This is a sentence-transformers model finetuned from intfloat/multilingual-e5-base. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

Model Type: Sentence Transformer
Base model: intfloat/multilingual-e5-base
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Supported Modality: Text

Model Sources

Documentation: Sentence Transformers Documentation
Repository: Sentence Transformers on GitHub
Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'XLMRobertaModel'})
  (1): Pooling({'embedding_dimension': 768, 'pooling_mode': 'mean', 'include_prompt': True})
  (2): Normalize({})
)

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("sentence_transformers_model_id")
# Run inference
sentences = [
    'query: nến điện tealights trắng',
    'passage: Nến điện tealights | GERI | sáp nến | trắng | bộ 2 chiếc | Ø6xC3cm | Nến điện tealights GERI là bộ 2 chiếc nến nhỏ gọn, mang đến ánh sáng ấm áp và an toàn cho không gian của bạn. Với màu trắng tinh khôi và kích thước Ø6xC3cm, sản phẩm lý tưởng để trang trí trong nhà, tạo điểm nhấn lãng mạn và ấm cúng. Nến được làm từ sáp nến chất lượng cao, mô phỏng chân thực ánh sán | Danh mục: Nến | Thương hiệu: GERI | Giá: 119,000 VNĐ',
    'passage: Bác Hồ Với Việc Bồi Dưỡng Thế Hệ Cách Mạng Cho Đời Sau | "Bác Hồ Với Việc Bồi Dưỡng Thế Hệ Cách Mạng Cho Đời Sau" là tập hợp những câu chuyện lịch sử ý nghĩa, tập trung vào vai trò và tầm nhìn của Chủ tịch Hồ Chí Minh đối với thế hệ trẻ. Suốt hành trình cách mạng, Bác luôn tin tưởng vào sức mạnh và vai trò của thanh niên, thể hiện qua câu nói bất hủ "Đâu  | Danh mục: Lịch Sử - Địa Lý | Thương hiệu: NXB Trẻ | Giá: 7,125,000 VNĐ',
]
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,  0.7444, -0.1016],
#         [ 0.7444,  1.0000, -0.1146],
#         [-0.1016, -0.1146,  1.0000]])

Training Details

Training Dataset

Unnamed Dataset

Size: 20,441 training samples
Columns: sentence_0 and sentence_1
Approximate statistics based on the first 100 samples:
sentence_0 sentence_1
type string string
modality text text
details
min: 8 tokens
mean: 11.2 tokens
max: 16 tokens
min: 110 tokens
mean: 132.92 tokens
max: 185 tokens

Samples:

sentence_0	sentence_1
`query: laptop Ultra 7`	passage: Laptop Lenovo ThinkPad X1 Carbon Gen 13 - 21NS010FVN (Ultra 7 256V, 16GB, 512GB, 2.8K OLED 120Hz, Win11Pro) \| Trải nghiệm sự tinh tế và hiệu năng vượt trội với Laptop Lenovo ThinkPad X1 Carbon Gen 13 - 21NS010FVN. Trang bị bộ vi xử lý Intel Core Ultra 7 256V mạnh mẽ, 16GB RAM và ổ cứng SSD 512GB, chiếc laptop này đáp ứng mọi nhu cầu từ công việc phức tạp đến giải trí đỉnh cao. Màn hình 2.8K OLED tần số quét \| Danh mục: Laptop Lenovo \| Thương hiệu: Lenovo \| Giá: 62,790,000 VNĐ
`query: laptop rtx 3050`	passage: Laptop Acer Gaming Nitro V 15 ProPanel ANV15 41 R0FE - NH.QPFSV.005 (R7 7735HS, 16GB, 512GB, RTX 3050 6GB, Full HD 180Hz, Win11) \| Trải nghiệm hiệu năng gaming ấn tượng với Laptop Acer Gaming Nitro V 15 ProPanel ANV15 41 R0FE. Máy được trang bị bộ vi xử lý AMD Ryzen 7 7735HS mạnh mẽ, cùng card đồ họa NVIDIA GeForce RTX 3050 6GB GDDR6, mang đến khả năng xử lý đồ họa tốt cho các tựa game phổ biến. Màn hình 15.6 inch Full HD với t \| Danh mục: Laptop Acer \| Thương hiệu: Acer \| Giá: 29,690,000 VNĐ
`query: đèn thông minh cho phòng ngủ`	passage: Đèn ngủ thông minh Xiaomi Mi Bedside Lamp 2 \| Mang đến không gian ấm cúng và thư giãn cho phòng ngủ của bạn với Đèn ngủ thông minh Xiaomi Mi Bedside Lamp 2. Sản phẩm chính hãng Xiaomi, nổi bật với khả năng điều chỉnh ánh sáng đa dạng, từ dịu nhẹ đến tươi sáng, phù hợp với mọi nhu cầu sử dụng. Thiết kế tối giản, hiện đại, dễ dàng hòa hợp với mọi \| Danh mục: Đèn thông minh Xiaomi \| Thương hiệu: Xiaomi \| Giá: 850,000 VNĐ

