Hugging Face's logo

meandyou200175
/
pB-query-sql

Sentence Similarity
sentence-transformers
Safetensors
roberta
feature-extraction
Generated from Trainer
dataset_size:12085
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
Model card Files
xet
Community
meandyou200175 commited on
Commit
bdf1b48
·
verified ·
1 Parent(s): 5759d25

Add new SentenceTransformer model

Browse files
Files changed (12) hide show
  1. 1_Pooling/config.json +10 -0
  2. README.md +902 -0
  3. added_tokens.json +3 -0
  4. bpe.codes +0 -0
  5. config.json +27 -0
  6. config_sentence_transformers.json +10 -0
  7. model.safetensors +3 -0
  8. modules.json +14 -0
  9. sentence_bert_config.json +4 -0
  10. special_tokens_map.json +9 -0
  11. tokenizer_config.json +55 -0
  12. vocab.txt +0 -0
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 768,
3
+ "pooling_mode_cls_token": false,
4
+ "pooling_mode_mean_tokens": true,
5
+ "pooling_mode_max_tokens": false,
6
+ "pooling_mode_mean_sqrt_len_tokens": false,
7
+ "pooling_mode_weightedmean_tokens": false,
8
+ "pooling_mode_lasttoken": false,
9
+ "include_prompt": true
10
+ }
README.md ADDED
@@ -0,0 +1,902 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ tags:
3
+ - sentence-transformers
4
+ - sentence-similarity
5
+ - feature-extraction
6
+ - generated_from_trainer
7
+ - dataset_size:12085
8
+ - loss:MultipleNegativesRankingLoss
9
+ base_model: vinai/phobert-base-v2
10
+ widget:
11
+ - source_sentence: mình cần máy giặt dung tích giặt lớn hơn 4kg
12
+ sentences:
13
+ - 'Máy giặt LG Inverter 4kg, Công nghệ AI DD, Giặt hơi nước, Giá: 7.900.000'
14
+ - 'Đồng hồ Apple Watch Series 9, Pin 18 giờ, Màn OLED 1.9", Giá: 11.500.000'
15
+ - 'Máy giặt LG Inverter 2kg, Công nghệ AI DD, Giặt hơi nước, Giá: 7.900.000'
16
+ - 'Tủ lạnh Toshiba Inverter 180L, Ngăn đá trên, Giá: 5.400.000'
17
+ - 'Laptop LG Gram 14, Nặng 1.1kg, RAM 16GB, SSD 512GB, Giá: 19.800.000'
18
+ - 'Laptop Dell XPS 15, SSD 1TB, RAM 16GB, Core i7, Giá: 42.000.000'
19
+ - 'Tủ rượu Kadeka KS78TL, Sức chứa 72 chai, Cửa kính chống UV, Giá: 19.500.000'
20
+ - Quạt bàn Mitsubishi D16-GV CY, công suất 45W, 3 tốc độ gió, tiết kiệm điện, Giá
21
+ 620000
22
+ - 'Máy giặt LG Inverter 9kg, Công nghệ AI DD, Giặt hơi nước, Giá: 7.900.000'
23
+ - 'Xe tay ga Honda Air Blade 160, Động cơ 156cc, Phun xăng điện tử, Giá: 55.000.000'
24
+ - 'Máy ảnh Canon EOS M50 Mark II, 24.1MP, Nặng 580g, Lens kit 15-45mm, Giá: 17.800.000'
25
+ - 'Bình nước nóng Ariston SL30, Dung tích 30L, Thanh đốt Inox, Giá: 2.800.000'
26
+ - 'Tủ giày gỗ công nghiệp, Ngang 85cm, 3 tầng, Giá: 1.500.000'
27
+ - 'Máy giặt LG Inverter 3kg, Công nghệ AI DD, Giặt hơi nước, Giá: 7.900.000'
28
+ - 'Máy xay Philips HR2115, công suất 515W, cối 1.5L, Giá: 1.203.000'
29
+ - 'Robot hút bụi Roborock Q7 Max, Độ ồn 50dB, Pin 5200mAh, Giá: 10.200.000'
30
+ - source_sentence: có máy ảnh nào nhỏ gọn dưới 522g không
31
+ sentences:
32
+ - 'Máy ảnh Canon EOS M50 Mark II, Trọng lượng: 387g, Cảm biến APS-C 24.1MP, Quay
33
+ 4K, Màn hình xoay lật, Giá: 15,900,000'
34
+ - 'Máy ảnh Canon EOS M50 Mark II, Trọng lượng: 554g, Cảm biến APS-C 24.1MP, Quay
35
+ 4K, Màn hình xoay lật, Giá: 15,900,000'
36
+ - 'Công tắc Xiaomi Smart WiFi, chịu tải 16A, kết nối 2.4GHz, Giá: 420.000'
37
+ - 'Máy ảnh Canon EOS M50 Mark II, Trọng lượng: 664g, Cảm biến APS-C 24.1MP, Quay
38
+ 4K, Màn hình xoay lật, Giá: 15,900,000'
39
+ - 'Máy ảnh Canon EOS M50 Mark II, Trọng lượng: 593g, Cảm biến APS-C 24.1MP, Quay
40
+ 4K, Màn hình xoay lật, Giá: 15,900,000'
41
+ - 'Máy ảnh Canon EOS M50 Mark II, Trọng lượng: 725g, Cảm biến APS-C 24.1MP, Quay
42
+ 4K, Màn hình xoay lật, Giá: 15,900,000'
43
+ - 'Tủ lạnh Toshiba Inverter 186L, Ngăn đá trên, Tiết kiệm điện, Giá: 5.600.000'
44
+ - 'Máy ảnh Canon EOS M50 Mark II, Trọng lượng: 585g, Cảm biến APS-C 24.1MP, Quay
45
+ 4K, Màn hình xoay lật, Giá: 15,900,000'
46
+ - 'Máy ảnh Canon EOS M50 Mark II, Trọng lượng: 548g, Cảm biến APS-C 24.1MP, Quay
47
+ 4K, Màn hình xoay lật, Giá: 15,900,000'
48
+ - 'Máy ảnh Canon EOS M50 Mark II, Trọng lượng: 594g, Cảm biến APS-C 24.1MP, Quay
49
+ 4K, Màn hình xoay lật, Giá: 15,900,000'
50
+ - 'Laptop MacBook Pro 16 M2 Pro, RAM 32GB, SSD 1TB, màn 16 inch (~40.6cm), Giá:
51
+ 34.900.000'
52
+ - 'Lò vi sóng Sharp R-20A, dung tích 25L, công suất 800W, Giá: 1.250.000'
53
+ - 'Máy ảnh Canon EOS M50 Mark II, Trọng lượng: 727g, Cảm biến APS-C 24.1MP, Quay
54
+ 4K, Màn hình xoay lật, Giá: 15,900,000'
55
+ - 'Máy ảnh Nikon D5600, Cảm biến APS-C 24MP, Màn xoay lật, Giá: 19.500.000'
56
+ - 'Máy ảnh Canon EOS M50 Mark II, Trọng lượng: 652g, Cảm biến APS-C 24.1MP, Quay
57
+ 4K, Màn hình xoay lật, Giá: 15,900,000'
58
+ - 'Máy ảnh Canon EOS M50 Mark II, Trọng lượng: 733g, Cảm biến APS-C 24.1MP, Quay
59
+ 4K, Màn hình xoay lật, Giá: 15,900,000'
60
+ - source_sentence: cho tôi nồi cơm điện dung tích nhỏ hơn 2 lít
61
+ sentences:
62
+ - Bàn là hơi nước Philips GC2990, công suất 1800W, Giá 680000
63
+ - Máy lọc không khí Philips AC1214, diện tích 30 mét vuông, công suất 35W, Giá 1350000
64
+ - Đồng hồ Amazfit GTR 3, màn AMOLED 1.39 inch, chống nước IP68, pin 21 ngày, Giá
65
+ 3490000
66
+ - 'Tủ lạnh Hitachi Inverter R-FVX450PGV9, Dung tích 456L, Ngăn đá trên, Công nghệ
67
+ Inverter, Giá: 14.900.000'
68
+ - 'Nồi cơm điện Sharp KS-COM2, dung tích 1800ml, chống dính, Giá: 890.000'
69
+ - 'Nồi cơm điện Sharp KS-COM18, dung tích 1800ml, chống dính, Giá: 890.000'
70
+ - 'Router TP-Link AC750, Dual Band 2.4GHz, tốc độ tối đa 75MBps, 4 cổng LAN, Giá:
71
+ 950.000'
72
+ - 'Smart TV Samsung 43AU7000, 4K UHD, HDR10+, Giá: 7.900.000'
73
+ - 'Nồi cơm điện Sharp KS-COM3, dung tích 1800ml, chống dính, Giá: 890.000'
74
+ - 'Bàn ăn gỗ sồi tự nhiên, Dài 1m8, 6 ghế, Giá: 6.500.000'
75
+ - 'Smartwatch Garmin Forerunner 35, GPS, pin 14 ngày, Giá: 3.950.000'
76
+ - 'Bàn học gỗ MDF, Rộng 65cm, Có giá sách, Giá: 1.800.000'
77
+ - 'Xe máy điện YADEA G5 Lite, Tốc độ tối đa 38km/h, Pin lithium 60V, Giá: 16.800.000'
78
+ - 'Máy sấy tóc Panasonic EH-ND11, công suất 1600W, 2 tốc độ, Giá: 450.000'
79
+ - 'Màn hình LG UltraGear 27GN750, 27", 240Hz, IPS, Giá: 7.900.000'
80
