This is a sentence-transformers model finetuned from vinai/phobert-base-v2 on the vnexpress-data-similarity dataset. 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: vinai/phobert-base-v2
Maximum Sequence Length: 256 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- vnexpress-data-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}) with Transformer model: 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("iambestfeed/phobert-base-v2-finetuned-filtered_data_wseg-lr5e-06")
# Run inference
sentences = [
    'Động_đất mạnh 5,6 độ ở tỉnh Tây_Java của Indonesia khiến ít_nhất 44 người thiệt_mạng , nhiều nhà_cửa tại thủ_đô Jakarta cũng bị rung_chuyển . - VnExpress',
    'Cơ_quan Khí_tượng , Khí_hậu và Địa_vật_lý Indonesia ( BMKG ) cho biết trận động_đất mạnh 5,6 độ xảy ra lúc 13h21 hôm_nay , tâm chấn nằm trên đất_liền ở độ sâu 10 km tại tỉnh Tây_Java , cách thủ_đô Jakarta khoảng 100 km về phía nam . Trong khi đó , Cơ_quan Khảo_sát Địa_chất Mỹ ( USGS ) cho biết trận động_đất mạnh 5,4 độ . USGS xác_định những trận động_đất có tâm chấn ở độ sâu dưới 70 km là " tâm chấn nông " và chúng thường gây thiệt_hại nặng_nề hơn so với " tâm chấn sâu " . \n BMKG nói rằng không có nguy_cơ xảy ra sóng_thần sau trận động_đất . \n " Hàng trăm , thậm_chí có_thể hàng nghìn ngôi nhà bị hư_hại . 44 người đã thiệt_mạng " , Adam , phát_ngôn_viên của chính_quyền địa_phương tại thị_trấn Cianjur ở Tây_Java , nói với AFP. \n Herman_Suherman , lãnh_đạo thị_trấn Cianjur , trước đó nói trên truyền_hình rằng chỉ riêng một trong 4 bệnh_viện tại đây đã ghi_nhận gần 20 người chết và ít_nhất 300 người bị_thương . " Phần_lớn nạn_nhân bị_thương do mắc_kẹt dưới đống đổ_nát " , ông cho biết và cảnh_báo con_số thương_vong có_thể tăng thêm . \n Nhân_chứng cho biết nhiều tòa nhà tại Jakarta bị rung_chuyển , khiến không ít người phải sơ_tán khỏi các văn_phòng ở quận trung_tâm thủ_đô . Số khác nói rằng họ cảm_nhận được các tòa nhà rung lắc và chứng_kiến đồ_đạc di_chuyển . \n " Tôi đang làm_việc thì sàn nhà rung_chuyển , tôi có_thể cảm_nhận chấn_động rất rõ_ràng " , Mayadita_Waluyo , một luật_sư 22 tuổi làm_việc tại một tòa nhà_văn_phòng ở Jakarta , kể . " Lúc đó tôi chưa hình_dung được chuyện gì đã xảy ra , nhưng rung lắc ngày_càng mạnh hơn và kéo_dài khá lâu " . \n Waluyo cho hay cô và nhiều đồng_nghiệp trong văn_phòng sau đó đã hoảng_hốt chạy xuống cầu_thang bộ để thoát khỏi tòa nhà . \n Indonesia thường_xuyên trải qua các trận động_đất và phun trào núi_lửa do nằm trên " Vành_đai lửa " , một vòng_cung hoạt_động địa_chấn dữ_dội , nơi các mảng kiến_tạo va_chạm kéo_dài từ Nhật_Bản qua Đông_Nam_Á và lưu_vực Thái_Bình_Dương . \n Năm 2004 , trận động_đất 9,1 độ xảy ra ngoài khơi đảo Sumatra , gây ra sóng_thần giết chết 220.000 người khắp khu_vực , trong đó có khoảng 170.000 người ở Indonesia . \n Năm 2018 , một trận động_đất 7,5 độ và sóng_thần theo sau ở Palu trên đảo Sulawesi đã khiến hơn 4.300 người chết và mất_tích . \n Vũ_Anh ( Theo AFP )',
    'Nếu mua xe mới tôi phải vay thêm tiền mới đủ lăn bánh_xe cỡ A trong khi mua xe cũ thì có thế chọn xe cỡ B. ( Lan_Anh ) \n >> Xem thêm : cẩm_nang mua xe',
]
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]

