CoolFace
Modelpublic

meandyou200175/e5-query-sql

sourceHugging Faceupdated 1y agoView on Hugging Face
0likes52downloads
Model Card

SentenceTransformer based on vinai/phobert-base-v2

This is a sentence-transformers model finetuned from vinai/phobert-base-v2. 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 <!-- at revision e2375d266bdf39c6e8e9a87af16a5da3190b0cc8 -->
  • —Maximum Sequence Length: 256 tokens
  • —Output Dimensionality: 768 dimensions
  • —Similarity Function: Cosine Similarity <!-- - Training Dataset: Unknown --> <!-- - Language: Unknown --> <!-- - License: Unknown -->

Model Sources

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:

bash
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("meandyou200175/e5-query-sql")
# Run inference
sentences = [
    'Cho mình ghế massage Daikiosan công suất nhỏ hơn 158W có không ạ?',
    'Ghế massage Daikiosan DK-180, công suất 120W, nhiều chế độ, Giá: 3.950.000',
    'Ghế massage Daikiosan DK-180, công suất 210W, nhiều chế độ, Giá: 3.950.000',
]
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]

<!--

Direct Usage (Transformers)

<details><summary>Click to see the direct usage in Transformers</summary>

</details> -->

<!--

Downstream Usage (Sentence Transformers)

You can finetune this model on your own dataset.

<details><summary>Click to expand</summary>

</details> -->

<!--

Out-of-Scope Use

List how the model may foreseeably be misused and address what users ought not to do with the model. -->

Evaluation

Metrics

Information Retrieval
MetricValue
cosine_accuracy@10.5257
cosine_accuracy@20.753
cosine_accuracy@50.9563
cosine_accuracy@100.9931
cosine_accuracy@1000.9966
cosine_precision@10.5257
cosine_precision@20.3765
cosine_precision@50.1913
cosine_precision@100.0993
cosine_precision@1000.01
cosine_recall@10.5257
cosine_recall@20.753
cosine_recall@50.9563
cosine_recall@100.9931
cosine_recall@1000.9966
cosine_ndcg@100.776
cosine_mrr@10.5257
cosine_mrr@20.6394
cosine_mrr@50.6984
cosine_mrr@100.704
cosine_mrr@1000.7042
cosine_map@1000.7042

<!--

Bias, Risks and Limitations

What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model. -->

<!--

Recommendations

What are recommendations with respect to the foreseeable issues? For example, filtering explicit content. -->