+ - Robot hút bụi Xiaomi Mi Robot Vacuum, lực hút 2200Pa, pin 5000mAh, Giá 6950000
81
+ - source_sentence: tôi muốn mua laptop cân nặng nhỏ hơn 1.3kg
82
+ sentences:
83
+ - 'Bàn phím Logitech K380, Kết nối Bluetooth, Nhỏ gọn, Giá: 1.200.000'
84
+ - 'Laptop LG Gram 14, Core i7, RAM 16GB, SSD 512GB, Nặng 1384g, Giá: 32.000.000'
85
+ - 'Laptop LG Gram 14, Core i7, RAM 16GB, SSD 512GB, Nặng 1878g, Giá: 32.000.000'
86
+ - 'Laptop LG Gram 14, Core i7, RAM 16GB, SSD 512GB, Nặng 1672g, Giá: 32.000.000'
87
+ - 'Laptop LG Gram 14, Core i7, RAM 16GB, SSD 512GB, Nặng 1409g, Giá: 32.000.000'
88
+ - 'Laptop LG Gram 14, Core i7, RAM 16GB, SSD 512GB, Nặng 1913g, Giá: 32.000.000'
89
+ - 'Laptop LG Gram 14, Core i7, RAM 16GB, SSD 512GB, Nặng 1796g, Giá: 32.000.000'
90
+ - 'Nồi hấp điện Midea YGJ903E, Dung tích 9L, 3 tầng, Giá: 1.800.000'
91
+ - 'Laptop LG Gram 14, Core i7, RAM 16GB, SSD 512GB, Nặng 1686g, Giá: 32.000.000'
92
+ - 'Máy đọc sách Kobo Clara HD, màn hình 7 inch, chống nước, Giá: 2.350.000'
93
+ - 'Laptop LG Gram 14, Core i7, RAM 16GB, SSD 512GB, Nặng 1529g, Giá: 32.000.000'
94
+ - 'Laptop LG Gram 14, Core i7, RAM 16GB, SSD 512GB, Nặng 1635g, Giá: 32.000.000'
95
+ - 'Máy cưa bàn Makita MLT100, Công suất 1650W, Bàn cắt 690mm, Giá: 9.200.000'
96
+ - 'Laptop LG Gram 14, Core i7, RAM 16GB, SSD 512GB, Nặng 1843g, Giá: 32.000.000'
97
+ - 'Laptop LG Gram 14, Core i7, RAM 16GB, SSD 512GB, Nặng 999g, Giá: 32.000.000'
98
+ - 'Điện thoại iPhone 13 Mini, Trọng lượng: 140g, Màn hình 5.4 inch Super Retina
99
+ XDR, Chip A15 Bionic, RAM 4GB, ROM 128GB, Giá: 17,990,000'
100
+ - source_sentence: mình cần robot hút bụi pin lớn hơn 3120mAh
101
+ sentences:
102
+ - 'Robot hút bụi Ecovacs Deebot T10, Pin 1617mAh, Hút 5000Pa, Giá: 12.900.000'
103
+ - 'Máy giặt sấy LG Inverter 10kg F2510DTGW, công nghệ hơi nước, Giá: 11.500.000'
104
+ - 'Robot hút bụi Ecovacs Deebot T10, Pin 2259mAh, Hút 5000Pa, Giá: 12.900.000'
105
+ - 'Robot hút bụi Ecovacs Deebot T10, Pin 1906mAh, Hút 5000Pa, Giá: 12.900.000'
106
+ - Quạt để bàn Midea FZ40-12DB, công suất 65W, 3 tốc độ, cánh nhựa bền, Giá 385000
107
+ - 'Robot hút bụi Ecovacs Deebot T10, Pin 2286mAh, Hút 5000Pa, Giá: 12.900.000'
108
+ - 'Robot hút bụi Ecovacs Deebot T10, Pin 2076mAh, Hút 5000Pa, Giá: 12.900.000'
109
+ - 'Robot hút bụi Ecovacs Deebot T10, Pin 2018mAh, Hút 5000Pa, Giá: 12.900.000'
110
+ - 'Ultrabook Dell XPS 13 Plus, RAM 32GB, SSD 1TB, Nặng 1.3kg, Giá: 24.500.000'
111
+ - 'Robot hút bụi Ecovacs Deebot T10, Pin 1701mAh, Hút 5000Pa, Giá: 12.900.000'
112
+ - 'Máy ảnh Nikon Z50, Mirrorless APS-C, Pin chụp 600 tấm, 20.9MP, Quay 4K, Giá:
113
+ 22.000.000'
114
+ - 'Robot hút bụi Ecovacs Deebot T10, Pin 1737mAh, Hút 5000Pa, Giá: 12.900.000'
115
+ - 'Robot hút bụi Ecovacs Deebot T10, Pin 5200mAh, Hút 5000Pa, Giá: 12.900.000'
116
+ - 'Laptop ASUS Zenbook 14, RAM 32GB, SSD 1TB, Nặng 1.3kg, Giá: 28.500.000'
117
+ - 'Robot hút bụi Ecovacs Deebot T10, Pin 1873mAh, Hút 5000Pa, Giá: 12.900.000'
118
+ - 'Robot hút bụi Ecovacs Deebot T10, Pin 2217mAh, Hút 5000Pa, Giá: 12.900.000'
119
+ pipeline_tag: sentence-similarity
120
+ library_name: sentence-transformers
121
+ metrics:
122
+ - cosine_accuracy@1
123
+ - cosine_accuracy@2
124
+ - cosine_accuracy@5
125
+ - cosine_accuracy@10
126
+ - cosine_accuracy@100
127
+ - cosine_precision@1
128
+ - cosine_precision@2
129
+ - cosine_precision@5
130
+ - cosine_precision@10
131
+ - cosine_precision@100
132
+ - cosine_recall@1
133
+ - cosine_recall@2
134
+ - cosine_recall@5
135
+ - cosine_recall@10
136
+ - cosine_recall@100
137
+ - cosine_ndcg@10
138
+ - cosine_mrr@1
139
+ - cosine_mrr@2
140
+ - cosine_mrr@5
141
+ - cosine_mrr@10
142
+ - cosine_mrr@100
143
+ - cosine_map@100
144
+ model-index:
145
+ - name: SentenceTransformer based on vinai/phobert-base-v2
146
+ results:
147
+ - task:
148
+ type: information-retrieval
149
+ name: Information Retrieval
150
+ dataset:
151
+ name: Unknown
152
+ type: unknown
153
+ metrics:
154
+ - type: cosine_accuracy@1
155
+ value: 0.4825018615040953
156
+ name: Cosine Accuracy@1
157
+ - type: cosine_accuracy@2
158
+ value: 0.7364110201042442
159
+ name: Cosine Accuracy@2
160
+ - type: cosine_accuracy@5
161
+ value: 0.9538346984363366
162
+ name: Cosine Accuracy@5
163
+ - type: cosine_accuracy@10
164
+ value: 0.9888309754281459
165
+ name: Cosine Accuracy@10
166
+ - type: cosine_accuracy@100
167
+ value: 0.9985107967237528
168
+ name: Cosine Accuracy@100
169
+ - type: cosine_precision@1
170
+ value: 0.4825018615040953
171
+ name: Cosine Precision@1
172
+ - type: cosine_precision@2
173
+ value: 0.3682055100521221
174
+ name: Cosine Precision@2
175
+ - type: cosine_precision@5
176
+ value: 0.19076693968726735
177
+ name: Cosine Precision@5
178
+ - type: cosine_precision@10
179
+ value: 0.0988830975428146
180
+ name: Cosine Precision@10
181
+ - type: cosine_precision@100
182
+ value: 0.009985107967237528
183
+ name: Cosine Precision@100
184
+ - type: cosine_recall@1
185
+ value: 0.4825018615040953
186
+ name: Cosine Recall@1
187
+ - type: cosine_recall@2
188
+ value: 0.7364110201042442
189
+ name: Cosine Recall@2
190
+ - type: cosine_recall@5
191
+ value: 0.9538346984363366
192
+ name: Cosine Recall@5
193
+ - type: cosine_recall@10
194
+ value: 0.9888309754281459
195
+ name: Cosine Recall@10
196
+ - type: cosine_recall@100
197
+ value: 0.9985107967237528
198
+ name: Cosine Recall@100
199
+ - type: cosine_ndcg@10
200
+ value: 0.7549692676759688
201
+ name: Cosine Ndcg@10
202
+ - type: cosine_mrr@1
203
+ value: 0.4825018615040953
204
+ name: Cosine Mrr@1
205
+ - type: cosine_mrr@2
206
+ value: 0.6094564408041697
207
+ name: Cosine Mrr@2
208
+ - type: cosine_mrr@5
209
+ value: 0.6724000992802209
210
+ name: Cosine Mrr@5
211
+ - type: cosine_mrr@10
212
+ value: 0.6773070831708233
213
+ name: Cosine Mrr@10
214
+ - type: cosine_mrr@100
215
+ value: 0.6778092191925768
216
+ name: Cosine Mrr@100
217
+ - type: cosine_map@100
218
+ value: 0.6778092191925745
219
+ name: Cosine Map@100
220
+ ---
221
+
222
+ # SentenceTransformer based on vinai/phobert-base-v2
223
+
224
+ This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-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.