Training Details

Training Dataset

vnexpress-data-similarity

Dataset: vnexpress-data-similarity at e6cb542
Size: 74,620 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 18 tokens
mean: 32.21 tokens
max: 104 tokens
min: 21 tokens
mean: 140.01 tokens
max: 256 tokens

Samples:

anchor	positive
`Gene quyết_định phần_lớn chiều cao của trẻ , những thói_quen sinh_hoạt , ăn_uống cũng ảnh_hưởng đến quá_trình phát_triển . - VnExpress`	`Gene quyết_định phần_lớn chiều cao của trẻ , những thói_quen sinh_hoạt , ăn_uống cũng ảnh_hưởng đến quá_trình phát_triển . [object Object] Lê Nguyễn ( Theo Timesofindia , WebMD ) [object Object] Vui_lòng điền đầy_đủ thông_tin để chúng_tôi có_thể hỗ_trợ bạn`
`H & # 039 ; Hen Niê đưa bố_mẹ và cháu gái cùng đi công_tác , Vũ_Thu_Phương đưa con sang Anh nhập_học , Phương_Trinh Jolie bế con_trai mới sinh , Mạc Văn_Khoa xúc_động khi được diễn chung với NSƯT Hoài_Linh . - Ngôi_sao`	Phong_Kiều [object Object] - Showbiz [object Object] - Thời_trang [object Object] - Làm_đẹp [object Object] - Xem [object Object] - Ăn_chơi [object Object] - Lối_sống [object Object] - Thể_thao [object Object] - Thời_cuộc [object Object] - Podcasts [object Object] - Thương_trường [object Object] - Trắc_nghiệm [object Object] - Video [object Object] - Ảnh [object Object] - Reviews & Deals [object Object] H ' Hen Niê đưa bố_mẹ và cháu gái cùng đi công_tác , Vũ_Thu_Phương đưa con sang Anh nhập_học , Phương_Trinh Jolie bế con_trai mới sinh , Mạc Văn_Khoa xúc_động khi được diễn chung với NSƯT Hoài_Linh . [object Object] Phong_Kiều
`Hạt_giống số một giành chiến_thắng với tỷ_số 7 - 6 ( 1 ) , 6 - 3 ở trận ra_quân tại Halle Mở_rộng 2019 . - VnExpress`	`Hạt_giống số một giành chiến_thắng với tỷ_số 7 - 6 ( 1 ) , 6 - 3 ở trận ra_quân tại Halle Mở_rộng 2019 . [object Object] Quang_Dũng`

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

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 16
gradient_accumulation_steps: 5
learning_rate: 5e-06
warmup_ratio: 0.1
save_safetensors: False
fp16: True
push_to_hub: True
hub_model_id: iambestfeed/phobert-base-v2-finetuned-filtered_data_wseg-lr5e-06
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: no
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 8
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 5
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 5e-06
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: linear
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: False
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: 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: True
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}
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch
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: True
resume_from_checkpoint: None
hub_model_id: iambestfeed/phobert-base-v2-finetuned-filtered_data_wseg-lr5e-06
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
dispatch_batches: None
split_batches: 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