Training Details

Training Dataset

Unnamed Dataset
  • —Size: 10,494 training samples
  • —Columns: <code>query</code>, <code>positive</code>, <code>negative1</code>, <code>negative2</code>, <code>negative3</code>, <code>negative4</code>, <code>negative5</code>, <code>negative6</code>, <code>negative7</code>, <code>negative8</code>, <code>negative9</code>, <code>negative10</code>, <code>negative11</code>, <code>negative12</code>, <code>negative13</code>, <code>negative14</code>, and <code>negative_15</code>
  • —Approximate statistics based on the first 1000 samples: | | query | positive | negative1 | negative2 | negative3 | negative4 | negative5 | negative6 | negative7 | negative8 | negative9 | negative10 | negative11 | negative12 | negative13 | negative14 | negative_15 | |:--------|:---------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------| | type | string | string | string | string | string | string | string | string | string | string | string | string | string | string | string | string | string | | details | <ul><li>min: 5 tokens</li><li>mean: 14.4 tokens</li><li>max: 27 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.51 tokens</li><li>max: 91 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 28.07 tokens</li><li>max: 91 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.79 tokens</li><li>max: 91 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.84 tokens</li><li>max: 91 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.87 tokens</li><li>max: 91 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.86 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.84 tokens</li><li>max: 91 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.97 tokens</li><li>max: 91 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 28.06 tokens</li><li>max: 93 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.92 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.64 tokens</li><li>max: 91 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.3 tokens</li><li>max: 110 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.74 tokens</li><li>max: 110 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.3 tokens</li><li>max: 110 tokens</li></ul> | <ul><li>min: 16 tokens</li><li>mean: 27.41 tokens</li><li>max: 110 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.4 tokens</li><li>max: 110 tokens</li></ul> |
  • —Samples: | query | positive | negative1 | negative2 | negative3 | negative4 | negative5 | negative6 | negative7 | negative8 | negative9 | negative10 | negative11 | negative12 | negative13 | negative14 | negative_15 | |:----------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------| | <code>Máy hút ẩm công suất 34L/ngày và độ ồn nhỏ hơn 45dB</code> | <code>Máy hút ẩm Sharp DW-J27FV-S, công suất hút 25L/ngày, độ ồn chỉ 38dB vận hành êm ái, lọc HEPA loại bỏ bụi mịn, khử mùi bằng than hoạt tính, bình chứa 4L, có chế độ sấy quần áo, bánh xe di chuyển linh hoạt, bảo hành 24 tháng, Giá 8.790.000</code> | <code>Máy