225
+
226
+ ## Model Details
227
+
228
+ ### Model Description
229
+ - **Model Type:** Sentence Transformer
230
+ - **Base model:** [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2) <!-- at revision e2375d266bdf39c6e8e9a87af16a5da3190b0cc8 -->
231
+ - **Maximum Sequence Length:** 256 tokens
232
+ - **Output Dimensionality:** 768 dimensions
233
+ - **Similarity Function:** Cosine Similarity
234
+ <!-- - **Training Dataset:** Unknown -->
235
+ <!-- - **Language:** Unknown -->
236
+ <!-- - **License:** Unknown -->
237
+
238
+ ### Model Sources
239
+
240
+ - **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
241
+ - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
242
+ - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
243
+
244
+ ### Full Model Architecture
245
+
246
+ ```
247
+ SentenceTransformer(
248
+ (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: RobertaModel
249
+ (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})
250
+ )
251
+ ```
252
+
253
+ ## Usage
254
+
255
+ ### Direct Usage (Sentence Transformers)
256
+
257
+ First install the Sentence Transformers library:
258
+
259
+ ```bash
260
+ pip install -U sentence-transformers
261
+ ```
262
+
263
+ Then you can load this model and run inference.
264
+ ```python
265
+ from sentence_transformers import SentenceTransformer
266
+
267
+ # Download from the 🤗 Hub
268
+ model = SentenceTransformer("meandyou200175/pB-query-sql")
269
+ # Run inference
270
+ sentences = [
271
+ 'mình cần robot hút bụi pin lớn hơn 3120mAh',
272
+ 'Robot hút bụi Ecovacs Deebot T10, Pin 5200mAh, Hút 5000Pa, Giá: 12.900.000',
273
+ 'Robot hút bụi Ecovacs Deebot T10, Pin 2076mAh, Hút 5000Pa, Giá: 12.900.000',
274
+ ]
275
+ embeddings = model.encode(sentences)
276
+ print(embeddings.shape)
277
+ # [3, 768]
278
+
279
+ # Get the similarity scores for the embeddings
280
+ similarities = model.similarity(embeddings, embeddings)
281
+ print(similarities.shape)
282
+ # [3, 3]
283
+ ```
284
+
285
+ <!--
286
+ ### Direct Usage (Transformers)
287
+
288
+ <details><summary>Click to see the direct usage in Transformers</summary>
289
+
290
+ </details>
291
+ -->
292
+
293
+ <!--
294
+ ### Downstream Usage (Sentence Transformers)
295
+
296
+ You can finetune this model on your own dataset.
297
+
298
+ <details><summary>Click to expand</summary>
299
+
300
+ </details>
301
+ -->
302
+
303
+ <!--
304
+ ### Out-of-Scope Use
305
+
306
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
307
+ -->
308
+
309
+ ## Evaluation
310
+
311
+ ### Metrics
312
+
313
+ #### Information Retrieval
314
+
315
+ * Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
316
+
317
+ | Metric | Value |
318
+ |:---------------------|:----------|
319
+ | cosine_accuracy@1 | 0.4825 |
320
+ | cosine_accuracy@2 | 0.7364 |
321
+ | cosine_accuracy@5 | 0.9538 |
322
+ | cosine_accuracy@10 | 0.9888 |
323
+ | cosine_accuracy@100 | 0.9985 |
324
+ | cosine_precision@1 | 0.4825 |
325
+ | cosine_precision@2 | 0.3682 |
326
+ | cosine_precision@5 | 0.1908 |
327
+ | cosine_precision@10 | 0.0989 |
328
+ | cosine_precision@100 | 0.01 |
329
+ | cosine_recall@1 | 0.4825 |
330
+ | cosine_recall@2 | 0.7364 |
331
+ | cosine_recall@5 | 0.9538 |
332
+ | cosine_recall@10 | 0.9888 |
333
+ | cosine_recall@100 | 0.9985 |
334
+ | **cosine_ndcg@10** | **0.755** |
335
+ | cosine_mrr@1 | 0.4825 |
336
+ | cosine_mrr@2 | 0.6095 |
337
+ | cosine_mrr@5 | 0.6724 |
338
+ | cosine_mrr@10 | 0.6773 |
339
+ | cosine_mrr@100 | 0.6778 |
340
+ | cosine_map@100 | 0.6778 |
341
+
342
+ <!--
343
+ ## Bias, Risks and Limitations
344
+
345
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
346
+ -->
347
+
348
+ <!--
349
+ ### Recommendations
350
+
351
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
352
+ -->
353
+
354
+ ## Training Details
355
+
356
+ ### Training Dataset
357
+
358
+ #### Unnamed Dataset
359
+
360
+ * Size: 12,085 training samples
361
+ * Columns: <code>query</code>, <code>positive</code>, <code>negative_1</code>, <code>negative_2</code>, <code>negative_3</code>, <code>negative_4</code>, <code>negative_5</code>, <code>negative_6</code>, <code>negative_7</code>, <code>negative_8</code>, <code>negative_9</code>, <code>negative_10</code>, <code>negative_11</code>, <code>negative_12</code>, <code>negative_13</code>, <code>negative_14</code>, and <code>negative_15</code>
362
+ * Approximate statistics based on the first 1000 samples:
363
+ | | query | positive | negative_1 | negative_2 | negative_3 | negative_4 | negative_5 | negative_6 | negative_7 | negative_8 | negative_9 | negative_10 | negative_11 | negative_12 | negative_13 | negative_14 | negative_15 |
364
+ |:--------|:----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
365
+ | type | string | string | string | string | string | string | string | string | string | string | string | string | string | string | string | string | string |
366
+ | details | <ul><li>min: 6 tokens</li><li>mean: 14.32 tokens</li><li>max: 28 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.93 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.05 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.21 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.28 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.36 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 28.3 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.31 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.42 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 28.57 tokens</li><li>max: 112 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.36 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.3 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.7 tokens</li><li>max: 112 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.71 tokens</li><li>max: 112 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.84 tokens</li><li>max: 100 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.67 tokens</li><li>max: 112 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.88 tokens</li><li>max: 97 tokens</li></ul> |
367
+ * Samples:
368
+ | query | positive | negative_1 | negative_2 | negative_3 | negative_4 | negative_5 | negative_6 | negative_7 | negative_8 | negative_9 | negative_10 | negative_11 | negative_12 | negative_13 | negative_14 | negative_15 |
369
+ |:--------------------------------------------------------|:------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------|
370
