This is a sentence-transformers model finetuned from bkai-foundation-models/vietnamese-bi-encoder. 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: bkai-foundation-models/vietnamese-bi-encoder
Maximum Sequence Length: 256 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': 256, 'do_lower_case': False, 'architecture': 'RobertaModel'})
  (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.

python

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("duongluuba/AIP491_G9_Vietnam_tourism_data_bkai-foundation-fine-tuned-v1")
# Run inference
sentences = [
    'query: Cách chế biến hạt đác rim đường phèn như thế nào để giữ được độ giòn và vị ngọt thanh?',
    'passage: Các món ăn từ hạt đác dưới đây khá dễ chế biến và giải nhiệt rất tốt trong mùa hè. Hạt đác rim đường phèn Lựa hạt non và nấu đủ độ sẽ cho thành phẩm vừa dẻo, vừa giòn, quyện đường phèn nên ngọt thanh, bỏ thêm đá hoặc sữa chua vào ăn rất mát. com Cách phổ biến và đơn giản nhất để thưởng thức hạt đác là rim đường phèn. Hạt đác được rửa nhiều lần cho sạch, chần vào nước nóng già, nấu cho đến khi sôi lại khoảng năm phút thì vớt ra, xả với nước lạnh để không mất đi độ giòn. Mang phần hạt đác đã sơ chế này ngâm với đường phèn khoảng nửa tiếng cho thấm ngọt rồi rim trên chảo lớn, không cần thêm nước, đến khi đường sóng sánh, hạt đác có màu trong là hoàn thành.',
    'passage: Vườn quốc gia Ba Vì. Với diện tích gần 11.000 ha, vườn quốc gia Ba Vì được coi là "lá phổi xanh" phía Tây thủ đô Hà Nội. Tại vườn quốc gia có các địa điểm tham quan như nhà thờ cổ bỏ hoang, phủ kín rêu phong mang vẻ huyền bí, hay nhà kính xương rồng. Cũng như , hay , người Pháp xây dựng ở Ba Vì nhiều biệt thự nghỉ dưỡng ở cốt 400, 600 và 1.000. Chỉ khác là chúng đã bị tàn phá theo thăng trầm thời gian cùng thời cuộc. Bởi thế, du khách sẽ ngỡ ngàng trước những nền móng kiến trúc từ hàng trăm năm trước khi đi sâu vào trong rừng. Những khu nghỉ dưỡng, những bếp lò, những bức tường, tất cả đều được bao phủ bởi cây rừng và sương núi.',
]
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,  0.8126, -0.0353],
#         [ 0.8126,  1.0000,  0.0099],
#         [-0.0353,  0.0099,  1.0000]])

Evaluation

Metrics

Information Retrieval

Dataset: val
Evaluated with [object Object].InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.9323
cosine_accuracy@3	0.9825
cosine_accuracy@5	0.99
cosine_accuracy@10	0.9944
cosine_precision@1	0.9323
cosine_precision@3	0.3275
cosine_precision@5	0.198
cosine_precision@10	0.0994
cosine_recall@1	0.9323
cosine_recall@3	0.9825
cosine_recall@5	0.99
cosine_recall@10	0.9944
cosine_ndcg@10	0.9669
cosine_mrr@10	0.9577
cosine_map@100	0.9579

Training Details

Training Dataset

Unnamed Dataset

Size: 12,768 training samples
Columns: sentence_0 and sentence_1
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1
type string string
details
min: 15 tokens
mean: 29.47 tokens
max: 51 tokens
min: 6 tokens
mean: 152.52 tokens
max: 256 tokens

Samples:

