sentence-transformers How to use truong1301/bi_encoder_vifactcheck with sentence-transformers:
from sentence_transformers import SentenceTransformer
model = SentenceTransformer("truong1301/bi_encoder_vifactcheck")
sentences = [
"Chi phí số hóa tài liệu lưu trữ có cao hơn chi phí xử lý tài liệu tồn đọng không?\n",
"Tổng thống UAE đã bổ nhiệm con trai cả làm thái tử của Abu Dhabi, tiểu vương quốc lớn nhất của quốc gia này. Tổng thống Các Tiểu vương quốc Ả Rập Thống nhất (UAE) Sheikh Mohammed bin Zayed Al Nahyan đã bổ nhiệm con trai cả Sheikh Khaled làm thái tử của Abu Dhabi, tiểu vương quốc lớn nhất trong 7 tiểu vương quốc tạo nên quốc gia vùng Vịnh này, đài CNN đưa tin ngày 30.3 Trong một sắc lệnh riêng rẽ trong ngày 29.3, Thái tử Sheikh Khaled cũng được bổ nhiệm làm người đứng đầu Hội đồng điều hành Abu Dhabi nhằm cải tổ các vấn đề quan trọng ở tiểu vương quốc này. Tân Thái tử Abu Dhabi Sheikh Khaled REUTERS Ngoài ra, Tổng thống Sheikh Mohammed đã bổ nhiệm các em trai của mình vào các vị trí cấp cao của đất nước. Cụ thể, ông Sheikh Mansour bin Zayed Al Nahyan được chọn giữ chức phó tổng thống UAE. Phó Tổng thống đương nhiệm Sheikh Mohammed bin Rashid Al Maktoum vẫn tiếp tục chức vụ này. Ông Sheikh Mohammed cũng bổ nhiệm em trai Sheikh Tahnoun bin Zayed Al Nahyan làm cố vấn an ninh quốc gia của UAE và trao cho ông quyền kiểm soát hoạt động kinh doanh dầu mỏ. Giới phân tích nhận định ông Sheikh Mohammed từ lâu đã chuẩn bị cho con trai mình đảm nhiệm các vị trí cao trong lĩnh vực an ninh, bao gồm tình báo, kinh tế và quản trị. Theo hãng tin Reuters, việc lựa chọn ông Sheikh Khaled làm thái tử phản ánh xu hướng ở hầu hết chế độ quân chủ Ả Rập vùng Vịnh trong việc chọn người kế vị. Quyết định bổ nhiệm cũng cho thấy sự tập trung quyền lực lớn hơn ở Abu Dhabi, vốn là thủ đô chính trị của UAE nhờ nguồn tài nguyên dầu mỏ dồi dào nhất. Dubai là trung tâm kinh doanh và du lịch của vùng Vịnh, Reuters đưa tin.",
"Tỉnh Thanh Hóa cần khoảng 300 tỷ đồng để hoàn thành xử lý 29.000 m tài liệu tồn đọng từ 1945 đến 2020, theo dự thảo đề án đang được xem xét. Ngày 8/3, lãnh đạo Chi cục Văn thư lưu trữ tỉnh Thanh Hóa cho biết dự thảo đề án Chỉnh lý dứt điểm tài liệu tồn đọng tại các cơ quan, tổ chức trên địa bàn và số hóa tài liệu lưu trữ lịch sử giai đoạn 2023-2025 đang được UBND tỉnh xem xét phê duyệt. Theo tính toán, các địa phương cần 304 tỷ đồng từ ngân sách để thực hiện hai phần việc: Chỉnh lý tài liệu tồn đọng và số hóa tại kho lưu trữ lịch sử tỉnh. Dự toán kinh phí chỉnh lý tài liệu tại 20 sở, ban, ngành cấp tỉnh và 27 huyện thị, thành phố tiêu tốn hơn 256 tỷ đồng. Dự án số hóa lưu trữ lịch sử sẽ mất hơn 47 tỷ đồng, bao gồm mua sắm nhiều trang thiết bị như máy chủ, phần mềm, nhân công, văn phòng phẩm. Theo khảo sát của Chi cục Văn thư lưu trữ tỉnh, 47 sở, ban, ngành, đơn vị cấp tỉnh và các huyện thị, thành phố (chưa kể cấp xã, phường, thị trấn) đang tồn đọng hơn 29.000 m tài liệu không được phân loại, bảo quản đúng quy định của Luật Lưu trữ. Chi cục trưởng Văn thư lưu trữ tỉnh Thanh Hóa Đỗ Văn Chính cho biết tỉnh đặt mục tiêu đến năm 2025 xử lý dứt điểm tài liệu tồn đọng