+ | <code>tôi cần máy lọc không khí giá dưới 4 triệu</code> | <code>Máy lọc không khí Xiaomi Mi Air Purifier 4, công suất 50W, lọc bụi PM2.5, Giá: 3.200.000</code> | <code>Máy lọc không khí Xiaomi Mi Air Purifier 6, công suất 50W, lọc bụi PM2.5, Giá: 3.200.000</code> | <code>Máy lọc không khí Xiaomi Mi Air Purifier 5, công suất 50W, lọc bụi PM2.5, Giá: 3.200.000</code> | <code>Bếp gas Rinnai RV-377GN, Công suất 4.2kW, 2 bếp, Giá: 2.300.000</code> | <code>Máy in HP LaserJet Pro M404dn, Tốc độ 30 trang/phút, Kết nối LAN, Giá: 6.800.000</code> | <code>Máy lọc không khí Sharp FP-J30E-A, Diện tích lọc: 23m2, Bộ lọc HEPA, Plasmacluster ion, Giá: 2,190,000</code> | <code>Bàn ủi Philips HI114, công suất 1500W, mặt đế chống dính, Giá: 950.000</code> | <code>Máy rửa bát Bosch SMS46NI05E, 12 bộ, 6 chương trình rửa, Tiết kiệm nước, Giá: 16.500.000</code> | <code>Bếp từ Sunhouse SHD6158, công suất 2300W, hẹn giờ 3h, Giá 1100000</code> | <code>Tai nghe Sony WH-1000XM5, Chống ồn chủ động, Pin 30h, Bluetooth 5.2, Giá: 9.500.000</code> | <code>Công tắc Tuya Smart WiFi, chịu tải 16A, kết nối 2.4GHz, Giá: 420.000</code> | <code>Màn hình Samsung Odyssey Neo G9, 49 inch, 240Hz, 2K, Giá: 42.000.000</code> | <code>Router TP-Link Archer C6, băng tần 2.4/5GHz, tốc độ 1200Mbps, Giá 950000</code> | <code>Máy pha cà phê DeLonghi ECAM22.110B, Bình 2.2L, Tự động, Giá: 14.000.000</code> | <code>Máy lọc không khí Philips AC1214, diện tích 30 mét vuông, công suất 35W, Giá 1350000</code> | <code>Tủ lạnh Sharp Inverter SJ-X196E, Cao 1m65, Dung tích 196L, Giá: 5.500.000</code> |
371
+ | <code>Máy sấy dung tích lớn hơn 3kg</code> | <code>Máy sấy Electrolux EDV7052, dung tích 7kg, công suất 1600W, Giá 5250000</code> | <code>Máy sấy Electrolux EDV7052, dung tích 3kg, công suất 1600W, Giá 5250000</code> | <code>Máy sấy Electrolux EDV7052, dung tích 2kg, công suất 1600W, Giá 5250000</code> | <code>Máy lọc không khí Coway AP-1009CH, Diện tích 50m2, Giá: 6.800.000</code> | <code>Laptop Asus Vivobook 15, màn hình 15.6 inch (~39.6cm), trọng lượng 2.4kg (2400g), RAM 16GB, SSD 512GB, Giá: 18.500.000</code> | <code>Loa JBL Charge 5, Phát nhạc 20h, Chống nước IP67, Giá: 3.900.000</code> | <code>Máy tính xách tay ASUS Zenbook 14 OLED UX3402, Trọng lượng: 1.4kg, CPU: i5-1240P, RAM 16GB, SSD 512GB, Màn OLED 2.8K, Giá: 23,990,000</code> | <code>Máy pha cà phê Delonghi EC685, Công suất 1450W, Áp suất 15 bar, Giá: 9.800.000</code> | <code>Xe côn tay Yamaha R15 V4, Động cơ 155cc, Công nghệ VVA, Giá: 74.000.000</code> | <code>Đèn bàn LED Xiaomi Mi, công suất 12W, điều chỉnh độ sáng + nhiệt màu, Giá: 580.000</code> | <code>Tablet iPad 9th Gen, Màn 10.2 inch Retina, Chip A13, Giá: 10.900.000</code> | <code>Ghế sofa chữ L, Dài 2m7, Da PU, 5 chỗ ngồi, Giá: 12.000.000</code> | <code>Máy ảnh Canon EOS R10, Nặng 429g, Cảm biến APS-C 24MP, Giá: 24.500.000</code> | <code>Máy giặt sấy LG Inverter 10kg, AI DD, TurboWash, Giá: 19.500.000</code> | <code>Bàn là hơi nước Philips GC4880, công suất 1500W, Giá 700000</code> | <code>Máy hút ẩm FujiE HM-920EC, Công suất 20L/ngày, Giá: 5.900.000</code> |
372
+ | <code>tôi cần điện thoại giá nhỏ hơn 8 triệu</code> | <code>Smartphone Xiaomi Redmi Note 12, Màn AMOLED 6.67", Pin 5000mAh, Giá: 5.890.000</code> | <code>Smartphone Xiaomi Redmi Note 9, Màn AMOLED 6.67", Pin 5000mAh, Giá: 5.890.000</code> | <code>Smartphone Xiaomi Redmi Note 11, Màn AMOLED 6.67", Pin 5000mAh, Giá: 5.890.000</code> | <code>Smartphone Xiaomi Redmi Note 10, Màn AMOLED 6.67", Pin 5000mAh, Giá: 5.890.000</code> | <code>Máy quét phim Plustek OpticFilm 8200, 16MP, Giá: 2.650.000</code> | <code>Máy xay Philips HR2115, công suất 500W, cối 1.5L, Giá: 1.200.000</code> | <code>Bàn phím Logitech K380, Kết nối Bluetooth, Nhỏ gọn, Giá: 1.200.000</code> | <code>Máy xay cà phê cầm tay Hario, dung tích 50g, tay quay, Giá: 480.000</code> | <code>Ghế xoay Ergohuman Plus, Tải trọng 120kg, Lưng lưới, Giá: 8.900.000</code> | <code>Điện thoại Xiaomi Redmi A1, RAM 2GB, Pin 5000mAh, Giá: 2.100.000</code> | <code>Quạt điều hòa Sunhouse SHD7725, Bình 45L, Công suất 200W, Giá: 3.600.000</code> | <code>Smartphone iPhone 13 Mini, Trọng lượng: 140g, Màn hình 5.4 inch Super Retina XDR, Chip A15 Bionic, RAM 4GB, ROM 128GB, Giá: 17,990,000</code> | <code>Xe máy điện VinFast Theon S, Tốc độ tối đa 90km/h, Pin 3500W, Giá: 63.000.000</code> | <code>Tivi Samsung Neo QLED 65", 4K UHD, HDR10+, Giá: 25.500.000</code> | <code>Tủ đông Aqua AQF-C300, Công suất 280W, Dung tích 295L, Giá: 8.600.000</code> | <code>Máy lọc nước Karofi 12000ml, 8 lõi lọc, công suất 95W, Giá: 7.000.000</code> |
373
+ * Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
374
+ ```json
375
+ {
376
+ "scale": 20.0,
377
+ "similarity_fct": "cos_sim"
378
+ }
379
+ ```
380
+
381
+ ### Evaluation Dataset
382
+
383
+ #### Unnamed Dataset
384
+
385
+ * Size: 1,343 evaluation samples
386
+ * Columns: <code>query</code>, <code>positive</code>, <code>negative_1</code>, <code>negative_2</code>, <code>negative_3</code>, <code>negative_4</code>, <code>negative_5</code>, <code>negative_6</code>, <code>negative_7</code>, <code>negative_8</code>, <code>negative_9</code>, <code>negative_10</code>, <code>negative_11</code>, <code>negative_12</code>, <code>negative_13</code>, <code>negative_14</code>, and <code>negative_15</code>
387
+ * Approximate statistics based on the first 1000 samples:
388
+ | | query | positive | negative_1 | negative_2 | negative_3 | negative_4 | negative_5 | negative_6 | negative_7 | negative_8 | negative_9 | negative_10 | negative_11 | negative_12 | negative_13 | negative_14 | negative_15 |
389
+ |:--------|:----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
390
+ | type | string | string | string | string | string | string | string | string | string | string | string | string | string | string | string | string | string |
391
+ | details | <ul><li>min: 6 tokens</li><li>mean: 14.19 tokens</li><li>max: 27 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.94 tokens</li><li>max: 82 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.02 tokens</li><li>max: 82 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 28.1 tokens</li><li>max: 82 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.23 tokens</li><li>max: 83 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.1 tokens</li><li>max: 82 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.26 tokens</li><li>max: 82 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.35 tokens</li><li>max: 82 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 28.33 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.28 tokens</li><li>max: 112 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 28.14 tokens</li><li>max: 82 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.31 tokens</li><li>max: 112 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.77 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.87 tokens</li><li>max: 112 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.67 tokens</li><li>max: 112 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.52 tokens</li><li>max: 97 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 28.0 tokens</li><li>max: 112 tokens</li></ul> |
