Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:3257
loss:MultipleNegativesRankingLoss
text-embeddings-inference
Instructions to use check2207/CS221_vietnamese_embedding with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- sentence-transformers
How to use check2207/CS221_vietnamese_embedding with sentence-transformers:
from sentence_transformers import SentenceTransformer model = SentenceTransformer("check2207/CS221_vietnamese_embedding") sentences = [ "Đặt_cọc bao_nhiêu khi tham_gia đấu_giá lô cổ_phần kèm nợ phải thu ?", "negative: Điều 3 . Nguyên_tắc thực_hiện và thẩm_quyền quyết_định : 4 . Toàn_bộ số_lượng cổ_phần chào_bán ( toàn_bộ hoặc một phần vốn góp tại doanh_nghiệp ) và khoản nợ phải thu kèm theo được xác_định là một lô . Nhà đầu_tư tham_gia đấu_giá phải mua cả lô cổ_phần kèm nợ phải thu . Công_ty cổ_phần có vốn góp và nợ phải thu của doanh_nghiệp mua_bán nợ không được tham_gia đấu_giá_cả lô cổ_phần kèm nợ phải thu của chính doanh_nghiệp mình . Nhà đầu_tư tham_gia đấu_giá mua cả lô cổ_phần kèm nợ phải thu không phải thực_hiện thủ_tục chào mua công_khai .", "positive: Điều 8 . Thực_hiện bán đấu_giá : 1 . Cuộc đấu_giá được tổ_chức tại trụ_sở của tổ_chức đấu_giá , doanh_nghiệp mua_bán nợ hoặc địa_điểm khác theo thỏa_thuận của doanh_nghiệp mua_bán nợ và tổ_chức đấu_giá .", "positive: Điều 11 . Mở tài Khoản , trả lãi và thu phí : 3 . Việc thu phí thanh_toán đối_với các đối_tượng mở tài Khoản tại Kho_bạc Nhà_nước được thực_hiện như sau : \n a ) Các đối_tượng phải trả phí thanh_toán , bao_gồm : Tiền_của các đơn_vị tổ_chức không có nguồn_gốc từ ngân_sách nhà_nước gửi tại Kho_bạc Nhà_nước . \n Mức phí thanh_toán được thực_hiện theo mức phí mà ngân_hàng thu đối_với Kho_bạc Nhà_nước tại thời Điểm tính phí . \n b ) Các đối_tượng không phải trả phí thanh_toán , bao_gồm : Các Khoản thanh_toán của ngân_sách nhà_nước ; quỹ dự_trữ tài_chính thuộc ngân_sách trung_ương và ngân_sách cấp tỉnh ; các quỹ tài_chính nhà_nước và tiền gửi của các đơn_vị , tổ_chức có nguồn_gốc từ ngân_sách nhà_nước tại Kho_bạc Nhà_nước ." ] embeddings = model.encode(sentences) similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [4, 4] - Notebooks
- Google Colab
- Kaggle
Upload XLMRobertaForSequenceClassification
Browse files- config.json +27 -0
- model.safetensors +3 -0
config.json
ADDED
|
@@ -0,0 +1,27 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
{
|
| 2 |
+
"architectures": [
|
| 3 |
+
"XLMRobertaForSequenceClassification"
|
| 4 |
+
],
|
| 5 |
+
"attention_probs_dropout_prob": 0.1,
|
| 6 |
+
"bos_token_id": 0,
|
| 7 |
+
"classifier_dropout": null,
|
| 8 |
+
"dtype": "float32",
|
| 9 |
+
"eos_token_id": 2,
|
| 10 |
+
"hidden_act": "gelu",
|
| 11 |
+
"hidden_dropout_prob": 0.1,
|
| 12 |
+
"hidden_size": 1024,
|
| 13 |
+
"initializer_range": 0.02,
|
| 14 |
+
"intermediate_size": 4096,
|
| 15 |
+
"layer_norm_eps": 1e-05,
|
| 16 |
+
"max_position_embeddings": 8194,
|
| 17 |
+
"model_type": "xlm-roberta",
|
| 18 |
+
"num_attention_heads": 16,
|
| 19 |
+
"num_hidden_layers": 24,
|
| 20 |
+
"output_past": true,
|
| 21 |
+
"pad_token_id": 1,
|
| 22 |
+
"position_embedding_type": "absolute",
|
| 23 |
+
"transformers_version": "4.57.6",
|
| 24 |
+
"type_vocab_size": 1,
|
| 25 |
+
"use_cache": false,
|
| 26 |
+
"vocab_size": 250002
|
| 27 |
+
}
|
model.safetensors
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:46c773bddac66b71ee97c3bb9ac82bc3d2e86fbc7ba4ae974aefbd1f3c15262a
|
| 3 |
+
size 2271075952
|