README.md

metadata

language:
  - vi
license: apache-2.0
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:1391
  - loss:MultipleNegativesRankingLoss
base_model: keepitreal/vietnamese-sbert
widget:
  - source_sentence: >-
      Bộ Công Thương chịu trách nhiệm quản lý nhà nước đối với máy, thiết bị,
      vật tư, chất có yêu cầu nghiêm ngặt về an toàn, vệ sinh lao động có liên
      quan đến thiết bị áp lực, thiết bị nâng đặc thù chuyên ngành công nghiệp,
      hóa chất, vật liệu nổ công nghiệp, trang thiết bị khai thác mỏ, dầu khí,
      trừ các thiết bị, phương tiện thăm dò, khai thác trên biển.
    sentences:
      - >-
        Bộ Công Thương chịu trách nhiệm quản lý những gì liên quan đến an toàn,
        vệ sinh lao động?
      - >-
        Ngoài các hình thức xử phạt, cá nhân, tổ chức vi phạm hành chính còn có
        thể bị áp dụng những biện pháp khắc phục hậu quả nào?
      - >-
        Quyết định xử phạt vi phạm hành chính cần được gửi đến Bộ trưởng Bộ Lao
        động - Thương binh và Xã hội trong trường hợp nào?
  - source_sentence: >-
      Ngườisửdụnglaođộngthựchiệnđầyđủcácchếđộbảohộlaođộngvàchămsócsứckhỏeđốivớingười
      laođộnglàmnghề, côngviệcnặngnhọc, độchại, nguyhiểmvànghề,
      côngviệcđặcbiệtnặngnhọc, độchại, nguyhiểmtheoquyđịnhcủaphápluật.
    sentences:
      - >-
        Trung tâm giới thiệu việc làm được thành lập trước ngày Luật này có hiệu
        lực thi hành sẽ thay đổi như thế nào?
      - >-
        Người sử dụng lao động có trách nhiệm gì đối với người lao động làm công
        việc nặng nhọc, độc hại, nguy hiểm?
      - >-
        "Quyết định về đưa người lao động Việt Nam đi làm việc ở nước ngoài theo
        hợp đồng" được định nghĩa như thế nào?
  - source_sentence: >-
      Từ 40.000.000 đồng đến 50.000.000 đồng đối với vi phạm từ 301 người trở
      lên.
    sentences:
      - >-
        Mức phạt tiền đối với hành vi không tổ chức khám sức khỏe cho người lao
        động trước khi chuyển sang làm nghề, công việc nặng nhọc, độc hại, nguy
        hiểm hơn là bao nhiêu?
      - Những loại thông tin thị trường lao động nào cần được bảo mật?
      - >-
        Mức phạt cao nhất cho hành vi không tổ chức huấn luyện an toàn lao động
        là bao nhiêu?
  - source_sentence: >-
      Phạt tiền từ 80. 000. 000 đồng đến 100. 000. 000 đồng khi có một trong các
      hành vi sau đây: c ) Không tổ chức quản lý, bảo vệ quyền và lợi ích hợp
      pháp của người lao động do doanh nghiệp đưa đi làm việc ở nước ngoài theo
      quy định của pháp luật.
    sentences:
      - >-
        Công đoàn cơ sở có vai trò gì trong việc tập huấn, huấn luyện an toàn,
        vệ sinh lao động?
      - '"Quyết định về lao động" được định nghĩa như thế nào?'
      - >-
        Nếu doanh nghiệp không tổ chức quản lý và bảo vệ quyền lợi hợp pháp của
        người lao động ở nước ngoài, họ sẽ bị phạt bao nhiêu?
  - source_sentence: >-
      Tước quyền sử dụng Giấy phép hoạt động cho thuê lại lao động có thời hạn
      từ 06 tháng đến 12 tháng đối với hành vi vi phạm quy định tại các điểm c
      khoản 6 Điều này.
    sentences:
      - >-
        Người sử dụng lao động phải tham gia bảo hiểm thất nghiệp cho người lao
        động trong thời hạn bao lâu kể từ ngày hợp đồng lao động có hiệu lực?
      - >-
        Mức phạt tiền đối với bên thuê lại lao động khi không tổ chức huấn luyện
        an toàn, vệ sinh lao động cho người lao động thuê lại theo quy định của
        pháp luật là bao nhiêu?
      - >-
        Hình thức xử phạt bổ sung cho hành vi cho thuê lại lao động quá 12 tháng
        là gì?
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - cosine_accuracy@1
  - cosine_accuracy@3
  - cosine_accuracy@5
  - cosine_accuracy@10
  - cosine_precision@1
  - cosine_precision@3
  - cosine_precision@5
  - cosine_precision@10
  - cosine_recall@1
  - cosine_recall@3
  - cosine_recall@5
  - cosine_recall@10
  - cosine_ndcg@10
  - cosine_mrr@10
  - cosine_map@100
model-index:
  - name: vietnamese-sbert-base-law
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 768
          type: dim_768
        metrics:
          - type: cosine_accuracy@1
            value: 0.3870967741935484
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.4838709677419355
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.5548387096774193
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.6451612903225806
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.3870967741935484
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.16129032258064516
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.11096774193548387
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.06451612903225806
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.3870967741935484
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.4838709677419355
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.5548387096774193
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.6451612903225806
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.49965914022530916
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.45487199180747573
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.4610035889963774
            name: Cosine Map@100