392
+ * Samples:
393
+ | query | positive | negative_1 | negative_2 | negative_3 | negative_4 | negative_5 | negative_6 | negative_7 | negative_8 | negative_9 | negative_10 | negative_11 | negative_12 | negative_13 | negative_14 | negative_15 |
394
+ |:---------------------------------------------------------------|:---------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------|
395
+ | <code>mình cần nồi áp suất điện công suất lớn hơn 1040W</code> | <code>Nồi áp suất Philips HD2137, Công suất 1300W, 14 chức năng, Giá: 2.900.000</code> | <code>Nồi áp suất Philips HD2137, Công suất 700W, 14 chức năng, Giá: 2.900.000</code> | <code>Nồi áp suất Philips HD2137, Công suất 751W, 14 chức năng, Giá: 2.900.000</code> | <code>Nồi áp suất Philips HD2137, Công suất 653W, 14 chức năng, Giá: 2.900.000</code> | <code>Nồi áp suất Philips HD2137, Công suất 770W, 14 chức năng, Giá: 2.900.000</code> | <code>Nồi áp suất Philips HD2137, Công suất 958W, 14 chức năng, Giá: 2.900.000</code> | <code>Nồi áp suất Philips HD2137, Công suất 699W, 14 chức năng, Giá: 2.900.000</code> | <code>Nồi áp suất Philips HD2137, Công suất 797W, 14 chức năng, Giá: 2.900.000</code> | <code>Nồi áp suất Philips HD2137, Công suất 679W, 14 chức năng, Giá: 2.900.000</code> | <code>Nồi áp suất Philips HD2137, Công suất 893W, 14 chức năng, Giá: 2.900.000</code> | <code>Nồi áp suất Philips HD2137, Công suất 897W, 14 chức năng, Giá: 2.900.000</code> | <code>Công tắc Tuya Smart, điều khiển qua App, chịu tải 16A, Giá: 420.000</code> | <code>Ghế văn phòng Noble WB-204, xoay 360°, chịu lực 160kg, Giá: 2.450.000</code> | <code>Máy in Canon LBP6230DN, In 2 mặt, Tốc độ 28 trang/phút, Giá: 4.600.000</code> | <code>Tablet Lenovo Tab M10 Gen 3, màn 10.1", RAM 4GB, ROM 64GB, Giá: 5.900.000</code> | <code>Bình đun Kangaroo 1800W, dung tích 1.7L, tự ngắt khi sôi, Giá: 500.000</code> |
396
+ | <code>tôi muốn mua loa công suất nhỏ hơn 240W</code> | <code>Loa Bluetooth Sony SRS-XB33, Công suất 150W, Chống nước, Giá: 3.200.000</code> | <code>Loa Bluetooth Sony SRS-XB33, Công suất 281W, Chống nước, Giá: 3.200.000</code> | <code>Loa Bluetooth Sony SRS-XB33, Công suất 253W, Chống nước, Giá: 3.200.000</code> | <code>Loa Bluetooth Sony SRS-XB33, Công suất 282W, Chống nước, Giá: 3.200.000</code> | <code>Loa Bluetooth Sony SRS-XB33, Công suất 352W, Chống nước, Giá: 3.200.000</code> | <code>Loa Bluetooth Sony SRS-XB33, Công suất 319W, Chống nước, Giá: 3.200.000</code> | <code>Loa Bluetooth Sony SRS-XB33, Công suất 293W, Chống nước, Giá: 3.200.000</code> | <code>Loa Bluetooth Sony SRS-XB33, Công suất 295W, Chống nước, Giá: 3.200.000</code> | <code>Loa Bluetooth Sony SRS-XB33, Công suất 301W, Chống nước, Giá: 3.200.000</code> | <code>Loa Bluetooth Sony SRS-XB33, Công suất 320W, Chống nước, Giá: 3.200.000</code> | <code>Loa Bluetooth Sony SRS-XB33, Công suất 356W, Chống nước, Giá: 3.200.000</code> | <code>Smart Tivi LG QNED 75, Màn hình 75 inch 4K, Dolby Vision, Giá: 29.000.000</code> | <code>Quạt đứng Asia D16018, 3 tốc độ, chiều cao 1.2m, Giá: 580.000</code> | <code>Loa kéo JBL PartyBox 1000, công suất 1000W, trọng lượng 15kg, Bluetooth, Giá: 22.500.000</code> | <code>Vali du lịch Sakos, Size 22 inch, Khóa TSA, Nhựa ABS, Giá: 1.850.000</code> | <code>Bình nóng lạnh Ariston Andris2 20L, công suất 2500W, chống giật ELCB, Giá 2390000</code> |
397
+ | <code>Tai nghe không dây chống ồn ANC và pin trên 20h</code> | <code>Tai nghe Bose QuietComfort 45, ANC, pin 24h, Bluetooth 5.1, Giá 7490000</code> | <code>Máy pha cà phê Delonghi EC685, Công suất 1350W, Áp suất 15 bar, Giá: 6.200.000</code> | <code>Máy lọc nước Karofi KAQ-U95, Công suất 25L/h, 10 lõi lọc, Giá: 9.500.000</code> | <code>Máy lọc Kangaroo KG111, công suất 25L/h, 9 lõi lọc, vòi nhựa ABS, Giá 7550000</code> | <code>Đèn năng lượng mặt trời Sunhouse 20W, pin lithium, chiếu sáng 10h, Giá: 460.000</code> | <code>Ghế massage Daikiosan DK-150, công suất 120W, nhiều chế độ, Giá: 3.850.000</code> | <code>Máy hút bụi Hitachi CV-SE230V, Công suất 2300W, Lọc HEPA, Giá: 4.500.000</code> | <code>Tủ giày gỗ công nghiệp, Rộng 70cm, 3 tầng, Giá: 1.200.000</code> | <code>Thiết bị lọc Sharp FP-J30E-A, Diện tích lọc: 23m2, Bộ lọc HEPA, Plasmacluster ion, Giá: 2,190,000</code> | <code>Bàn ủi Philips GC2990, công suất 1800W, đế chống dính, Giá: 680.000</code> | <code>Bàn là hơi nước Philips GC4880, công suất 1500W, Giá 700000</code> | <code>Máy lọc không khí Xiaomi Mi Air Purifier 4, công suất 50W, lọc bụi PM2.5, Giá: 3.200.000</code> | <code>Smartphone Xiaomi Redmi Note 12, Màn AMOLED 6.67", Pin 5000mAh, Giá: 5.890.000</code> | <code>Tủ lạnh Hitachi R-WB640VGV0, Dung tích 569L, Inverter, Giá: 25.000.000</code> | <code>Máy cưa bàn Makita MLT100, Công suất 1650W, Bàn cắt 690mm, Giá: 9.200.000</code> | <code>Loa Bluetooth Anker Soundcore, Pin 12h, Công suất 10W, Giá: 1.200.000</code> |
398
+ * Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
399
+ ```json
400
+ {
401
+ "scale": 20.0,
402
+ "similarity_fct": "cos_sim"
403
+ }
404
+ ```
405
+
406
+ ### Training Hyperparameters
407
+ #### Non-Default Hyperparameters
408
+
409
+ - `eval_strategy`: steps
410
+ - `per_device_train_batch_size`: 4
411
+ - `per_device_eval_batch_size`: 4
412
+ - `learning_rate`: 2e-05
413
+ - `num_train_epochs`: 10
414
+ - `warmup_ratio`: 0.1
415
+ - `fp16`: True
416
+ - `batch_sampler`: no_duplicates
417
+
418
+ #### All Hyperparameters
419
+ <details><summary>Click to expand</summary>
420
+
421
+ - `overwrite_output_dir`: False
422
+ - `do_predict`: False
423
+ - `eval_strategy`: steps
424
+ - `prediction_loss_only`: True
425
+ - `per_device_train_batch_size`: 4
426
+ - `per_device_eval_batch_size`: 4
427
+ - `per_gpu_train_batch_size`: None
428
+ - `per_gpu_eval_batch_size`: None
429
+ - `gradient_accumulation_steps`: 1
430
+ - `eval_accumulation_steps`: None
431
+ - `torch_empty_cache_steps`: None
432
+ - `learning_rate`: 2e-05
433
+ - `weight_decay`: 0.0
434
+ - `adam_beta1`: 0.9
435
+ - `adam_beta2`: 0.999
436
+ - `adam_epsilon`: 1e-08
437
+ - `max_grad_norm`: 1.0
438
+ - `num_train_epochs`: 10
439
+ - `max_steps`: -1
440
+ - `lr_scheduler_type`: linear
441
+ - `lr_scheduler_kwargs`: {}
442
+ - `warmup_ratio`: 0.1
443
+ - `warmup_steps`: 0
444
+ - `log_level`: passive
445
+ - `log_level_replica`: warning
446
+ - `log_on_each_node`: True
447
+ - `logging_nan_inf_filter`: True
448
+ - `save_safetensors`: True
449
+ - `save_on_each_node`: False
450
+ - `save_only_model`: False
451
+ - `restore_callback_states_from_checkpoint`: False
452
+ - `no_cuda`: False
453
+ - `use_cpu`: False
454
+ - `use_mps_device`: False
455
+ - `seed`: 42
456
+ - `data_seed`: None
457
+ - `jit_mode_eval`: False
458
+ - `use_ipex`: False