tại các cơ quan nhà nước cấp huyện trở lên. Mục tiêu của đề án là phân loại khoa học, quản lý thống nhất và sử dụng hiệu quả tài liệu lưu trữ. Việc chuyển đổi phương thức lưu trữ truyền thống sang lưu trữ điện tử, xây dựng công cụ tra cứu hiện đại giúp bảo vệ, phát huy giá trị tài liệu, góp phần cải cách thủ tục hành chính. Luật Lưu trữ 2011 quy định người đứng đầu các cơ quan, tổ chức có trách nhiệm quản lý tài liệu lưu trữ, tổ chức lập hồ sơ, bảo quản và nộp lưu hồ sơ, tài liệu của đơn vị vào Lưu trữ cơ quan. Hồ sơ công trình thuộc nhóm A (công trình mang giá trị lịch sử quốc gia) sẽ được lưu trữ vĩnh viễn; tài liệu thuộc nhóm B thì bảo lưu theo tuổi thọ công trình; các công trình sửa chữa nhỏ nhóm C thì có thời hạn lưu trữ 20 năm. Vừa qua, Thanh Hóa xảy ra vụ án hy hữu khi nữ cán bộ công tác tại Ban quản lý dự án đầu tư công trình giao thông lén bán 60 thùng hồ sơ cho người buôn phế liệu lấy 9 triệu đồng. Ngày 7/3, bị can Lê Thùy Linh, 34 tuổi, đã bị Cơ quan Cảnh sát điều tra Công an TP Thanh Hóa khởi tố về tội Chiếm đoạt, mua bán, tiêu hủy con dấu, tài liệu của cơ quan, tổ chức, theo điều 342 Bộ luật Hình sự 2015, đối diện mức án lên tới 5 năm tù.",
"Thủ tướng Chính phủ Phạm Minh Chính vừa ký Quyết định 320/QĐ-TTg kiện toàn nhân sự Ban Chỉ đạo quốc gia về hội nhập quốc tế. Theo đó, sửa đổi khoản 1 và khoản 2 Điều 1 về nhân sự tại Quyết định số 596/QĐ-TTg của Thủ tướng Chính phủ về việc thành lập Ban Chỉ đạo quốc gia về hội nhập quốc tế như sau: Trưởng Ban Chỉ đạo quốc gia là Thủ tướng Chính phủ Phạm Minh Chính. Phó Trưởng Ban Chỉ đạo quốc gia là các Phó Thủ tướng Chính phủ: Lê Văn Thành, Trần Hồng Hà, Trần Lưu Quang. Phó Thủ tướng Chính phủ Trần Lưu Quang làm Trưởng Ban Chỉ đạo liên ngành hội nhập quốc tế về chính trị, an ninh, quốc phòng. Trưởng Ban Chỉ đạo liên ngành hội nhập quốc tế về kinh tế là Phó Thủ tướng Chính phủ Lê Văn Thành. Trưởng Ban Chỉ đạo liên ngành hội nhập quốc tế về văn hóa, xã hội, khoa học, công nghệ và giáo dục, đào tạo là Phó Thủ tướng Chính phủ Trần Hồng Hà. * Theo Quyết định số 596/QĐ-TTg của Thủ tướng Chính phủ về việc thành lập Ban Chỉ đạo quốc gia về hội nhập quốc tế, Ban Chỉ đạo quốc gia về hội nhập quốc tế có các chức năng và nhiệm vụ giúp Chính phủ, Thủ tướng Chính phủ đề ra các định hướng, chiến lược, các giải pháp lớn liên quan đến hội nhập quốc tế; đề xuất những nhiệm vụ trọng tâm, trọng điểm về hội nhập quốc tế cần tập trung chỉ đạo, điều hành trong từng giai đoạn. Bên cạnh đó, Ban Chỉ đạo có nhiệm vụ giúp Chính phủ, Thủ tướng Chính phủ chỉ đạo các bộ, cơ quan ngang bộ, cơ quan thuộc Chính phủ, UBND các tỉnh, thành phố trực thuộc Trung ương, triển khai các chủ trương, chính sách lớn về hội nhập quốc tế; giải quyết những vấn đề quan trọng, liên ngành liên quan đến hội nhập quốc tế; đồng thời giúp Chính phủ, Thủ tướng Chính phủ phối hợp, đôn đốc các bộ, cơ quan ngang Bộ, cơ quan thuộc Chính phủ, UBND các tỉnh, thành phố trực thuộc Trung ương, trong việc triển khai đồng bộ các chủ trương chính sách về hội nhập quốc tế."
]
embeddings = model.encode(sentences)
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [4, 4] 