sentence_0	sentence_1
`query: Di tích khảo cổ Văn hóa Sa Huỳnh ở Quảng Ngãi gồm những điểm di tích nào và được xếp hạng gì vào cuối năm 2022?`	passage: Nhà trưng bày Văn hóa Sa Huỳnh. vn. Cuối năm 2022, Di tích khảo cổ Văn hoá Sa Huỳnh của tỉnh Quảng Ngãi được xếp hạng là Di tích quốc gia đặc biệt. Di tích khảo cổ gồm có 6 điểm di tích ở thị xã Đức Phổ gồm: di tích Long Thạnh (còn gọi là Gò Ma Vương), di tích Thạnh Đức, di tích Phú Khương, quần thể di tích Champa trong không gian Sa Huỳnh, đầm An Khê và lạch An Khê – sông Cửa Lỗ. Không gian trưng bày. Nền văn hóa Sa Huỳnh được nhà khảo cổ học người Pháp M. Vinet phát hiện năm 1909. Từ khu mộ chum Sa Huỳnh, qua các đợt khai quật, các nhà khảo cổ đã liên tục phát hiện các dấu vết của một nền văn hóa thời tiền sử.
`query: Rừng dừa Bảy Mẫu ở Hội An có đặc điểm gì thu hút du khách khi tham quan?`	passage: Rừng dừa Bảy Mẫu. Địa chỉ: thôn Thanh Nhứt, Thanh Tam, Vạn Lăng, Xã Cẩm Thanh, Thành phố Hội An, Quảng Nam. Đặc điểm: Rừng dừa Bảy Mẫu Cẩm Thanh Hội An là điểm đến hấp dẫn du khách tham quan trong và ngoài nước. Sở dĩ có cái tên này vì ngày xưa, khu rừng này có khoảng 07 mẫu dừa tự do sinh sôi nảy nở. Tới nay, rừng đã phát triển lên hơn 100 ha nhưng người ta vẫn giữ cái tên rừng dừa Bảy Mẫu vì nó đã quá quen thuộc và thân thương với người dân và khách du lịch Hội An. Vì nằm ngay trong vùng nước lợ nên rất thích hợp cho dừa nước phát triển. Tới đây, du khách sẽ được thăm quan khu rừng hoàn toàn trên thuyền theo phong cách miền Tây Nam Bộ.
`query: Bánh cuốn trứng ở Lạng Sơn có điểm gì khác biệt so với bánh cuốn thường?`	passage: Bánh cuốn trứng. Bánh cuốn trứng được làm từ gạo tẻ ngon xay nhuyễn với nước sao cho bột không bị khô hay loãng quá. Bánh được tráng trên nồi hấp có căng một lớp vải mỏng để bánh chín hoàn toàn bằng hơi nước nóng bốc lên. Khác với bánh cuốn thường, người Lạng Sơn dùng trứng để làm nhân bánh. Ngoài ra, bánh cuốn đúng điệu phải ăn với nước chấm pha bằng giấm làm từ một loại chuối chín cây ở Lạng Sơn, loại giấm đặc trưng chỉ xứ Lạng mới có.

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim", 4 "gather_across_devices": false 5}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
fp16: True
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: 3
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: True
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	val_cosine_ndcg@10
0.1253	200	-	0.9385
0.2506	400	-	0.9506
0.3133	500	0.0165	-
0.3759	600	-	0.9534
0.5013	800	-	0.9486
0.6266	1000	0.0102	0.9564
0.7519	1200	-	0.9596
0.8772	1400	-	0.9603
0.9398	1500	0.0055	-
1.0	1596	-	0.9629
1.0025	1600	-	0.9626
1.1278	1800	-	0.9530
1.2531	2000	0.0048	0.9570
1.3784	2200	-	0.9610
1.5038	2400	-	0.9590
1.5664	2500	0.0012	-
1.6291	2600	-	0.9644
1.7544	2800	-	0.9636
1.8797	3000	0.0023	0.9635
2.0	3192	-	0.9627
2.0050	3200	-	0.9623
2.1303	3400	-	0.9617
2.1930	3500	0.0016	-
2.2556	3600	-	0.9641
2.3810	3800	-	0.9651
2.5063	4000	0.001	0.9659
2.6316	4200	-	0.9669

Framework Versions

Python: 3.12.12
Sentence Transformers: 5.1.2
Transformers: 4.57.1
PyTorch: 2.8.0+cu126
Accelerate: 1.11.0
Datasets: 4.0.0
Tokenizers: 0.22.1

Citation

BibTeX

Sentence Transformers

bibtex

@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",
}

MultipleNegativesRankingLoss

bibtex

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    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},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

	sentence_0	sentence_1
type	string	string
details	min: 15 tokens mean: 29.47 tokens max: 51 tokens	min: 6 tokens mean: 152.52 tokens max: 256 tokens