459
+ - `bf16`: False
460
+ - `fp16`: True
461
+ - `fp16_opt_level`: O1
462
+ - `half_precision_backend`: auto
463
+ - `bf16_full_eval`: False
464
+ - `fp16_full_eval`: False
465
+ - `tf32`: None
466
+ - `local_rank`: 0
467
+ - `ddp_backend`: None
468
+ - `tpu_num_cores`: None
469
+ - `tpu_metrics_debug`: False
470
+ - `debug`: []
471
+ - `dataloader_drop_last`: False
472
+ - `dataloader_num_workers`: 0
473
+ - `dataloader_prefetch_factor`: None
474
+ - `past_index`: -1
475
+ - `disable_tqdm`: False
476
+ - `remove_unused_columns`: True
477
+ - `label_names`: None
478
+ - `load_best_model_at_end`: False
479
+ - `ignore_data_skip`: False
480
+ - `fsdp`: []
481
+ - `fsdp_min_num_params`: 0
482
+ - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
483
+ - `fsdp_transformer_layer_cls_to_wrap`: None
484
+ - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
485
+ - `deepspeed`: None
486
+ - `label_smoothing_factor`: 0.0
487
+ - `optim`: adamw_torch
488
+ - `optim_args`: None
489
+ - `adafactor`: False
490
+ - `group_by_length`: False
491
+ - `length_column_name`: length
492
+ - `ddp_find_unused_parameters`: None
493
+ - `ddp_bucket_cap_mb`: None
494
+ - `ddp_broadcast_buffers`: False
495
+ - `dataloader_pin_memory`: True
496
+ - `dataloader_persistent_workers`: False
497
+ - `skip_memory_metrics`: True
498
+ - `use_legacy_prediction_loop`: False
499
+ - `push_to_hub`: False
500
+ - `resume_from_checkpoint`: None
501
+ - `hub_model_id`: None
502
+ - `hub_strategy`: every_save
503
+ - `hub_private_repo`: None
504
+ - `hub_always_push`: False
505
+ - `gradient_checkpointing`: False
506
+ - `gradient_checkpointing_kwargs`: None
507
+ - `include_inputs_for_metrics`: False
508
+ - `include_for_metrics`: []
509
+ - `eval_do_concat_batches`: True
510
+ - `fp16_backend`: auto
511
+ - `push_to_hub_model_id`: None
512
+ - `push_to_hub_organization`: None
513
+ - `mp_parameters`:
514
+ - `auto_find_batch_size`: False
515
+ - `full_determinism`: False
516
+ - `torchdynamo`: None
517
+ - `ray_scope`: last
518
+ - `ddp_timeout`: 1800
519
+ - `torch_compile`: False
520
+ - `torch_compile_backend`: None
521
+ - `torch_compile_mode`: None
522
+ - `include_tokens_per_second`: False
523
+ - `include_num_input_tokens_seen`: False
524
+ - `neftune_noise_alpha`: None
525
+ - `optim_target_modules`: None
526
+ - `batch_eval_metrics`: False
527
+ - `eval_on_start`: False
528
+ - `use_liger_kernel`: False
529
+ - `eval_use_gather_object`: False
530
+ - `average_tokens_across_devices`: False
531
+ - `prompts`: None
532
+ - `batch_sampler`: no_duplicates
533
+ - `multi_dataset_batch_sampler`: proportional
534
+
535
+ </details>
536
+
537
+ ### Training Logs
538
+ <details><summary>Click to expand</summary>
539
+
540
+ | Epoch | Step | Training Loss | Validation Loss | cosine_ndcg@10 |
541
+ |:------:|:-----:|:-------------:|:---------------:|:--------------:|
542
+ | -1 | -1 | - | - | 0.1714 |
543
+ | 0.0331 | 100 | 3.1377 | - | - |
544
+ | 0.0662 | 200 | 2.503 | - | - |
545
+ | 0.0993 | 300 | 2.2899 | - | - |
546
+ | 0.1324 | 400 | 2.2639 | - | - |
547
+ | 0.1655 | 500 | 2.2148 | - | - |
548
+ | 0.1985 | 600 | 2.1753 | - | - |
549
+ | 0.2316 | 700 | 2.066 | - | - |
550
+ | 0.2647 | 800 | 1.9329 | - | - |
551
+ | 0.2978 | 900 | 1.8195 | - | - |
552
+ | 0.3309 | 1000 | 1.7638 | 1.6024 | 0.4015 |
553
+ | 0.3640 | 1100 | 1.6775 | - | - |
554
+ | 0.3971 | 1200 | 1.5961 | - | - |
555
+ | 0.4302 | 1300 | 1.4757 | - | - |
556
+ | 0.4633 | 1400 | 1.5213 | - | - |
557
+ | 0.4964 | 1500 | 1.3906 | - | - |
558
+ | 0.5295 | 1600 | 1.4209 | - | - |
559
+ | 0.5625 | 1700 | 1.3032 | - | - |
560
+ | 0.5956 | 1800 | 1.2807 | - | - |
561
+ | 0.6287 | 1900 | 1.2214 | - | - |
562
+ | 0.6618 | 2000 | 1.1369 | 0.9819 | 0.4349 |
563
+ | 0.6949 | 2100 | 1.0557 | - | - |
564
+ | 0.7280 | 2200 | 1.0554 | - | - |
565
+ | 0.7611 | 2300 | 0.9938 | - | - |
566
+ | 0.7942 | 2400 | 0.885 | - | - |
567
+ | 0.8273 | 2500 | 0.9139 | - | - |
568
+ | 0.8604 | 2600 | 0.9002 | - | - |
569
+ | 0.8934 | 2700 | 0.8333 | - | - |
570
+ | 0.9265 | 2800 | 0.7317 | - | - |
571
+ | 0.9596 | 2900 | 0.7898 | - | - |
572
+ | 0.9927 | 3000 | 0.7467 | 0.5364 | 0.5163 |
573
+ | 1.0258 | 3100 | 0.59 | - | - |
574
+ | 1.0589 | 3200 | 0.6862 | - | - |
575
+ | 1.0920 | 3300 | 0.6216 | - | - |
576
+ | 1.1251 | 3400 | 0.5714 | - | - |
577
+ | 1.1582 | 3500 | 0.5407 | - | - |
578
+ | 1.1913 | 3600 | 0.4424 | - | - |
579
+ | 1.2244 | 3700 | 0.4588 | - | - |
580
+ | 1.2574 | 3800 | 0.4185 | - | - |
581
+ | 1.2905 | 3900 | 0.3664 | - | - |
582
+ | 1.3236 | 4000 | 0.4079 | 0.3222 | 0.5620 |
583
+ | 1.3567 | 4100 | 0.4488 | - | - |
584
+ | 1.3898 | 4200 | 0.3677 | - | - |
585
+ | 1.4229 | 4300 | 0.3706 | - | - |
586
+ | 1.4560 | 4400 | 0.3379 | - | - |
587
+ | 1.4891 | 4500 | 0.2752 | - | - |
588
+ | 1.5222 | 4600 | 0.3173 | - | - |
589
+ | 1.5553 | 4700 | 0.3361 | - | - |
590
+ | 1.5884 | 4800 | 0.3541 | - | - |
591
+ | 1.6214 | 4900 | 0.3089 | - | - |
592
+ | 1.6545 | 5000 | 0.288 | 0.2324 | 0.5978 |
593
+ | 1.6876 | 5100 | 0.3473 | - | - |
594
+ | 1.7207 | 5200 | 0.2599 | - | - |
595
+ | 1.7538 | 5300 | 0.2065 | - | - |
596
+ | 1.7869 | 5400 | 0.3111 | - | - |
597
+ | 1.8200 | 5500 | 0.2551 | - | - |
598
+ | 1.8531 | 5600 | 0.2377 | - | - |
599
+ | 1.8862 | 5700 | 0.2837 | - | - |
600
+ | 1.9193 | 5800 | 0.2271 | - | - |
601
+ | 1.9523 | 5900 | 0.1589 | - | - |
602
+ | 1.9854 | 6000 | 0.3115 | 0.1789 | 0.6191 |
603
+ | 2.0185 | 6100 | 0.1572 | - | - |
604
+ | 2.0516 | 6200 | 0.1874 | - | - |
605
+ | 2.0847 | 6300 | 0.1606 | - | - |
606
+ | 2.1178 | 6400 | 0.1562 | - | - |
607
+ | 2.1509 | 6500 | 0.2054 | - | - |
608
+ | 2.1840 | 6600 | 0.1909 | - | - |
609
+ | 2.2171 | 6700 | 0.2015 | - | - |
610
+ | 2.2502 | 6800 | 0.2208 | - | - |
611
+ | 2.2833 | 6900 | 0.1983 | - | - |
612
+ | 2.3163 | 7000 | 0.1634 | 0.1503 | 0.6417 |
613
+ | 2.3494 | 7100 | 0.1692 | - | - |
614
+ | 2.3825 | 7200 | 0.1868 | - | - |
615
+ | 2.4156 | 7300 | 0.1422 | - | - |
616
+ | 2.4487 | 7400 | 0.1455 | - | - |
617
+ | 2.4818 | 7500 | 0.2187 | - | - |
618
+ | 2.5149 | 7600 | 0.142 | - | - |
619
+ | 2.5480 | 7700 | 0.1148 | - | - |
620
+ | 2.5811 | 7800 | 0.1341 | - | - |
621
+ | 2.6142 | 7900 | 0.1284 | - | - |
622
+ | 2.6473 | 8000 | 0.1555 | 0.1202 | 0.6534 |
623
+ | 2.6803 | 8100 | 0.1207 | - | - |
624
+ | 2.7134 | 8200 | 0.1153 | - | - |
625
+ | 2.7465 | 8300 | 0.1114 | - | - |
626
+ | 2.7796 | 8400 | 0.1158 | - | - |
627
+ | 2.8127 | 8500 | 0.1241 | - | - |
628
+ | 2.8458 | 8600 | 0.1345 | - | - |
629
+ | 2.8789 | 8700 | 0.132 | - | - |
630
+ | 2.9120 | 8800 | 0.113 | - | - |
631
+ | 2.9451 | 8900 | 0.1101 | - | - |
632
+ | 2.9782 | 9000 | 0.1177 | 0.1014 | 0.6733 |
633
+ | 3.0113 | 9100 | 0.1358 | - | - |
634
+ | 3.0443 | 9200 | 0.1148 | - | - |