hút ẩm Sharp DW-J27FV-S, công suất hút 41.8L/ngày, độ ồn chỉ 38dB vận hành êm ái, lọc HEPA loại bỏ bụi mịn, khử mùi bằng than hoạt tính, bình chứa 4L, có chế độ sấy quần áo, bánh xe di chuyển linh hoạt, bảo hành 24 tháng, Giá 8.790.000</code> | <code>Máy hút ẩm Sharp DW-J27FV-S, công suất hút 39.8L/ngày, độ ồn chỉ 38dB vận hành êm ái, lọc HEPA loại bỏ bụi mịn, khử mùi bằng than hoạt tính, bình chứa 4L, có chế độ sấy quần áo, bánh xe di chuyển linh hoạt, bảo hành 24 tháng, Giá 8.790.000</code> | <code>Máy hút ẩm Sharp DW-J27FV-S, công suất hút 44.9L/ngày, độ ồn chỉ 38dB vận hành êm ái, lọc HEPA loại bỏ bụi mịn, khử mùi bằng than hoạt tính, bình chứa 4L, có chế độ sấy quần áo, bánh xe di chuyển linh hoạt, bảo hành 24 tháng, Giá 8.790.000</code> | <code>Máy hút ẩm Sharp DW-J27FV-S, công suất hút 45.6L/ngày, độ ồn chỉ 38dB vận hành êm ái, lọc HEPA loại bỏ bụi mịn, khử mùi bằng than hoạt tính, bình chứa 4L, có chế độ sấy quần áo, bánh xe di chuyển linh hoạt, bảo hành 24 tháng, Giá 8.790.000</code> | <code>Máy hút ẩm Sharp DW-J27FV-S, công suất hút 43.7L/ngày, độ ồn chỉ 38dB vận hành êm ái, lọc HEPA loại bỏ bụi mịn, khử mùi bằng than hoạt tính, bình chứa 4L, có chế độ sấy quần áo, bánh xe di chuyển linh hoạt, bảo hành 24 tháng, Giá 8.790.000</code> | <code>Máy hút ẩm Sharp DW-J27FV-S, công suất hút 37.2L/ngày, độ ồn chỉ 38dB vận hành êm ái, lọc HEPA loại bỏ bụi mịn, khử mùi bằng than hoạt tính, bình chứa 4L, có chế độ sấy quần áo, bánh xe di chuyển linh hoạt, bảo hành 24 tháng, Giá 8.790.000</code> | <code>Máy hút ẩm Sharp DW-J27FV-S, công suất hút 41.5L/ngày, độ ồn chỉ 38dB vận hành êm ái, lọc HEPA loại bỏ bụi mịn, khử mùi bằng than hoạt tính, bình chứa 4L, có chế độ sấy quần áo, bánh xe di chuyển linh hoạt, bảo hành 24 tháng, Giá 8.790.000</code> | <code>Máy hút ẩm Sharp DW-J27FV-S, công suất hút 42.6L/ngày, độ ồn chỉ 38dB vận hành êm ái, lọc HEPA loại bỏ bụi mịn, khử mùi bằng than hoạt tính, bình chứa 4L, có chế độ sấy quần áo, bánh xe di chuyển linh hoạt, bảo hành 24 tháng, Giá 8.790.000</code> | <code>Máy hút ẩm Sharp DW-J27FV-S, công suất hút 43.8L/ngày, độ ồn chỉ 38dB vận hành êm ái, lọc HEPA loại bỏ bụi mịn, khử mùi bằng than hoạt tính, bình chứa 4L, có chế độ sấy quần áo, bánh xe di chuyển linh hoạt, bảo hành 24 tháng, Giá 8.790.000</code> | <code>Máy hút ẩm Sharp DW-J27FV-S, công suất hút 39.7L/ngày, độ ồn chỉ 38dB vận hành êm ái, lọc HEPA loại bỏ bụi mịn, khử mùi bằng than hoạt tính, bình chứa 4L, có chế độ sấy quần áo, bánh xe di chuyển linh hoạt, bảo hành 24 tháng, Giá 8.790.000</code> | <code>Máy giặt LG Inverter 9kg, Lồng ngang, Giặt hơi nước, Giá: 9.500.000</code> | <code>Máy lọc nước Sunhouse SHA8810, công suất lọc 10L/h, 8 lõi lọc, Giá: 6.500.000</code> | <code>Ghế văn phòng Noble WB-205, xoay 360°, tựa lưng cao, chịu lực 160kg, Giá: 2.450.000</code> | <code>Ghế gấp Inox bọc nệm, Tải trọng 100kg, Giá: 650.000</code> | <code>Quạt điều hòa Sunhouse SHD7725, Lưu lượng 5.500 m³/h, Bình nước 50L, Giá: 4.900.000</code> | | <code>Cho mình bàn ủi khô công suất lớn hơn 750W được không ạ?