This is a sentence-transformers model finetuned from GreenNode/GreenNode-Embedding-Large-VN-Mixed-V1. It maps sentences & paragraphs to a 1024-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: GreenNode/GreenNode-Embedding-Large-VN-Mixed-V1
Maximum Sequence Length: 8192 tokens
Output Dimensionality: 1024 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': 8192, 'do_lower_case': False, 'architecture': 'XLMRobertaModel'})
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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("ngocnamk3er/GreenNode-Embedding-Large-VN-Retrieval-fine-tuned-without-lotrinhhoc-21h13-18DEC")
# Run inference
sentences = [
    'Em làm thế nào để kích hoạt khóa học mà mình muốn tham gia?',
    'Chủ đề: 3. KÍCH HOẠT THAM GIA KHÓA HỌC\nNội dung:\n3. KÍCH HOẠT THAM GIA KHÓA HỌC\nBước 1: Truy cập website: https://tienganhcomaiphuong.vn/ hoặc https://ngoaingu24h.vn/\nBước 2: Đăng nhập tài khoản đã tạo (hoặc tài khoản tư vấn viên cung cấp)\n[[img_link: https://imagedoan.s3.ap-southeast-2.amazonaws.com/docx_extracted/cf50b9bb-d066-4866-9f22-95e64a2dc066.png]]\nBước 3: Vào Avatar => Truy cập mục Lịch sử đơn hàng\n[[img_link: https://imagedoan.s3.ap-southeast-2.amazonaws.com/docx_extracted/6bf25ec6-6abb-42d5-93d2-bee03b84a551.png]]\nBước 4: Trong mục Lịch sử đơn hàng sẽ hiện danh sách các khóa mà em đã mua. Bấm kích hoạt (các) khóa muốn học ngay.\n[[img_link: https://imagedoan.s3.ap-southeast-2.amazonaws.com/docx_extracted/6f91640b-9fe3-4550-82f8-97dcd7fcf04d.png]]\nNgay sau khi bấm Kích hoạt, màn hình sẽ hiện pop-up tham gia lớp học thành công\n[[img_link: https://imagedoan.s3.ap-southeast-2.amazonaws.com/docx_extracted/3082b912-7212-48a0-b871-aa5e1c46fb63.png]]\nÔ Kích hoạt sẽ chuyển thành Đã kích hoạt\n[[img_link: https://imagedoan.s3.ap-southeast-2.amazonaws.com/docx_extracted/2e55bdcd-5290-4916-b7da-382e48f0fc0d.png]]',
    'Câu hỏi: Em không thấy bài thi online ở đâu?\nTrả lời: Bài thi online sẽ được mở vào 20h30 mỗi ngày, sau khi livestream kết thúc.\nNếu chưa thấy bài thi, hãy thử tải lại trang hoặc kiểm tra trong mục bài tập của hệ thống.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[ 1.0000,  0.7262, -0.0138],
#         [ 0.7262,  1.0000, -0.0321],
#         [-0.0138, -0.0321,  1.0000]])

Evaluation

Metrics

Information Retrieval

Dataset: val_hit_at_k
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.7699
cosine_accuracy@5	0.9654
cosine_accuracy@10	0.9907
cosine_precision@1	0.7699
cosine_precision@3	0.3125
cosine_precision@5	0.1931
cosine_precision@10	0.0991
cosine_recall@1	0.7699
cosine_recall@3	0.9375
cosine_recall@5	0.9654
cosine_recall@10	0.9907
cosine_ndcg@10	0.8911
cosine_mrr@10	0.8581
cosine_map@100	0.8587

Training Details

Training Dataset

Unnamed Dataset

Size: 3,008 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: 11 tokens
mean: 19.8 tokens
max: 37 tokens
min: 25 tokens
mean: 221.42 tokens
max: 2694 tokens

Samples:

sentence_0	sentence_1
`Em cần làm gì để xem thông tin về các bài giảng gần đây?`	Chủ đề: 12. THỐNG KÊ SỐ LIỆU HỌC VIÊN[object Object]Nội dung:[object Object]12. THỐNG KÊ SỐ LIỆU HỌC VIÊN[object Object]12.1. Cách thức truy cập xem số liệu[object Object]Bước 1: Nhấn vào biểu tượng avatar -> Chọn Trang cá nhân[object Object][[img_link: [object Object]]] [object Object]Bước 2: Xem thông tin tổng quan về quá trình học tập[object Object][[img_link: [object Object]]][object Object]12.2. Các tiêu chí thống kê[object Object]Tổng quan: liệt kê các khóa đã tham gia, giúp HS biết được mình đang học các khóa nào[object Object][[img_link: [object Object]]][object Object]Hoạt động gần đây: thống kê lịch sử xem bài giảng, làm bài thi, bài tập[object Object][[img_link: [object Object]]][object Object]Thời gian online: giúp HS theo dõi được thời gian học tập trên web theo từng ngày[object Object][[img_link: [object Object]...
`Trang đăng nhập có cung cấp công cụ hỗ trợ nào cho việc khôi phục mật khẩu không?`	`Câu hỏi: Em quên tài khoản/mật khẩu thì phải làm sao?[object Object]Trả lời: Em có thể nhấn vào “Quên mật khẩu” trên trang đăng nhập để đặt lại mật khẩu.[object Object]Nếu vẫn không thể đăng nhập, em hãy liên hệ với bộ phận hỗ trợ để được cấp lại tài khoản.`
`Có cần phải làm theo bước nào đặc biệt sau khi livestream để thấy bài thi online không?`	`Câu hỏi: Em không thấy bài thi online ở đâu?[object Object]Trả lời: Bài thi online sẽ được mở vào 20h30 mỗi ngày, sau khi livestream kết thúc.[object Object]Nếu chưa thấy bài thi, hãy thử tải lại trang hoặc kiểm tra trong mục bài tập của hệ thống.`

Loss: [object Object].LoggingMultipleNegativesRankingLoss 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
per_device_train_batch_size: 4
per_device_eval_batch_size: 4
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: 4
per_device_eval_batch_size: 4
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
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: 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}
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: False
resume_from_checkpoint: None
hub_model_id: None
hub_strategy: every_save
hub_private_repo: False
hub_always_push: False
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
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
eval_use_gather_object: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	val_hit_at_k_cosine_ndcg@10
0.1330	100	-	0.8395
0.2660	200	-	0.8187
0.3989	300	-	0.8250
0.5319	400	-	0.8482
0.6649	500	0.0954	0.8413
0.7979	600	-	0.8459
0.9309	700	-	0.8508
1.0	752	-	0.8498
1.0638	800	-	0.8468
1.1968	900	-	0.8637
1.3298	1000	0.0563	0.8638
1.4628	1100	-	0.8746
1.5957	1200	-	0.8764
1.7287	1300	-	0.8800
1.8617	1400	-	0.8783
1.9947	1500	0.027	0.8818
2.0	1504	-	0.8825
2.1277	1600	-	0.8788
2.2606	1700	-	0.8834
2.3936	1800	-	0.8829
2.5266	1900	-	0.8870
2.6596	2000	0.0327	0.8877
2.7926	2100	-	0.8911

Framework Versions

Python: 3.10.12
Sentence Transformers: 5.2.0
Transformers: 4.44.2
PyTorch: 2.9.1+cu128
Accelerate: 1.12.0
Datasets: 4.4.1
Tokenizers: 0.19.1

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",
}

LoggingMultipleNegativesRankingLoss

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: 11 tokens mean: 19.8 tokens max: 37 tokens	min: 25 tokens mean: 221.42 tokens max: 2694 tokens