635
+ | 3.0774 | 9300 | 0.097 | - | - |
636
+ | 3.1105 | 9400 | 0.1303 | - | - |
637
+ | 3.1436 | 9500 | 0.1077 | - | - |
638
+ | 3.1767 | 9600 | 0.116 | - | - |
639
+ | 3.2098 | 9700 | 0.0878 | - | - |
640
+ | 3.2429 | 9800 | 0.0984 | - | - |
641
+ | 3.2760 | 9900 | 0.1017 | - | - |
642
+ | 3.3091 | 10000 | 0.1452 | 0.0950 | 0.6854 |
643
+ | 3.3422 | 10100 | 0.0905 | - | - |
644
+ | 3.3752 | 10200 | 0.0811 | - | - |
645
+ | 3.4083 | 10300 | 0.0802 | - | - |
646
+ | 3.4414 | 10400 | 0.1408 | - | - |
647
+ | 3.4745 | 10500 | 0.0622 | - | - |
648
+ | 3.5076 | 10600 | 0.0779 | - | - |
649
+ | 3.5407 | 10700 | 0.0754 | - | - |
650
+ | 3.5738 | 10800 | 0.0645 | - | - |
651
+ | 3.6069 | 10900 | 0.0642 | - | - |
652
+ | 3.6400 | 11000 | 0.0586 | 0.0998 | 0.6864 |
653
+ | 3.6731 | 11100 | 0.0556 | - | - |
654
+ | 3.7062 | 11200 | 0.0948 | - | - |
655
+ | 3.7392 | 11300 | 0.0791 | - | - |
656
+ | 3.7723 | 11400 | 0.0587 | - | - |
657
+ | 3.8054 | 11500 | 0.1135 | - | - |
658
+ | 3.8385 | 11600 | 0.0886 | - | - |
659
+ | 3.8716 | 11700 | 0.0807 | - | - |
660
+ | 3.9047 | 11800 | 0.0656 | - | - |
661
+ | 3.9378 | 11900 | 0.0506 | - | - |
662
+ | 3.9709 | 12000 | 0.1059 | 0.0783 | 0.7082 |
663
+ | 4.0040 | 12100 | 0.0551 | - | - |
664
+ | 4.0371 | 12200 | 0.0421 | - | - |
665
+ | 4.0702 | 12300 | 0.0334 | - | - |
666
+ | 4.1032 | 12400 | 0.0651 | - | - |
667
+ | 4.1363 | 12500 | 0.0363 | - | - |
668
+ | 4.1694 | 12600 | 0.0525 | - | - |
669
+ | 4.2025 | 12700 | 0.0428 | - | - |
670
+ | 4.2356 | 12800 | 0.0646 | - | - |
671
+ | 4.2687 | 12900 | 0.0647 | - | - |
672
+ | 4.3018 | 13000 | 0.0528 | 0.0757 | 0.7215 |
673
+ | 4.3349 | 13100 | 0.0812 | - | - |
674
+ | 4.3680 | 13200 | 0.051 | - | - |
675
+ | 4.4011 | 13300 | 0.0401 | - | - |
676
+ | 4.4341 | 13400 | 0.037 | - | - |
677
+ | 4.4672 | 13500 | 0.0283 | - | - |
678
+ | 4.5003 | 13600 | 0.0483 | - | - |
679
+ | 4.5334 | 13700 | 0.0616 | - | - |
680
+ | 4.5665 | 13800 | 0.0622 | - | - |
681
+ | 4.5996 | 13900 | 0.0552 | - | - |
682
+ | 4.6327 | 14000 | 0.0633 | 0.0813 | 0.7209 |
683
+ | 4.6658 | 14100 | 0.0811 | - | - |
684
+ | 4.6989 | 14200 | 0.0586 | - | - |
685
+ | 4.7320 | 14300 | 0.0458 | - | - |
686
+ | 4.7651 | 14400 | 0.0418 | - | - |
687
+ | 4.7981 | 14500 | 0.07 | - | - |
688
+ | 4.8312 | 14600 | 0.0498 | - | - |
689
+ | 4.8643 | 14700 | 0.0864 | - | - |
690
+ | 4.8974 | 14800 | 0.0442 | - | - |
691
+ | 4.9305 | 14900 | 0.0481 | - | - |
692
+ | 4.9636 | 15000 | 0.0536 | 0.0711 | 0.7243 |
693
+ | 4.9967 | 15100 | 0.1027 | - | - |
694
+ | 5.0298 | 15200 | 0.0291 | - | - |
695
+ | 5.0629 | 15300 | 0.0437 | - | - |
696
+ | 5.0960 | 15400 | 0.0541 | - | - |
697
+ | 5.1291 | 15500 | 0.0217 | - | - |
698
+ | 5.1621 | 15600 | 0.0315 | - | - |
699
+ | 5.1952 | 15700 | 0.0417 | - | - |
700
+ | 5.2283 | 15800 | 0.0429 | - | - |
701
+ | 5.2614 | 15900 | 0.0176 | - | - |
702
+ | 5.2945 | 16000 | 0.0358 | 0.0759 | 0.7176 |
703
+ | 5.3276 | 16100 | 0.0374 | - | - |
704
+ | 5.3607 | 16200 | 0.0509 | - | - |
705
+ | 5.3938 | 16300 | 0.0473 | - | - |
706
+ | 5.4269 | 16400 | 0.0367 | - | - |
707
+ | 5.4600 | 16500 | 0.0479 | - | - |
708
+ | 5.4931 | 16600 | 0.0338 | - | - |
709
+ | 5.5261 | 16700 | 0.0557 | - | - |
710
+ | 5.5592 | 16800 | 0.0556 | - | - |
711
+ | 5.5923 | 16900 | 0.0443 | - | - |
712
+ | 5.6254 | 17000 | 0.073 | 0.0751 | 0.7414 |
713
+ | 5.6585 | 17100 | 0.0892 | - | - |
714
+ | 5.6916 | 17200 | 0.0262 | - | - |
715
+ | 5.7247 | 17300 | 0.0306 | - | - |
716
+ | 5.7578 | 17400 | 0.0345 | - | - |
717
+ | 5.7909 | 17500 | 0.0222 | - | - |
718
+ | 5.8240 | 17600 | 0.0586 | - | - |
719
+ | 5.8570 | 17700 | 0.0326 | - | - |
720
+ | 5.8901 | 17800 | 0.0255 | - | - |
721
+ | 5.9232 | 17900 | 0.0593 | - | - |
722
+ | 5.9563 | 18000 | 0.0374 | 0.0677 | 0.7365 |
723
+ | 5.9894 | 18100 | 0.0318 | - | - |
724
+ | 6.0225 | 18200 | 0.0659 | - | - |
725
+ | 6.0556 | 18300 | 0.0206 | - | - |
726
+ | 6.0887 | 18400 | 0.0452 | - | - |
727
+ | 6.1218 | 18500 | 0.0347 | - | - |
728
+ | 6.1549 | 18600 | 0.0236 | - | - |
729
+ | 6.1880 | 18700 | 0.0385 | - | - |
730
+ | 6.2210 | 18800 | 0.0425 | - | - |
731
+ | 6.2541 | 18900 | 0.015 | - | - |
732
+ | 6.2872 | 19000 | 0.026 | 0.0642 | 0.7403 |
733
+ | 6.3203 | 19100 | 0.0279 | - | - |
734
+ | 6.3534 | 19200 | 0.0163 | - | - |
735
+ | 6.3865 | 19300 | 0.0256 | - | - |
736
+ | 6.4196 | 19400 | 0.031 | - | - |
737
+ | 6.4527 | 19500 | 0.0435 | - | - |
738
+ | 6.4858 | 19600 | 0.0298 | - | - |
739
+ | 6.5189 | 19700 | 0.0346 | - | - |
740
+ | 6.5520 | 19800 | 0.0155 | - | - |
741
+ | 6.5850 | 19900 | 0.0431 | - | - |
742
+ | 6.6181 | 20000 | 0.0358 | 0.0624 | 0.7382 |
743
+ | 6.6512 | 20100 | 0.0224 | - | - |
744
+ | 6.6843 | 20200 | 0.0451 | - | - |
745
+ | 6.7174 | 20300 | 0.0437 | - | - |
746
+ | 6.7505 | 20400 | 0.0832 | - | - |
747
+ | 6.7836 | 20500 | 0.0542 | - | - |
748
+ | 6.8167 | 20600 | 0.0243 | - | - |
749
+ | 6.8498 | 20700 | 0.0225 | - | - |
750
+ | 6.8829 | 20800 | 0.0384 | - | - |
751
+ | 6.9159 | 20900 | 0.0214 | - | - |
752
+ | 6.9490 | 21000 | 0.0296 | 0.0620 | 0.7423 |
753
+ | 6.9821 | 21100 | 0.0244 | - | - |
754
+ | 7.0152 | 21200 | 0.0136 | - | - |
755
+ | 7.0483 | 21300 | 0.0145 | - | - |
756
+ | 7.0814 | 21400 | 0.0378 | - | - |
757
+ | 7.1145 | 21500 | 0.0215 | - | - |
758
+ | 7.1476 | 21600 | 0.0214 | - | - |
759
+ | 7.1807 | 21700 | 0.0269 | - | - |
760
+ | 7.2138 | 21800 | 0.015 | - | - |
761
+ | 7.2469 | 21900 | 0.0463 | - | - |
762
+ | 7.2799 | 22000 | 0.0273 | 0.0605 | 0.7452 |
763
+ | 7.3130 | 22100 | 0.0276 | - | - |
764
+ | 7.3461 | 22200 | 0.022 | - | - |
765
+ | 7.3792 | 22300 | 0.0443 | - | - |
766
+ | 7.4123 | 22400 | 0.0106 | - | - |
767
+ | 7.4454 | 22500 | 0.0169 | - | - |
768
+ | 7.4785 | 22600 | 0.024 | - | - |
769
+ | 7.5116 | 22700 | 0.0356 | - | - |
770
+ | 7.5447 | 22800 | 0.0167 | - | - |
771
+ | 7.5778 | 22900 | 0.019 | - | - |
772
+ | 7.6109 | 23000 | 0.0233 | 0.0580 | 0.7459 |
773
+ | 7.6439 | 23100 | 0.0158 | - | - |
774
+ | 7.6770 | 23200 | 0.02 | - | - |
775
+ | 7.7101 | 23300 | 0.013 | - | - |
776
+ | 7.7432 | 23400 | 0.0378 | - | - |
777
+ | 7.7763 | 23500 | 0.0186 | - | - |
778
+ | 7.8094 | 23600 | 0.0143 | - | - |
779
+ | 7.8425 | 23700 | 0.0364 | - | - |
780
+ | 7.8756 | 23800 | 0.022 | - | - |
781
+ | 7.9087 | 23900 | 0.0178 | - | - |
782
+ | 7.9418 | 24000 | 0.038 | 0.0525 | 0.7471 |
783
+ | 7.9749 | 24100 | 0.022 | - | - |
784
+ | 8.0079 | 24200 | 0.0279 | - | - |
785
+ | 8.0410 | 24300 | 0.0368 | - | - |
786
+ | 8.0741 | 24400 | 0.0319 | - | - |
787
+ | 8.1072 | 24500 | 0.0114 | - | - |
788
+ | 8.1403 | 24600 | 0.0041 | - | - |
789
+ | 8.1734 | 24700 | 0.0337 | - | - |
790
+ | 8.2065 | 24800 | 0.0094 | - | - |
791
+ | 8.2396 | 24900 | 0.0171 | - | - |
792
+ | 8.2727 | 25000 | 0.0264 | 0.0579 | 0.7519 |