</code> | <code>Bàn ủi khô Tefal FV1020, công suất 1000W, Giá: 380.000</code> | <code>Bàn ủi khô Tefal FV1020, công suất 690W, Giá: 380.000</code> | <code>Bàn ủi khô Tefal FV1020, công suất 580W, Giá: 380.000</code> | <code>Bàn ủi khô Tefal FV1020, công suất 460W, Giá: 380.000</code> | <code>Bàn ủi khô Tefal FV1020, công suất 660W, Giá: 380.000</code> | <code>Bàn ủi khô Tefal FV1020, công suất 610W, Giá: 380.000</code> | <code>Bàn ủi khô Tefal FV1020, công suất 440W, Giá: 380.000</code> | <code>Bàn ủi khô Tefal FV1020, công suất 620W, Giá: 380.000</code> | <code>Bàn ủi khô Tefal FV1020, công suất 510W, Giá: 380.000</code> | <code>Bàn ủi khô Tefal FV1020, công suất 540W, Giá: 380.000</code> | <code>Bàn ủi khô Tefal FV1020, công suất 430W, Giá: 380.000</code> | <code>Máy lọc Kangaroo KG111, công suất 25L/h, 9 lõi lọc, vòi nhựa ABS, Giá 7.550.000</code> | <code>Màn hình Samsung Odyssey Neo G9, 49 inch, 240Hz, 2K, Giá: 42.000.000</code> | <code>Máy sấy tóc Philips HP8230, Công suất 2100W, 2 chế độ gió, Giá: 620.000</code> | <code>Robot hút bụi Ecovacs Deebot T10, Pin 5200mAh, Hút 5000Pa, Giá: 12.900.000</code> | <code>Loa kéo Sansui SA2-12, Công suất 600W, Kèm micro, Giá: 4.900.000</code> | | <code>mình cần tủ rượu dung tích lớn hơn 56 chai</code> | <code>Tủ ướp rượu Kadeka KS140TL, Sức chứa 140 chai, Kính chống UV, Inverter, Giá: 28.500.000</code> | <code>Tủ ướp rượu Kadeka KS140TL, Sức chứa 39.1 chai, Kính chống UV, Inverter, Giá: 28.500.000</code> | <code>Tủ ướp rượu Kadeka KS140TL, Sức chứa 51.7 chai, Kính chống UV, Inverter, Giá: 28.500.000</code> | <code>Tủ ướp rượu Kadeka KS140TL, Sức chứa 29.9 chai, Kính chống UV, Inverter, Giá: 28.500.000</code> | <code>Tủ ướp rượu Kadeka KS140TL, Sức chứa 49.4 chai, Kính chống UV, Inverter, Giá: 28.500.000</code> | <code>Tủ ướp rượu Kadeka KS140TL, Sức chứa 46.6 chai, Kính chống UV, Inverter, Giá: 28.500.000</code> | <code>Tủ ướp rượu Kadeka KS140TL, Sức chứa 37.7 chai, Kính chống UV, Inverter, Giá: 28.500.000</code> | <code>Tủ ướp rượu Kadeka KS140TL, Sức chứa 50.2 chai, Kính chống UV, Inverter, Giá: 28.500.000</code> | <code>Tủ ướp rượu Kadeka KS140TL, Sức chứa 51.5 chai, Kính chống UV, Inverter, Giá: 28.500.000</code> | <code>Tủ ướp rượu Kadeka KS140TL, Sức chứa 34.2 chai, Kính chống UV, Inverter, Giá: 28.500.000</code> | <code>Tủ ướp rượu Kadeka KS140TL, Sức chứa 42.1 chai, Kính chống UV, Inverter, Giá: 28.500.000</code> | <code>Nồi áp suất điện Philips HD2137, dung tích 6L, công suất 1000W, Giá: 1.755.000</code> | <code>Máy sấy tóc Panasonic EH-ND11, công suất 1600W, 2 tốc độ, Giá: 450.000</code> | <code>Tủ quần áo gỗ MDF 3 cánh, Cao 2m, Rộng 1m6, Giá: 6.500.000</code> | <code>Máy sấy Electrolux EDH802, công suất 2000W, sức chứa 8kg, Giá: 12.500.000</code> | <code>Bàn học gỗ MDF, Rộng 1m2, Ngăn kéo bên, Giá: 2.400.000</code> |
  • —Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:
json
  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }

Evaluation Dataset

Unnamed Dataset
  • —Size: 1,166 evaluation samples
  • —Columns: <code>query</code>, <code>positive</code>, <code>negative1</code>, <code>negative2</code>, <code>negative3</code>, <code>negative4</code>, <code>negative5</code>, <code>negative6</code>, <code>negative7</code>, <code>negative8</code>, <code>negative9</code>, <code>negative10</code>, <code>negative11</code>, <code>negative12</code>, <code>negative13</code>, <code>negative14</code>, and <code>negative_15</code>
  • —Approximate statistics based on the first 1000 samples: | | query | positive | negative1 | negative2 | negative3 | negative4 | negative5 | negative6 | negative7 | negative8 | negative9 | negative10 | negative11 | negative12 | negative13 | negative14 | negative_15 | |:--------|:----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------| | type | string | string | string | string | string | string | string | string | string | string | string | string | string | string | string | string | string | | details | <ul><li>min: 6 tokens</li><li>mean: 14.35 tokens</li><li>max: 27 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.84 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.97 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.92 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.96 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.89 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.86 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.85 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 28.07 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.99 tokens</li><li>max: 91 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.64 tokens</li><li>max: 110 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.43 tokens</li><li>max: 91 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.43 tokens</li><li>max: 110 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.15 tokens</li><li>max: 73 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.6 tokens</li><li>max: 96 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 27.39 tokens</li><li>max: 110 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 27.65 tokens</li><li>max: 110 tokens</li></ul> |
  • —Samples: | query | positive | negative1 | negative2 | negative3 | negative4 | negative5 | negative6 | negative7 | negative8 | negative9 | negative10 | negative11 | negative12 | negative13 | negative14 | negative_15 | |:------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------| | <code>tôi muốn xe đạp thể thao khung carbon dưới 14kg</code> | <code>Xe đạp Giant TCR Advanced 2, Khung carbon, Trọng lượng: 8.5kg, Groupset Shimano 105, Giá: 42,900,000</code> | <code>Xe đạp Giant TCR Advanced 2, Khung carbon, Trọng lượng: 19.2kg, Groupset Shimano 105, Giá: 42,900,000</code> | <code>Xe đạp Giant TCR Advanced 2, Khung carbon, Trọng lượng: 19.7kg, Groupset Shimano 105, Giá: 42,900,000</code> | <code>Xe đạp Giant TCR Advanced 2, Khung carbon, Trọng lượng: 16.1kg, Groupset Shimano 105, Giá: 42,900,000</code> | <code>Xe đạp Giant TCR Advanced 2, Khung carbon, Trọng lượng: 19.8kg, Groupset Shimano 105, Giá: 42,900,000</code> | <code>Xe đạp Giant TCR Advanced 2, Khung carbon, Trọng lượng: 16.6kg, Groupset Shimano 105, Giá: 42,900,000</code> | <code>Xe đạp Giant TCR Advanced 2, Khung carbon, Trọng lượng: 19.4kg, Groupset Shimano 105, Giá: 42,900,000</code> | <code>Xe đạp Giant TCR Advanced 2, Khung carbon, Trọng lượng: 15.7kg, Groupset Shimano 105, Giá: 42,900,000</code> | <code>Xe đạp Giant TCR Advanced 2, Khung carbon, Trọng lượng: 15.3kg, Groupset Shimano 105, Giá: 42,900,000</code> | <code>Xe đạp Giant TCR Advanced 2, Khung carbon, Trọng lượng: 17.9kg, Groupset Shimano 105, Giá: 42,900,000</code> | <code>Xe đạp Giant TCR Advanced 2, Khung carbon, Trọng lượng: 16.4kg, Groupset Shimano 