Add new SentenceTransformer model

cccda0b verified 9 months ago

14.8 kB

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - dense
  - generated_from_trainer
  - dataset_size:1616
  - loss:CosineSimilarityLoss
base_model: sentence-transformers/all-MiniLM-L6-v2
widget:
  - source_sentence: Phường Bến Thành thuộc Thành phố nào?
    sentences:
      - Phường Kỳ Sơn thuộc Tỉnh Phú Thọ
      - Phường Phú Thọ thuộc Tỉnh Phú Thọ
      - Xã Bà Điểm thuộc Thành phố Hồ Chí Minh
  - source_sentence: Phường Bình Phú thuộc Thành phố nào?
    sentences:
      - Xã Xuân Lộc thuộc Tỉnh Đồng Nai
      - Phường An Hội thuộc Tỉnh nào?
      - >-
        Phường Cư Bao được sáp nhập từ: Phường Bình Tân (thị xã Buôn Hồ), Xã
        Bình Thuận (thị xã Buôn Hồ) và Xã Cư Bao (thị xã Buôn Hồ) vào ngày
        01/07/2025
  - source_sentence: Xã Đại Đồng thuộc Tỉnh nào?
    sentences:
      - Phường Tam Quan thuộc Tỉnh nào?
      - Phường Tân Thành thuộc Tỉnh Cà Mau
      - Xã Đại Đồng thuộc Tỉnh Nghệ An
  - source_sentence: Xã Thái Mỹ thuộc Thành phố nào?
    sentences:
      - Xã Thái Mỹ thuộc Thành phố Hồ Chí Minh
      - Phường Kiến Hưng được sáp nhập từ các Phường nào?
      - Phường Hà Tiên được sáp nhập từ các Phường nào?
  - source_sentence: Phường Nghĩa Lộ được sáp nhập từ các Phường nào?
    sentences:
      - >-
        Xã Ngô Mây được sáp nhập từ: Xã Cát Hưng (huyện Phù Cát), Xã Cát Thắng
        (huyện Phù Cát) và Xã Cát Chánh (huyện Phù Cát) vào ngày 01/07/2025
      - >-
        Xã Ngô Mây được sáp nhập từ: Xã Cát Hưng (huyện Phù Cát), Xã Cát Thắng
        (huyện Phù Cát) và Xã Cát Chánh (huyện Phù Cát) vào ngày 01/07/2025
      - Phường Cao Lãnh được sáp nhập từ các Phường nào?
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - pearson_cosine
  - spearman_cosine
model-index:
  - name: SentenceTransformer based on sentence-transformers/all-MiniLM-L6-v2
    results:
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: qa similarity eval
          type: qa-similarity-eval
        metrics:
          - type: pearson_cosine
            value: 0.898329291145673
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.8699420206459687
            name: Spearman Cosine

SentenceTransformer based on sentence-transformers/all-MiniLM-L6-v2

This is a sentence-transformers model finetuned from sentence-transformers/all-MiniLM-L6-v2. It maps sentences & paragraphs to a 384-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/all-MiniLM-L6-v2
Maximum Sequence Length: 256 tokens
Output Dimensionality: 384 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': 256, 'do_lower_case': False, 'architecture': 'BertModel'})
  (1): Pooling({'word_embedding_dimension': 384, '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})
  (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("lmtri0312/tramy-encoder")
# Run inference
sentences = [
    'Phường Nghĩa Lộ được sáp nhập từ các Phường nào?',
    'Xã Ngô Mây được sáp nhập từ: Xã Cát Hưng (huyện Phù Cát), Xã Cát Thắng (huyện Phù Cát) và Xã Cát Chánh (huyện Phù Cát) vào ngày 01/07/2025',
    'Xã Ngô Mây được sáp nhập từ: Xã Cát Hưng (huyện Phù Cát), Xã Cát Thắng (huyện Phù Cát) và Xã Cát Chánh (huyện Phù Cát) vào ngày 01/07/2025',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.3627, 0.3627],
#         [0.3627, 1.0000, 1.0000],
#         [0.3627, 1.0000, 1.0000]])

Evaluation

Metrics

Semantic Similarity

Dataset: qa-similarity-eval
Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.8983
spearman_cosine	0.8699

Training Details

Training Dataset

Unnamed Dataset

Size: 1,616 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: 5 tokens
mean: 19.64 tokens
max: 48 tokens

min: 4 tokens
mean: 41.56 tokens
max: 224 tokens

min: 0.1
mean: 0.73
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 5 tokens mean: 19.64 tokens max: 48 tokens	min: 4 tokens mean: 41.56 tokens max: 224 tokens	min: 0.1 mean: 0.73 max: 1.0

Samples:

sentence_0	sentence_1	label
`Phường Ayun Pa được sáp nhập từ các Phường nào?`	`Bão số 5 (Kajiki) diễn ra từ 00:00 24-08-2025 đến 23:59 27-08-2025, ở Thành phố Đà Nẵng`	`0.1`
`Xã Bà Điểm được sáp nhập từ các Xã nào?`	`Xã Bà Điểm được sáp nhập từ: Xã Xuân Thới Thượng (huyện Hóc Môn), Xã Trung Chánh (huyện Hóc Môn) và Xã Bà Điểm (huyện Hóc Môn) vào ngày 01/07/2025`	`1.0`
`Phường An Biên được sáp nhập từ các Phường nào?`	`Xã Bình Mỹ được sáp nhập từ các Xã nào?`	`0.7`

Loss: CosineSimilarityLoss with these parameters:

{
    "loss_fct": "torch.nn.modules.loss.MSELoss"
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
num_train_epochs: 4
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: 8
per_device_eval_batch_size: 8
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: 4
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
use_ipex: 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
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: False
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: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	qa-similarity-eval_spearman_cosine
0.4950	100	-	0.8485
0.9901	200	-	0.8517
1.0	202	-	0.8517
1.4851	300	-	0.8654
1.9802	400	-	0.8693
2.0	404	-	0.8691
2.4752	500	0.0429	0.8699

Framework Versions

Python: 3.12.11
Sentence Transformers: 5.1.0
Transformers: 4.56.1
PyTorch: 2.8.0+cu126
Accelerate: 1.10.1
Datasets: 4.0.0
Tokenizers: 0.22.0

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",
}