This is a sentence-transformers model finetuned from hiieu/halong_embedding. 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: hiieu/halong_embedding
Maximum Sequence Length: 512 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': 512, 'do_lower_case': False}) with Transformer model: 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})
  (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("TuanNM171284/TuanNM171284-HaLong-embedding-medical")
# Run inference
sentences = [
    'Làm sao để chăm sóc bệnh nhân mắc hẹp bao quy đầu?',
    'Chăm sóc bao gồm vệ sinh sạch sẽ bao quy đầu hàng ngày bằng nước sạch và xà phòng nhẹ, tuột bao quy đầu nhẹ nhàng để rửa. Sau phẫu thuật, cần theo dõi các dấu hiệu sưng đỏ, chảy máu và vệ sinh mỗi ngày để tránh nhiễm trùng và mất cảm giác.',
    'Bệnh gan nhiễm mỡ không do rượu có đặc điểm là sự hiện diện của rất nhiều mỡ tích tụ trong gan. Sau đó có thể diễn tiến nặng dần lên thành viêm gan nhiễm mỡ không do rượu (NASH). Tình trạng này có thể gây tổn thương tế bào gan nghiêm trọng và dẫn đến xơ gan, suy chức năng gan. Xơ gan có thể dẫn tới: Báng bụng, Dãn tĩnh mạch thực quản, có thể gây vỡ làm nôn ra máu, Bệnh não gan: Các biểu hiện như lú lẫn, ngủ gà hay rối loạn chức năng thần kinh cao cấp, Ung thư gan, Suy gan giai đoạn cuối.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Information Retrieval

Datasets: dim_768, dim_512, dim_256, dim_128 and dim_64
Evaluated with InformationRetrievalEvaluator

Metric	dim_768	dim_512	dim_256	dim_128	dim_64
cosine_accuracy@1	0.6334	0.6328	0.6374	0.6313	0.6044
cosine_accuracy@3	0.7862	0.7837	0.7923	0.79	0.7661
cosine_accuracy@5	0.8418	0.8395	0.8416	0.8405	0.8238
cosine_accuracy@10	0.8974	0.8993	0.9028	0.9057	0.8901
cosine_precision@1	0.6334	0.6328	0.6374	0.6313	0.6044
cosine_precision@3	0.2621	0.2612	0.2641	0.2633	0.2554
cosine_precision@5	0.1684	0.1679	0.1683	0.1681	0.1648
cosine_precision@10	0.0897	0.0899	0.0903	0.0906	0.089
cosine_recall@1	0.6334	0.6328	0.6374	0.6313	0.6044
cosine_recall@3	0.7862	0.7837	0.7923	0.79	0.7661
cosine_recall@5	0.8418	0.8395	0.8416	0.8405	0.8238
cosine_recall@10	0.8974	0.8993	0.9028	0.9057	0.8901
cosine_ndcg@10	0.764	0.7642	0.769	0.7662	0.7455
cosine_mrr@10	0.7215	0.7212	0.7263	0.7218	0.6995
cosine_map@100	0.7262	0.7259	0.7311	0.7263	0.7044

Training Details

Training Dataset

Unnamed Dataset

Size: 5,215 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 7 tokens
mean: 13.86 tokens
max: 29 tokens
min: 16 tokens
mean: 79.69 tokens
max: 356 tokens

Samples:

anchor	positive
`Bệnh Addison là gì?`	`Bệnh Addison là một bệnh hiếm gặp, xảy ra khi tuyến thượng thận không sản xuất đủ các hormone cortisol và aldosterone. Bệnh còn được gọi là suy thượng thận nguyên phát.`
`Triệu chứng của bệnh Addison là gì?`	`Các triệu chứng của bệnh Addison bao gồm mệt mỏi mãn tính, yếu cơ, mất cảm giác ngon miệng, giảm cân, huyết áp thấp, da sẫm màu, bất thường lượng đường trong máu, buồn nôn, nôn, tiêu chảy, không có khả năng đối phó với căng thẳng, tâm trạng buồn bực, khó chịu, trầm cảm, không thích nghi được với cảm giác nóng hoặc lạnh, và thèm đồ ăn mặn.`
`Cách điều trị bệnh Addison ra sao?`	`Bệnh Addison được điều trị bằng cách thay thế các hormone bị thiếu. Cortisol có thể được thay thế bằng viên hydrocortisone, aldosterone có thể được thay thế bằng fludrocortisone acetate. Liều lượng cần được điều chỉnh trong thời gian căng thẳng, nhiễm trùng, phẫu thuật hoặc chấn thương và phải tuân thủ liều nghiêm ngặt dưới sự chỉ định và giám sát của bác sĩ.`