793
+ | 8.3058 | 25100 | 0.0269 | - | - |
794
+ | 8.3388 | 25200 | 0.0308 | - | - |
795
+ | 8.3719 | 25300 | 0.0208 | - | - |
796
+ | 8.4050 | 25400 | 0.0062 | - | - |
797
+ | 8.4381 | 25500 | 0.016 | - | - |
798
+ | 8.4712 | 25600 | 0.0165 | - | - |
799
+ | 8.5043 | 25700 | 0.0198 | - | - |
800
+ | 8.5374 | 25800 | 0.0211 | - | - |
801
+ | 8.5705 | 25900 | 0.0355 | - | - |
802
+ | 8.6036 | 26000 | 0.0315 | 0.0553 | 0.7574 |
803
+ | 8.6367 | 26100 | 0.016 | - | - |
804
+ | 8.6698 | 26200 | 0.0144 | - | - |
805
+ | 8.7028 | 26300 | 0.0208 | - | - |
806
+ | 8.7359 | 26400 | 0.0205 | - | - |
807
+ | 8.7690 | 26500 | 0.0155 | - | - |
808
+ | 8.8021 | 26600 | 0.0284 | - | - |
809
+ | 8.8352 | 26700 | 0.0204 | - | - |
810
+ | 8.8683 | 26800 | 0.0163 | - | - |
811
+ | 8.9014 | 26900 | 0.0382 | - | - |
812
+ | 8.9345 | 27000 | 0.0267 | 0.0589 | 0.7558 |
813
+ | 8.9676 | 27100 | 0.0204 | - | - |
814
+ | 9.0007 | 27200 | 0.0193 | - | - |
815
+ | 9.0338 | 27300 | 0.0079 | - | - |
816
+ | 9.0668 | 27400 | 0.0156 | - | - |
817
+ | 9.0999 | 27500 | 0.0234 | - | - |
818
+ | 9.1330 | 27600 | 0.0113 | - | - |
819
+ | 9.1661 | 27700 | 0.0216 | - | - |
820
+ | 9.1992 | 27800 | 0.0217 | - | - |
821
+ | 9.2323 | 27900 | 0.0028 | - | - |
822
+ | 9.2654 | 28000 | 0.0155 | 0.0627 | 0.7521 |
823
+ | 9.2985 | 28100 | 0.0346 | - | - |
824
+ | 9.3316 | 28200 | 0.0165 | - | - |
825
+ | 9.3647 | 28300 | 0.0214 | - | - |
826
+ | 9.3977 | 28400 | 0.0224 | - | - |
827
+ | 9.4308 | 28500 | 0.0095 | - | - |
828
+ | 9.4639 | 28600 | 0.0081 | - | - |
829
+ | 9.4970 | 28700 | 0.0219 | - | - |
830
+ | 9.5301 | 28800 | 0.0272 | - | - |
831
+ | 9.5632 | 28900 | 0.0468 | - | - |
832
+ | 9.5963 | 29000 | 0.0033 | 0.0586 | 0.7548 |
833
+ | 9.6294 | 29100 | 0.0161 | - | - |
834
+ | 9.6625 | 29200 | 0.0263 | - | - |
835
+ | 9.6956 | 29300 | 0.0156 | - | - |
836
+ | 9.7287 | 29400 | 0.0114 | - | - |
837
+ | 9.7617 | 29500 | 0.0184 | - | - |
838
+ | 9.7948 | 29600 | 0.0098 | - | - |
839
+ | 9.8279 | 29700 | 0.0453 | - | - |
840
+ | 9.8610 | 29800 | 0.0117 | - | - |
841
+ | 9.8941 | 29900 | 0.0142 | - | - |
842
+ | 9.9272 | 30000 | 0.0318 | 0.0565 | 0.7550 |
843
+ | 9.9603 | 30100 | 0.0192 | - | - |
844
+ | 9.9934 | 30200 | 0.0187 | - | - |
845
+
846
+ </details>
847
+
848
+ ### Framework Versions
849
+ - Python: 3.11.13
850
+ - Sentence Transformers: 4.1.0
851
+ - Transformers: 4.52.4
852
+ - PyTorch: 2.6.0+cu124
853
+ - Accelerate: 1.8.1
854
+ - Datasets: 3.6.0
855
+ - Tokenizers: 0.21.2
856
+
857
+ ## Citation
858
+
859
+ ### BibTeX
860
+
861
+ #### Sentence Transformers
862
+ ```bibtex
863
+ @inproceedings{reimers-2019-sentence-bert,
864
+ title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
865
+ author = "Reimers, Nils and Gurevych, Iryna",
866
+ booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
867
+ month = "11",
868
+ year = "2019",
869
+ publisher = "Association for Computational Linguistics",
870
+ url = "https://arxiv.org/abs/1908.10084",
871
+ }
872
+ ```
873
+
874
+ #### MultipleNegativesRankingLoss
875
+ ```bibtex
876
+ @misc{henderson2017efficient,
877
+ title={Efficient Natural Language Response Suggestion for Smart Reply},
878
+ author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
879
+ year={2017},
880
+ eprint={1705.00652},
881
+ archivePrefix={arXiv},
882
+ primaryClass={cs.CL}
883
+ }
884
+ ```
885
+
886
+ <!--
887
+ ## Glossary
888
+
889
+ *Clearly define terms in order to be accessible across audiences.*
890
+ -->
891
+
892
+ <!--
893
+ ## Model Card Authors
894
+
895
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
896
+ -->
897
+
898
+ <!--
899
+ ## Model Card Contact
900
+
901
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
902
+ -->
added_tokens.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ {
2
+ "<mask>": 64000
3
+ }
bpe.codes ADDED
The diff for this file is too large to render. See raw diff
 
config.json ADDED
@@ -0,0 +1,27 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "architectures": [
3
+ "RobertaModel"
4
+ ],
5
+ "attention_probs_dropout_prob": 0.1,
6
+ "bos_token_id": 0,
7
+ "classifier_dropout": null,
8
+ "eos_token_id": 2,
9
+ "hidden_act": "gelu",
10
+ "hidden_dropout_prob": 0.1,
11
+ "hidden_size": 768,
12
+ "initializer_range": 0.02,
13
+ "intermediate_size": 3072,
14
+ "layer_norm_eps": 1e-05,
15
+ "max_position_embeddings": 258,
16
+ "model_type": "roberta",
17
+ "num_attention_heads": 12,
18
+ "num_hidden_layers": 12,
19
+ "pad_token_id": 1,
20
+ "position_embedding_type": "absolute",
21
+ "tokenizer_class": "PhobertTokenizer",
22
+ "torch_dtype": "float32",
23
+ "transformers_version": "4.52.4",
24
+ "type_vocab_size": 1,
25
+ "use_cache": true,
26
+ "vocab_size": 64001
27
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "__version__": {
3
+ "sentence_transformers": "4.1.0",
4
+ "transformers": "4.52.4",
5
+ "pytorch": "2.6.0+cu124"
6
+ },
7
+ "prompts": {},
8
+ "default_prompt_name": null,
9
+ "similarity_fn_name": "cosine"
10
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:d5b06f92fdec25bc18c71b47fe3db751eaaa1627e0e12cca078ab1be054f3615
3
+ size 540015464
modules.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [
2
+ {
3
+ "idx": 0,
4
+ "name": "0",
5
+ "path": "",
6
+ "type": "sentence_transformers.models.Transformer"
7
+ },
8
+ {
9
+ "idx": 1,
10
+ "name": "1",
11
+ "path": "1_Pooling",
12
+ "type": "sentence_transformers.models.Pooling"
13
+ }
14
+ ]
sentence_bert_config.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "max_seq_length": 256,
3
+ "do_lower_case": false
4
+ }
special_tokens_map.json ADDED
@@ -0,0 +1,9 @@
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": "<s>",
3
+ "cls_token": "<s>",
4
+ "eos_token": "</s>",
5
+ "mask_token": "<mask>",
6
+ "pad_token": "<pad>",
7
+ "sep_token": "</s>",
8
+ "unk_token": "<unk>"
9
+ }
tokenizer_config.json ADDED
@@ -0,0 +1,55 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "<s>",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "1": {
12
+ "content": "<pad>",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "2": {
20
+ "content": "</s>",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "3": {
28
+ "content": "<unk>",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "64000": {
36
+ "content": "<mask>",
37
+ "lstrip": false,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "bos_token": "<s>",
45
+ "clean_up_tokenization_spaces": false,
46
+ "cls_token": "<s>",
47
+ "eos_token": "</s>",
48
+ "extra_special_tokens": {},
49
+ "mask_token": "<mask>",
50
+ "model_max_length": 256,
51
+ "pad_token": "<pad>",
52
+ "sep_token": "</s>",
53
+ "tokenizer_class": "PhobertTokenizer",
54
+ "unk_token": "<unk>"
55
+ }
vocab.txt ADDED
The diff for this file is too large to render. See raw diff