vietnamese-sbert-base-law

This is a sentence-transformers model finetuned from keepitreal/vietnamese-sbert on the json 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: keepitreal/vietnamese-sbert
• Maximum Sequence Length: 256 tokens
• Output Dimensionality: 768 dimensions
• Similarity Function: Cosine Similarity
• Training Dataset:
  • json
• Language: vi
• License: apache-2.0

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.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("hivetechVN/vietnamese-sbert-base-law-768-v2")
# Run inference
sentences = [
    'Tước quyền sử dụng Giấy phép hoạt động cho thuê lại lao động có thời hạn từ 06 tháng đến 12 tháng đối với hành vi vi phạm quy định tại các điểm c khoản 6 Điều này.',
    'Hình thức xử phạt bổ sung cho hành vi cho thuê lại lao động quá 12 tháng là gì?',
    'Người sử dụng lao động phải tham gia bảo hiểm thất nghiệp cho người lao động trong thời hạn bao lâu kể từ ngày hợp đồng lao động có hiệu lực?',
]
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

• Dataset: dim_768
• Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.3871
cosine_accuracy@3	0.4839
cosine_accuracy@5	0.5548
cosine_accuracy@10	0.6452
cosine_precision@1	0.3871
cosine_precision@3	0.1613
cosine_precision@5	0.111
cosine_precision@10	0.0645
cosine_recall@1	0.3871
cosine_recall@3	0.4839
cosine_recall@5	0.5548
cosine_recall@10	0.6452
cosine_ndcg@10	0.4997
cosine_mrr@10	0.4549
cosine_map@100	0.461

Training Details

Training Dataset

json

• Dataset: json
• Size: 1,391 training samples
• Columns: positive and anchor
• Approximate statistics based on the first 1000 samples:

  	positive	anchor
  type	string	string
  details	min: 5 tokens mean: 54.23 tokens max: 256 tokens	min: 10 tokens mean: 27.5 tokens max: 78 tokens

• Samples:

  positive	anchor
  Người sử dụng lao động có trách nhiệm tổ chức đào tạo, bồi dưỡng, nâng cao trình độ kỹ năng nghề và sử dụng lao động theo phương án đã được phê duyệt; sử dụng nguồn kinh phí đúng đối tượng, đúng mục đích và thực hiện báo cáo kết quả tổ chức đào tạo cho cơ quan nhà nước có thẩm quyền sau khi kết thúc khóa đào tạo, bồi dưỡng, nâng cao trình độ kỹ năng nghề.	Người sử dụng lao động có trách nhiệm gì trong việc đào tạo, bồi dưỡng, nâng cao trình độ kỹ năng nghề cho người lao động?
  Thành phố Trà Vinh thuộc tỉnh Trà Vinh.	Địa phương nào của tỉnh Trà Vinh được xếp vào Vùng II?
  Chánh Thanh tra Sở Lao động - Thương binh và Xã hội, nơi người sử dụng lao động đặt trụ sở chính có thẩm quyền giải quyết khiếu nại lần hai đối với khiếu nại về lao động, an toàn, vệ sinh lao động khi người khiếu nại không đồng ý với quyết định giải quyết lần đầu theo quy định tại Điều 23 hoặc đã hết thời hạn quy định tại Điều 20 Nghị định này mà khiếu nại không được giải quyết.	Ai có thẩm quyền giải quyết khiếu nại lần hai đối với khiếu nại về lao động, an toàn, vệ sinh lao động?

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: epoch
• per_device_train_batch_size: 32
• per_device_eval_batch_size: 16
• gradient_accumulation_steps: 16
• learning_rate: 2e-05
• num_train_epochs: 4
• lr_scheduler_type: cosine
• warmup_ratio: 0.1
• bf16: True
• tf32: False
• 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: epoch
• prediction_loss_only: True
• per_device_train_batch_size: 32
• per_device_eval_batch_size: 16
• per_gpu_train_batch_size: None
• per_gpu_eval_batch_size: None
• gradient_accumulation_steps: 16
• 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: 4
• 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: False
• 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}
• 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
• 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

Epoch	Step	dim_768_cosine_ndcg@10
1.0	3	0.4975
2.0	6	0.4981
2.7273	8	0.4997

• The bold row denotes the saved checkpoint.

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

@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

@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}
}