Click to expand

Epoch	Step	Training Loss
0.0215	10	0.6363
0.0429	20	0.5673
0.0644	30	0.4673
0.0858	40	0.3299
0.1073	50	0.1847
0.1287	60	0.0889
0.1502	70	0.036
0.1716	80	0.0107
0.1931	90	0.0074
0.2145	100	0.0049
0.2360	110	0.0036
0.2574	120	0.0036
0.2789	130	0.0027
0.3003	140	0.0018
0.3218	150	0.0049
0.3432	160	0.0037
0.3647	170	0.0019
0.3861	180	0.002
0.4076	190	0.0014
0.4290	200	0.0013
0.4505	210	0.0013
0.4719	220	0.0013
0.4934	230	0.0027
0.5148	240	0.0017
0.5363	250	0.0012
0.5577	260	0.0009
0.5792	270	0.0008
0.6006	280	0.0016
0.6221	290	0.0014
0.6435	300	0.0006
0.6650	310	0.0018
0.6864	320	0.0005
0.7079	330	0.0006
0.7293	340	0.0006
0.7508	350	0.0005
0.7722	360	0.0009
0.7937	370	0.0012
0.8151	380	0.0003
0.8366	390	0.0005
0.8580	400	0.0011
0.8795	410	0.0005
0.9009	420	0.0006
0.9224	430	0.0012
0.9438	440	0.0007
0.9653	450	0.0004
0.9867	460	0.0003
1.0064	470	0.0007
1.0279	480	0.0004
1.0493	490	0.0006
1.0708	500	0.0003
1.0922	510	0.0008
1.1137	520	0.0004
1.1351	530	0.0013
1.1566	540	0.0003
1.1780	550	0.0003
1.1995	560	0.0003
1.2209	570	0.0003
1.2424	580	0.0003
1.2638	590	0.0002
1.2853	600	0.0002
1.3067	610	0.0004
1.3282	620	0.0003
1.3496	630	0.0002
1.3711	640	0.0002
1.3925	650	0.0003
1.4140	660	0.0003
1.4354	670	0.0002
1.4569	680	0.0001
1.4783	690	0.0002
1.4998	700	0.0011
1.5212	710	0.0006
1.5427	720	0.0003
1.5641	730	0.0002
1.5856	740	0.0002
1.6070	750	0.0003
1.6285	760	0.0003
1.6499	770	0.0002
1.6714	780	0.0002
1.6928	790	0.0002
1.7143	800	0.0002
1.7357	810	0.0002
1.7572	820	0.0002
1.7786	830	0.0002
1.8001	840	0.0002
1.8215	850	0.0001
1.8430	860	0.0003
1.8644	870	0.0003
1.8859	880	0.0003
1.9073	890	0.0003
1.9288	900	0.0003
1.9502	910	0.0002
1.9717	920	0.0002
1.9931	930	0.0003
2.0129	940	0.0002
2.0343	950	0.0006
2.0558	960	0.0001
2.0772	970	0.0002
2.0987	980	0.0002
2.1201	990	0.0003
2.1416	1000	0.0008
2.1630	1010	0.0001
2.1845	1020	0.0002
2.2059	1030	0.0002
2.2274	1040	0.0002
2.2488	1050	0.0001
2.2703	1060	0.0002
2.2917	1070	0.0001
2.3132	1080	0.0002
2.3346	1090	0.0004
2.3561	1100	0.0001
2.3775	1110	0.0002
2.3990	1120	0.0002
2.4204	1130	0.0002
2.4419	1140	0.0001
2.4633	1150	0.0001
2.4848	1160	0.0007
2.5062	1170	0.0003
2.5277	1180	0.0002
2.5491	1190	0.0001
2.5706	1200	0.0001
2.5920	1210	0.0002
2.6135	1220	0.0002
2.6349	1230	0.0001
2.6564	1240	0.0002
2.6778	1250	0.0001
2.6993	1260	0.0002
2.7207	1270	0.0002
2.7422	1280	0.0001
2.7636	1290	0.0001
2.7851	1300	0.0002
2.8065	1310	0.0001
2.8280	1320	0.0002
2.8494	1330	0.0002
2.8709	1340	0.0002
2.8923	1350	0.0002
2.9138	1360	0.0002
2.9352	1370	0.0001
2.9567	1380	0.0001
2.9781	1390	0.0002

Framework Versions

Python: 3.10.12
Sentence Transformers: 3.3.1
Transformers: 4.47.0
PyTorch: 2.5.1+cu121
Accelerate: 1.2.1
Datasets: 3.3.1
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",
}

MultipleNegativesRankingLoss