mpnet-v2-final / README.md

noace

Upload folder using huggingface_hub

d06f65a verified 10 days ago

preview code

raw

history blame contribute delete

15.4 kB

metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - dense
  - generated_from_trainer
  - dataset_size:23446
  - loss:CosineSimilarityLoss
base_model: sentence-transformers/paraphrase-multilingual-mpnet-base-v2
widget:
  - source_sentence: 'tỷ lệ quy đổi: 1 lượt golf bằng 1 đêm nghỉ dưỡng tiêu chuẩn.'
    sentences:
      - >-
        nếu số dư bình quân tháng trên 100 triệu, tài khoản thanh toán hưởng lãi
        suất 0,30%.
      - >-
        chủ tài khoản combo đa lợi được hưởng các ưu đãi như quay số trúng
        thưởng và hoàn tiền.
      - mỗi điểm thưởng tích lũy có giá trị quy đổi tương đương 85 đồng.
  - source_sentence: gói an sinh xã hội tham gia các chương trình khuyến mãi của sacombank.
    sentences:
      - khoản vay ô tô vinfast cho phép trả góp trong vòng 96 tháng.
      - dùng gói an sinh xã hội rút tiền ở cây atm không tốn phí.
      - tráng miệng tại pincho là món kem nướng đường vị hạt sen.
  - source_sentence: biên độ 2,42% được cộng vào lãi suất bình quân lãi cuối kỳ của khcn.
    sentences:
      - >-
        vị trí của tunglok heen là tại trung tâm almaz, khu đô thị vinhomes
        riverside.
      - >-
        lãi suất 5,20% được áp dụng cho sản phẩm tiết kiệm trung niên phúc lộc
        kỳ hạn 12 tháng.
      - danh sách thẻ được bảo hiểm bao gồm cả visa platinum tiki và cashback.
  - source_sentence: >-
      cấm dùng thẻ quốc tế để mua bất động sản ở nước ngoài rồi bán lại lấy tiền
      mặt.
    sentences:
      - >-
        sinh viên mở thẻ o2 được hưởng mức lãi suất đặc biệt thấp chỉ 0,8% mỗi
        tháng.
      - >-
        khi ứng dụng gặp sự cố, chủ thẻ có thể truy cập
        https://khachhangthanthiet.sacombank.com để thao tác.
      - >-
        hệ thống sẽ ghi có số tiền tương ứng vào tài khoản thẻ tín dụng sau khi
        đổi điểm.
  - source_sentence: thủ tục mở combo hi-tek yêu cầu thẻ học sinh/sinh viên.
    sentences:
      - tóm tắt quy định lãi suất và tiền gửi tiết kiệm
      - >-
        các dịch vụ giá trị gia tăng như phát hành séc, bảo lãnh đều có trên tài
        khoản thanh toán.
      - mức lãi suất tối đa cho các kỳ hạn từ 1 tháng đến dưới 6 tháng là 4,75%.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - pearson_cosine
  - spearman_cosine
model-index:
  - name: >-
      SentenceTransformer based on
      sentence-transformers/paraphrase-multilingual-mpnet-base-v2
    results:
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: banking validation
          type: banking-validation
        metrics:
          - type: pearson_cosine
            value: 0.9364482359810874
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.6616815700973865
            name: Spearman Cosine

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: 128 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': 128, '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("sentence_transformers_model_id")
# Run inference
sentences = [
    'thủ tục mở combo hi-tek yêu cầu thẻ học sinh/sinh viên.',
    'các dịch vụ giá trị gia tăng như phát hành séc, bảo lãnh đều có trên tài khoản thanh toán.',
    'mức lãi suất tối đa cho các kỳ hạn từ 1 tháng đến dưới 6 tháng là 4,75%.',
]
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, -0.0398,  0.0058],
#         [-0.0398,  1.0000,  0.0282],
#         [ 0.0058,  0.0282,  1.0000]])

Evaluation

Metrics

Semantic Similarity

Dataset: banking-validation
Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.9364
spearman_cosine	0.6617

Training Details

Training Dataset

Unnamed Dataset

Size: 23,446 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: 8 tokens
mean: 17.67 tokens
max: 30 tokens

min: 8 tokens
mean: 19.22 tokens
max: 34 tokens

min: 0.0
mean: 0.17
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 8 tokens mean: 17.67 tokens max: 30 tokens	min: 8 tokens mean: 19.22 tokens max: 34 tokens	min: 0.0 mean: 0.17 max: 1.0

Samples:

sentence_0	sentence_1	label
`vietlott sms là dịch vụ phân phối xổ số qua kênh điện thoại.`	`không áp dụng đổi điểm cho việc mua sắm trang sức (mã mcc 5944).`	`0.0`
`khách hàng trúng trên 10 tỷ không được nhận thưởng tự động.`	`tiền để trong thẻ atm (không kỳ hạn) sinh lời 0,1% mỗi năm.`	`0.0`
`thẻ metro pass phi vật lý miễn phí thường niên trọn đời.`	`để đảm bảo bảo mật, người dùng cần nâng cấp app lên phiên bản mới nhất.`	`0.0`

Loss: CosineSimilarityLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
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: 16
per_device_eval_batch_size: 16
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
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	banking-validation_spearman_cosine
0.3411	500	0.0523	0.6497
0.6821	1000	0.0362	0.6519
1.0	1466	-	0.6549
1.0232	1500	0.0276	0.6548
1.3643	2000	0.0187	0.6588
1.7053	2500	0.016	0.6566
2.0	2932	-	0.6580
2.0464	3000	0.0142	0.6574
2.3874	3500	0.0085	0.6606
2.7285	4000	0.0087	0.6610
3.0	4398	-	0.6617

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",
}