dụng đất , tài_sản gắn liền với đất 1 . Văn_phòng đăng_ký đất_đai có trách_nhiệm gửi thông_tin cho Sở Tài_nguyên_và_Môi_trường để cập_nhật , công_bố thông_tin về tài_sản thế_chấp sau khi thực_hiện đăng_ký thay_đổi nội_dung thế_chấp đã đăng_ký , sửa_chữa sai_sót , xóa đăng_ký thế_chấp liên_quan đến việc thế_chấp dự_án đầu_tư xây_dựng nhà ở , dự_án đầu_tư xây_dựng công_trình xây_dựng không phải là nhà ở theo quy_định tại Điều 64 của Nghị_định số 102 / 2017 / NĐ-CP . ...", "Xóa kỷ_luật , giảm thời_hạn chấp_hành kỷ_luật lao_động 1 . Người lao_động bị khiển_trách sau 03 tháng , hoặc bị xử_lý kỷ_luật kéo_dài thời_hạn nâng lương sau 06 tháng , kể từ ngày bị xử_lý , nếu không tái_phạm thì đương_nhiên được xóa kỷ_luật . Trường_hợp bị xử_lý kỷ_luật lao_động bằng hình_thức cách_chức thì sau thời_hạn 03 năm , nếu tiếp_tục vi_phạm kỷ_luật lao_động thì không bị coi là tái_phạm . 2 . Người lao_động bị xử_lý kỷ_luật kéo_dài thời_gian nâng lương sau khi chấp_hành được một_nửa thời_hạn nếu sửa_chữa tiến_bộ , có_thể được người sử_dụng lao_động xét giảm thời_hạn ." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Ctrl+K