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim", 4 "gather_across_devices": false, 5 "directions": [ 6 "query_to_doc" 7 ], 8 "partition_mode": "joint", 9 "hardness_mode": null, 10 "hardness_strength": 0.0 11}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 32
num_train_epochs: 1
per_device_eval_batch_size: 32
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

per_device_train_batch_size: 32
num_train_epochs: 1
max_steps: -1
learning_rate: 5e-05
lr_scheduler_type: linear
lr_scheduler_kwargs: None
warmup_steps: 0
optim: adamw_torch_fused
optim_args: None
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
optim_target_modules: None
gradient_accumulation_steps: 1
average_tokens_across_devices: True
max_grad_norm: 1
label_smoothing_factor: 0.0
bf16: False
fp16: False
bf16_full_eval: False
fp16_full_eval: False
tf32: None
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
torch_compile: False
torch_compile_backend: None
torch_compile_mode: None
use_liger_kernel: False
liger_kernel_config: None
use_cache: False
neftune_noise_alpha: None
torch_empty_cache_steps: None
auto_find_batch_size: False
log_on_each_node: True
logging_nan_inf_filter: True
include_num_input_tokens_seen: no
log_level: passive
log_level_replica: warning
disable_tqdm: False
project: huggingface
trackio_space_id: None
trackio_bucket_id: None
trackio_static_space_id: None
per_device_eval_batch_size: 32
prediction_loss_only: True
eval_on_start: False
eval_do_concat_batches: True
eval_use_gather_object: False
eval_accumulation_steps: None
include_for_metrics: []
batch_eval_metrics: False
save_only_model: False
save_on_each_node: False
enable_jit_checkpoint: False
push_to_hub: False
hub_private_repo: None
hub_model_id: None
hub_strategy: every_save
hub_always_push: False
hub_revision: None
load_best_model_at_end: False
ignore_data_skip: False
restore_callback_states_from_checkpoint: False
full_determinism: False
seed: 42
data_seed: None
use_cpu: False
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
dataloader_drop_last: False
dataloader_num_workers: 0
dataloader_pin_memory: True
dataloader_persistent_workers: False
dataloader_prefetch_factor: None
remove_unused_columns: True
label_names: None
train_sampling_strategy: random
length_column_name: length
ddp_find_unused_parameters: None
ddp_bucket_cap_mb: None
ddp_broadcast_buffers: False
ddp_static_graph: None
ddp_backend: None
ddp_timeout: 1800
fsdp: None
fsdp_config: None
deepspeed: None
debug: []
skip_memory_metrics: True
do_predict: False
resume_from_checkpoint: None
warmup_ratio: None
local_rank: -1
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss
0.7825	500	0.0085

Training Time

Training: 13.3 minutes

Framework Versions

Python: 3.12.13
Sentence Transformers: 5.6.0
Transformers: 5.12.1
PyTorch: 2.11.0+cu128
Accelerate: 1.14.0
Datasets: 4.0.0
Tokenizers: 0.22.2

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