Loss: MatryoshkaLoss with these parameters:
json
1{ 2 "loss": "MultipleNegativesRankingLoss", 3 "matryoshka_dims": [ 4 768, 5 512, 6 256, 7 128, 8 64 9 ], 10 "matryoshka_weights": [ 11 1, 12 1, 13 1, 14 1, 15 1 16 ], 17 "n_dims_per_step": -1 18}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_eval_batch_size: 4
gradient_accumulation_steps: 4
learning_rate: 2e-05
lr_scheduler_type: cosine
warmup_ratio: 0.1
bf16: True
load_best_model_at_end: True
optim: adamw_torch_fused
batch_sampler: no_duplicates

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: 4
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 4
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 2e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 3
max_steps: -1
lr_scheduler_type: cosine
lr_scheduler_kwargs: {}
warmup_ratio: 0.1
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
use_ipex: False
bf16: True
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: True
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}
tp_size: 0
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}
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch_fused
optim_args: None
adafactor: False
group_by_length: False
length_column_name: length
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
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: False
neftune_noise_alpha: None
optim_target_modules: None
batch_eval_metrics: False
eval_on_start: False
use_liger_kernel: False
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	dim_768_cosine_ndcg@10	dim_512_cosine_ndcg@10	dim_256_cosine_ndcg@10	dim_128_cosine_ndcg@10	dim_64_cosine_ndcg@10
0.1227	10	2.7834	0.6736	0.6704	0.6625	0.6478	0.6050
0.2454	20	4.2471	0.6918	0.6880	0.6818	0.6709	0.6358
0.3681	30	3.2069	0.7016	0.6997	0.7012	0.6935	0.6665
0.4908	40	2.9097	0.7177	0.7163	0.7169	0.7086	0.6783
0.6135	50	3.0704	0.7268	0.7263	0.7272	0.7178	0.6901
0.7362	60	2.5582	0.7231	0.7248	0.7274	0.7219	0.7001
0.8589	70	2.074	0.7214	0.7217	0.7277	0.7259	0.7072
0.9816	80	2.8852	0.7359	0.7362	0.7390	0.7351	0.7132
1.0982	90	1.3827	0.7458	0.7448	0.7464	0.7423	0.7175
1.2209	100	1.5382	0.7472	0.7474	0.7484	0.7410	0.7145
1.3436	110	1.6667	0.7433	0.7437	0.7455	0.7423	0.7174
1.4663	120	1.6423	0.7497	0.7502	0.7530	0.7495	0.7250
1.5890	130	1.2332	0.7539	0.7543	0.7582	0.7552	0.7296
1.7117	140	1.4156	0.7573	0.7583	0.7619	0.7588	0.7352
1.8344	150	1.2422	0.7592	0.7591	0.7634	0.7599	0.7371
1.9571	160	0.917	0.7579	0.7585	0.7643	0.7610	0.7392
2.0736	170	1.3069	0.7605	0.7610	0.7665	0.7644	0.7430
2.1963	180	0.949	0.7599	0.7612	0.7662	0.7639	0.7433
2.3190	190	0.9943	0.7609	0.7620	0.7662	0.7643	0.7430
2.4417	200	1.1196	0.7623	0.7629	0.7672	0.7652	0.7439
2.5644	210	0.8954	0.7637	0.7634	0.7687	0.7663	0.7447
2.6871	220	0.8713	0.7640	0.7636	0.7689	0.7659	0.7451
2.8098	230	1.1643	0.7639	0.7640	0.7690	0.7661	0.7453
2.9325	240	1.0182	0.7640	0.7642	0.7690	0.7662	0.7455

Framework Versions

Python: 3.11.11
Sentence Transformers: 3.4.1
Transformers: 4.51.1
PyTorch: 2.5.1+cu124
Accelerate: 1.3.0
Datasets: 3.5.0
Tokenizers: 0.21.0

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",
}

MatryoshkaLoss

bibtex

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

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}
}

	anchor	positive
type	string	string
details	min: 7 tokens mean: 13.86 tokens max: 29 tokens	min: 16 tokens mean: 79.69 tokens max: 356 tokens