105, Giá: 42,900,000</code> | <code>Bếp từ Sunhouse SHD6017, Công suất: 1400W, Mặt kính chịu lực, 8 chế độ nấu, Giá: 899,000</code> | <code>Quạt bàn Midea FZ40-15DB, công suất 60W, 3 tốc độ, Giá: 350.000</code> | <code>Máy lọc không khí Coway AP-1009CH, Diện tích phòng 33m2, Lọc HEPA, Giá: 4.200.000</code> | <code>Máy chiếu ViewSonic PA503X, Tuổi thọ 15.000h, Độ sáng 3.800 Lumens, Giá: 9.900.000</code> | <code>Bếp từ đôi Kangaroo KG499N, Công suất 2200W, Mặt kính Schott, Giá: 4.200.000</code> | | <code>mình cần máy in tốc độ trên 25 trang/phút và giá nhỏ hơn 9 triệu</code> | <code>Máy in HP LaserJet Pro M404dn, Tốc độ 30 trang/phút, Kết nối LAN, Giá: 6.800.000</code> | <code>Máy in HP LaserJet Pro M404dn, Tốc độ 30 trang/phút, Kết nối LAN, Giá: 11.000.000</code> | <code>Máy in HP LaserJet Pro M404dn, Tốc độ 30 trang/phút, Kết nối LAN, Giá: 13.000.000</code> | <code>Máy in HP LaserJet Pro M404dn, Tốc độ 30 trang/phút, Kết nối LAN, Giá: 12.000.000</code> | <code>Máy in HP LaserJet Pro M404dn, Tốc độ 30 trang/phút, Kết nối LAN, Giá: 9.968.000</code> | <code>Máy in HP LaserJet Pro M404dn, Tốc độ 30 trang/phút, Kết nối LAN, Giá: 9.979.000</code> | <code>Máy in HP LaserJet Pro M404dn, Tốc độ 30 trang/phút, Kết nối LAN, Giá: 10.000.000</code> | <code>Máy in HP LaserJet Pro M404dn, Tốc độ 30 trang/phút, Kết nối LAN, Giá: 9.467.000</code> | <code>Balo laptop Xiaomi 15.6 inch, chống nước, nhiều ngăn, Giá: 980.000</code> | <code>Máy lọc nước Karofi KAQ-U95, Công suất 780W, 10 lõi lọc, Giá: 6.500.000</code> | <code>Máy sấy tóc Panasonic EH-ND64, Công suất 1600W, 3 mức gió, Giá: 750.000</code> | <code>Tủ lạnh Samsung Inverter RT35K5982SL, Dung tích 360L, Công nghệ Twin Cooling Plus, Giá: 10.900.000</code> | <code>Máy ảnh Canon EOS M50 Mark II, Trọng lượng: 387g, Cảm biến APS-C 24.1MP, Quay 4K, Màn hình xoay lật, Giá: 15,900,000</code> | <code>Đèn năng lượng mặt trời Sunhouse SH-SOL28, công suất 28W, pin lithium 12V, Giá 650.000</code> | <code>Điện thoại Samsung Galaxy M14, pin 6000mAh, màn hình 6.6 inch, RAM 6GB, ROM 128GB, Giá 4.290.000</code> | <code>Giày Converse Chuck Taylor 1970s High, Canvas, Giá: 1.850.000</code> | | <code>Máy lọc nước công suất nhỏ hơn 1445W</code> | <code>Máy lọc nước Karofi KSI90, công suất 850W, 9 lõi lọc, tiết kiệm điện, Giá 3.790.000</code> | <code>Máy lọc nước Karofi KSI90, công suất 1900W, 9 lõi lọc, tiết kiệm điện, Giá 3.790.000</code> | <code>Máy lọc nước Karofi KSI90, công suất 2000W, 9 lõi lọc, tiết kiệm điện, Giá 3.790.000</code> | <code>Máy lọc nước Karofi KSI90, công suất 1600W, 9 lõi lọc, tiết kiệm điện, Giá 3.790.000</code> | <code>Máy lọc nước Karofi KSI90, công suất 1500W, 9 lõi lọc, tiết kiệm điện, Giá 3.790.000</code> | <code>Máy lọc nước Karofi KSI90, công suất 1700W, 9 lõi lọc, tiết kiệm điện, Giá 3.790.000</code> | <code>Máy lọc nước Karofi KSI90, công suất 2100W, 9 lõi lọc, tiết kiệm điện, Giá 3.790.000</code> | <code>Máy xay Philips HR2056, Cối 0.7L, 4 cánh thép, Giá: 650.000</code> | <code>Loa JBL PartyBox 110, Công suất 160W, Chống nước IPX4, Giá: 8.500.000</code> | <code>Lò vi sóng Electrolux 25L, công suất 900W, chức năng rã đông, Giá: 3.500.000</code> | <code>Đèn năng lượng mặt trời Sunhouse SH-SOL30, công suất 25W, pin lithium 12V, Giá: 650.000</code> | <code>Loa Sony SRS-XB23, công suất 25W, pin 12h, chống nước IP67, Giá: 3.200.000</code> | <code>Máy sấy tóc Panasonic EH-ND11, 1900W, chế độ ion âm, Giá: 785.000</code> | <code>Sofa nỉ nhập khẩu, Chiều dài 2m2, 3 chỗ ngồi, Giá: 11.500.000</code> | <code>Tủ đông Alaska BCD-3.568, Dung tích 360L, 2 ngăn đông-mát, Giá: 9.500.000</code> | <code>Gạo ST25 túi 5kg, Hạt dài, dẻo, thơm tự nhiên, Xuất xứ: Sóc Trăng, Chứng nhận OCOP, Giá: 240.000</code> |
  • —Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:
json
  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }

Training Hyperparameters

Non-Default Hyperparameters
  • —eval_strategy: steps
  • —learning_rate: 2e-05
  • —num_train_epochs: 10
  • —warmup_ratio: 0.1
  • —fp16: True
  • —batch_sampler: no_duplicates
All Hyperparameters

<details><summary>Click to expand</summary>

  • —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: 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: 10
  • —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: 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: {'minnumparams': 0, 'xla': False, 'xlafsdpv2': False, 'xlafsdpgrad_ckpt': False}
  • —fsdp_transformer_layer_cls_to_wrap: None
  • —accelerator_config: {'splitbatches': False, 'dispatchbatches': None, 'evenbatches': True, 'useseedablesampler': True, 'nonblocking': False, 'gradientaccumulationkwargs': 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: 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

</details>

Training Logs

<details><summary>Click to expand</summary>

EpochStepTraining LossValidation Losscosine_ndcg@10
-1-1--0.1885
0.07621003.4564--
0.15242002.4965--
0.22873002.4147--
0.30494002.2799--
0.38115001.9016--
0.45736001.6222--
0.53357001.5005--
0.60988001.2556--
0.68609001.2152--
0.762210001.05140.78500.5380
0.838411000.9779--
0.914612000.7901--
0.990913000.8193--
1.067114000.6562--
1.143315000.5943--
1.219516000.6152--
1.295717000.497--
1.372018000.5094--
1.448219000.3873--
1.524420000.35550.31860.6475
1.600621000.3265--
1.676822000.3788--
1.753023000.3472--
1.829324000.341--
1.905525000.3419--
1.981726000.3228--
2.057927000.3064--
2.134128000.2423--
2.210429000.2225--
2.286630000.22040.22830.6909
2.362831000.2097--
2.439032000.2072--
2.515233000.2057--
2.591534000.2142--
2.667735000.1964--
2.743936000.1807--
2.820137000.1822--
2.896338000.1836--
2.972639000.1889--
3.048840000.14870.18360.7172
3.12541000.1519--
3.201242000.1684--
3.277443000.1211--
3.353744000.1554--
3.429945000.1421--
3.506146000.1339--
3.582347000.1324--
3.658548000.138--
3.734849000.1181--
3.811050000.1390.17090.7259
3.887251000.1284--
3.963452000.1172--
4.039653000.0993--
4.115954000.1183--
4.192155000.0865--
4.268356000.0926--
4.344557000.0973--
4.420758000.1106--
4.497059000.1024--
4.573260000.08420.14390.7421
4.649461000.0927--
4.725662000.0867--
4.801863000.1022--
4.878064000.1124--
4.954365000.0839--
5.030566000.1063--
5.106767000.0764--
5.182968000.0687--
5.259169000.0863--
5.335470000.08040.11850.7501
5.411671000.0726--
5.487872000.0627--
5.564073000.0644--
5.640274000.0682--
5.716575000.0713--
5.792776000.0753--
5.868977000.0815--
5.945178000.0663--
6.021379000.083--
6.097680000.06820.12620.7626
6.173881000.0711--
6.2582000.0581--
6.326283000.0655--
6.402484000.0612--
6.478785000.0714--
6.554986000.0509--
6.631187000.0486--
6.707388000.0456--
6.783589000.0724--
6.859890000.05960.10490.7675
6.936091000.0424--
7.012292000.0617--
7.088493000.0484--
7.164694000.0506--
7.240995000.0561--
7.317196000.0502--
7.393397000.0357--
7.469598000.0476--
7.545799000.0379--
7.6220100000.04550.10630.7706
7.6982101000.0479--
7.7744102000.0605--
7.8506103000.0486--
7.9268104000.0591--
8.0030105000.0445--
8.0793106000.0369--
8.1555107000.041--
8.2317108000.0449--
8.3079109000.0387--
8.3841110000.02630.10800.7706
8.4604111000.0248--
8.5366112000.0475--
8.6128113000.056--
8.6890114000.0401--
8.7652115000.043--
8.8415116000.0447--
8.9177117000.0461--
8.9939118000.0436--
9.0701119000.0373--
9.1463120000.04980.10150.7761
9.2226121000.0284--
9.2988122000.0421--
9.375123000.0327--
9.4512124000.0476--
9.5274125000.0381--
9.6037126000.0377--
9.6799127000.0449--
9.7561128000.0344--
9.8323129000.0249--
9.9085130000.04110.09930.7760
9.9848131000.0466--

</details>

Framework Versions

  • —Python: 3.11.13
  • —Sentence Transformers: 4.1.0
  • —Transformers: 4.52.4
  • —PyTorch: 2.6.0+cu124
  • —Accelerate: 1.8.1
  • —Datasets: 3.6.0
  • —Tokenizers: 0.21.2

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
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}
}

<!--

Glossary

Clearly define terms in order to be accessible across audiences. -->

<!--

Model Card Authors

Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction. -->

<!--

Model Card Contact

Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors. -->