Update mpnet with 3000 banking samples using LoRA

4f582ab verified 25 days ago

16.9 kB

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - dense
  - generated_from_trainer
  - dataset_size:2665
  - loss:OnlineContrastiveLoss
base_model: sentence-transformers/paraphrase-multilingual-mpnet-base-v2
widget:
  - source_sentence: CCTG sẽ tự động tái tục cả gốc và lãi khi đến hạn
    sentences:
      - >-
        CCTG không có tính năng tự động tái tục, vốn gốc sẽ chuyển sang lãi suất
        không kỳ hạn
      - Tính toán chỉ số YTM (Yield to Maturity) cho G-Bond.
      - xem sao kê chi tiết dòng tiền ra vào mọi lúc mọi nơi
  - source_sentence: gửi tiết kiệm online lãi suất cao hơn tại quầy
    sentences:
      - >-
        nếu đã được bên khác chi trả, bảo hiểm sẽ chỉ trả phần chênh lệch còn
        thiếu
      - miễn phí thường niên trọn đời (không điều kiện)
      - gửi tiết kiệm tại quầy được nhận quà tặng hiện vật
  - source_sentence: ưu đãi thanh toán lệ phí cấp giấy chứng thực
    sentences:
      - ưu đãi thanh toán cấp chứng thực được tích dặm
      - hỗ trợ đóng tiền điện, nước, internet qua ngân hàng số
      - >-
        Quá trình phân bổ dần giá trị của các tài sản phi vật chất (như bản
        quyền, phần mềm, bằng sáng chế) vào chi phí qua các năm.
  - source_sentence: >-
      mọi sửa đổi điều khoản sẽ có hiệu lực nếu khách hàng tiếp tục sử dụng dịch
      vụ
    sentences:
      - tiết kiệm có kỳ hạn 12 tháng tự động quay vòng gốc lãi
      - Loại trừ các chi phí phát sinh trong phạm vi 100km từ nơi cư trú chính.
      - >-
        việc tiếp tục giao dịch đồng nghĩa với việc khách hàng chấp nhận các
        thay đổi mới
  - source_sentence: đăng ký nhận lãi tiết kiệm hàng tháng thay vì cuối kỳ
    sentences:
      - lựa chọn Monthly Interest Payout Option cho tài khoản Savings
      - không thu phí duy trì dịch vụ hàng tháng nếu đủ điều kiện
      - công ty bảo hiểm chỉ thanh toán khi khách hàng cung cấp đủ bằng chứng
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - cosine_accuracy
  - cosine_accuracy_threshold
  - cosine_f1
  - cosine_f1_threshold
  - cosine_precision
  - cosine_recall
  - cosine_ap
  - cosine_mcc
model-index:
  - name: >-
      SentenceTransformer based on
      sentence-transformers/paraphrase-multilingual-mpnet-base-v2
    results:
      - task:
          type: binary-classification
          name: Binary Classification
        dataset:
          name: mpnet contrastive eval
          type: mpnet_contrastive_eval
        metrics:
          - type: cosine_accuracy
            value: 0.8209459459459459
            name: Cosine Accuracy
          - type: cosine_accuracy_threshold
            value: 0.7716432809829712
            name: Cosine Accuracy Threshold
          - type: cosine_f1
            value: 0.8389057750759878
            name: Cosine F1
          - type: cosine_f1_threshold
            value: 0.7716432809829712
            name: Cosine F1 Threshold
          - type: cosine_precision
            value: 0.7976878612716763
            name: Cosine Precision
          - type: cosine_recall
            value: 0.8846153846153846
            name: Cosine Recall
          - type: cosine_ap
            value: 0.8921973688043467
            name: Cosine Ap
          - type: cosine_mcc
            value: 0.6429264691968221
            name: Cosine Mcc

SentenceTransformer based on sentence-transformers/paraphrase-multilingual-mpnet-base-v2

