Update README.md

README.md

@@ -20,6 +20,7 @@ tags:
 
 (※ 이 모델은 AI Hub의 [초거대 AI 헬스케어 질의 응답 데이터](https://aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&dataSetSn=71762)로 학습한 모델입니다.)
 
+
 ## 2. Model
 
 **(1) Self Alignment Pretraining (SAP)**
@@ -38,7 +39,6 @@ Multi Similarity Loss를 이용해 **동일한 코드의 용어** 간에 높은
 - SapBERT-KO-EN : [https://huggingface.co/snumin44/sap-bert-ko-en](https://huggingface.co/snumin44/sap-bert-ko-en)
 - Github : [https://github.com/snumin44/SapBERT-KO-EN](https://github.com/snumin44/SapBERT-KO-EN)
 
-
 **(2) Dense Passage Retrieval (DPR)**
 
 SapBERT-KO-EN을 검색 모델로 만들기 위해 추가적인 Fine-tuning을 해야 합니다.      
@@ -53,6 +53,7 @@ Bi-Encoder 구조로 질의와 텍스트의 유사도를 계산하는 DPR 방식
 
 - Github : [https://github.com/snumin44/DPR-KO](https://github.com/snumin44/DPR-KO)
 
+
 ## 3. Training
 
 **(1) Self Alignment Pretraining (SAP)**
@@ -76,10 +77,24 @@ SapBERT-KO-EN 학습에 활용한 베이스 모델 및 하이퍼 파라미터는
 
 Fine-tuning에 활용한 베이스 모델 및 하이퍼 파라미터는 다음과 같습니다.
 
-
+- Model : SapBERT-KO-EN(klue/bert-base)
+- Dataset : **초거대 AI 헬스케어 질의 응답 데이터(AI Hub)**
+- Epochs : 10
+- Batch Size : 64
+- Dropout : 0.1
+- Pooler : 'cls' 
 
 
 ## 4. Example
+이 모델은 Question을 인코딩하는 모델로, Context 모델과 함께 사용해야 합니다.
+동일한 질병에 관한 질문과 텍스트가 높은 유사도를 보인다는 사실을 확인할 수 있습니다.
+
+```python
+```
 
 
+## Citing
+```
+
+```