This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-mpnet-base-v2. 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: sentence-transformers/paraphrase-multilingual-mpnet-base-v2
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity

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': 512, 'do_lower_case': False, 'architecture': 'XLMRobertaModel'})
  (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("DungHugging/mpnet-finetune-full")
# Run inference
sentences = [
    'đăng ký nhận lãi tiết kiệm hàng tháng thay vì cuối kỳ',
    'lựa chọn Monthly Interest Payout Option cho tài khoản Savings',
    'công ty bảo hiểm chỉ thanh toán khi khách hàng cung cấp đủ bằng chứng',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.9182, 0.6618],
#         [0.9182, 1.0000, 0.7091],
#         [0.6618, 0.7091, 1.0000]])

Evaluation

Metrics

Binary Classification

Dataset: mpnet_contrastive_eval
Evaluated with BinaryClassificationEvaluator

Metric	Value
cosine_accuracy	0.8209
cosine_accuracy_threshold	0.7716
cosine_f1	0.8389
cosine_f1_threshold	0.7716
cosine_precision	0.7977
cosine_recall	0.8846
cosine_ap	0.8922
cosine_mcc	0.6429

Training Details

Training Dataset

Unnamed Dataset

Size: 2,665 training samples
Columns: sentence_0, sentence_1, and label
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1 label
type string string float
details
min: 6 tokens
mean: 14.93 tokens
max: 29 tokens

min: 9 tokens
mean: 18.46 tokens
max: 55 tokens

min: 0.0
mean: 0.49
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 6 tokens mean: 14.93 tokens max: 29 tokens	min: 9 tokens mean: 18.46 tokens max: 55 tokens	min: 0.0 mean: 0.49 max: 1.0

Samples:

sentence_0	sentence_1	label
`miễn phí thường niên năm đầu tiên`	`phí thường niên năm đầu cao gấp đôi các năm sau`	`0.0`
`Tỷ lệ quy đổi là 1 lượt golf đổi được 1 set ăn cho 2 người kèm 2 đồ uống.`	`Mỗi lượt golf trong tài khoản có thể quy đổi thành một bữa ăn dành cho 02 người bao gồm đồ uống.`	`1.0`
`Hợp đồng kỳ hạn không chuyển giao (Non-Deliverable Forward - NDF).`	`Vào ngày đáo hạn, hai bên chỉ thanh toán chênh lệch tỷ giá bằng đồng tiền mạnh (thường là USD) thay vì giao nhận vốn gốc.`	`1.0`

Loss: OnlineContrastiveLoss

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 32
per_device_eval_batch_size: 32
num_train_epochs: 10
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 32
per_device_eval_batch_size: 32
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: 5e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1
num_train_epochs: 10
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.0
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
bf16: False
fp16: False
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: 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}
parallelism_config: 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
project: huggingface
trackio_space_id: trackio
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
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: no
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: True
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	mpnet_contrastive_eval_cosine_ap
0.5	42	-	0.5456
1.0	84	-	0.7198
1.5	126	-	0.7952
2.0	168	-	0.8277
2.5	210	-	0.8432
3.0	252	-	0.8581
3.5	294	-	0.8744
4.0	336	-	0.8748
4.5	378	-	0.8885
5.0	420	-	0.8893
5.5	462	-	0.8862
5.9524	500	0.8565	-
6.0	504	-	0.8847
6.5	546	-	0.8916
7.0	588	-	0.8942
7.5	630	-	0.8916
8.0	672	-	0.8907
8.5	714	-	0.8897
9.0	756	-	0.8918
9.5	798	-	0.8926
10.0	840	-	0.8922

Framework Versions

Python: 3.12.12
Sentence Transformers: 5.1.1
Transformers: 4.57.1
PyTorch: 2.8.0+cu126
Accelerate: 1.11.0
Datasets: 4.4.2
Tokenizers: 0.22.1

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",
}