File size: 48,061 Bytes
5d302d6 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 |
---
language:
- en
license: apache-2.0
library_name: sentence-transformers
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:10248
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
base_model: bkai-foundation-models/vietnamese-bi-encoder
datasets: []
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
widget:
- source_sentence: Tại khoản 1, Điều 5. Nghị định số 03/2016/NĐ-CP ngày 05/01/2016
của Chính phủ quy định Hồ sơ thành lập đơn vị tự vệ trong doanh nghiệp như sau:a)
Văn bản đề nghị thành lập đơn vị tự vệ của người quản lý doanh nghiệp;b) Kế hoạch
xây dựng lực lượng tự vệ của doanh nghiệp;c) Danh sách cán bộ, công chức, viên
chức, người lao động tham gia tổ chức tự vệ của doanh nghiệp;d) Văn bản của cơ
quan chức năng thẩm định việc thành lập tự vệ của doanh nghiệp.
sentences:
- "Căn cứ pháp lý thủ tục thay đổi nội dung đăng ký hoạt động của Văn phòng công\
\ chứng \nnhận sáp nhập?"
- Doanh nghiệp muốn thực hiện phân loại trang thiết bị y tế thì phải làm như thế
nào?
- Hồ sơ thành lập đơn vị tự vệ trong doanh nghiệp được quy định như thế nào?
- source_sentence: Căn cứ Khoản 2 Điều 11 “Điều kiện về an ninh, trật tự đối với kinh
doanh dịch vụ bảo vệ” của Nghị định số 96/2016/NĐ-CP ngày 01/7/2016 của Chính
phủ quy định điều kiện về an ninh, trật tự đối với một số ngành, nghề đầu tư kinh
doanh có điều kiện “Người chịu trách nhiệm về an ninh, trật tự của cơ sở kinh
doanh dịch vụ bảo vệ ….. không phải là người chịu trách nhiệm về an ninh, trật
tự của cơ sở kinh doanh dịch vụ bảo vệ mà trong 24 tháng liền kề trước đó đã bị
thu hồi không có thời hạn Giấy chứng nhận đủ điều kiện về an ninh, trật tự” .Như
vậy, anh có thể thành lập công ty mới kinh doanh dịch vụ bảo vệ theo quy định
của pháp luật.
sentences:
- Trong thời hạn bao nhiêu ngày làm việc kể từ ngày nhận được thông báo hoàn tất
việc mua bán, chuyển nhượng Phần vốn góp của tổ chức tài chính vi mô, Ngân hàng
Nhà nước ra quyết định sửa đổi, bổ sung Giấy phép của tổ chức tài chính vi mô?
- Công ty kinh doanh nhân viên bảo vệ của tôi đã từng bị thu hồi không thời hạn
Giấy chứng nhận đủ điều kiện về an ninh trật tự cách đây 2 năm. Hiện giờ tôi muốn
thành lập công ty mới thì có được không?
- 'Thủ tục: Điều chỉnh tên dự án đầu tư, tên và địa chỉ nhà đầu tư trong Giấy chứng
nhận đăng ký đầu tư gồm các thành phần hồ sơ nào?'
- source_sentence: Quy trình tạo và gửi hồ sơ thủ tục hành chính gồm các bước sau:(i)
Truy cập và đăng nhập vào trang dịch vụ công bằng tài khoản được cấp(ii) Lựa chọn
loại TTHC đề nghị khen thưởng(iii) Tải các thành phần hồ sơ của TTHC lên dịch
vụ công(iv) Xác nhận việc tạo mới hồ sơ và chuyển cho lãnh đạo phê duyệt(v) Lãnh
đạo đăng nhập bằng tài khoản được cấp và phê duyệt gửi hồ sơ
sentences:
- Quy định đối với người nước ngoài và hoạt động kinh tế ở khu vực bảo vệ và vành
đai an toàn?
- Hồ sơ đề nghị cấp Giấy chứng nhận doanh nghiệp công nghệ cao gồm những gì và được
nộp ở đâu?
- Quy trình tạo và gửi một hồ sơ TTHC trên dịch vụ công gồm những bước nào?
- source_sentence: Mẫu số 02 Thông tư số 02/2013/TT-BNV.
sentences:
- Thời gian xử lý các thủ tục chứng thư số là bao lâu?
- Tố cáo cán bộ, công chức, viên chức trong cơ quan mà hiện nay cơ quan đó đã giải
thể thì ai là người giải quyết?
- Điều lệ mẫu của quỹ xã hội, quỹ từ thiện được quy định ở văn bản nào?
- source_sentence: '<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span
style="color:black;">Căn cứ Điều 108, Luật Thú y số 79/2015/QH 13 ngày 19/6/2015
của Quốc hội và Điều 21 Nghị định số 35/2016/NĐ-CP ngày 15/5/2016 của Chính phủ
quy định về hành nghề thú y như sau;</span></p>
<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><strong><span
style="color:black;">1. Điều kiện hành nghề thú y:</span></strong></p>
<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span
style="color:black;">- Có đạo đức nghề nghiệp;</span></p>
<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span
style="color:black;">- Có đủ sức khỏe hành nghề.</span></p>
<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span
style="letter-spacing:-.2pt;"><span style="color:black;">- Có Chứng chỉ hành nghề
thú y phù hợp với từng loại hình hành nghề thú y.</span></span></p>
<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><strong><span
style="color:black;">2. Điều kiện để cấp chứng chỉ hành nghề thú y:</span></strong></p>
<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span
style="color:black;">a. </span><span style="color:black;">Người hành nghề
chẩn đoán, chữa bệnh, phẫu thuật động vật, tư vấn các hoạt động liên quan đến
lĩnh vực thú y tối thiểu phải có bằng trung cấp chuyên ngành thú y, chăn nuôi
thú y hoặc trung cấp nuôi </span><span style="color:black;">tr</span><span
style="color:black;">ồng thủy sản, bệnh học thủy sản đối với hành nghề thú
y thủy sản. Người hành nghề tiêm phòng cho động vật phải có chứng chỉ tốt nghiệp
lớp đào tạo về kỹ thuật do cơ quan quản lý nhà nước có thẩm quyền cấp tỉnh cấp.</span></p>
<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span
style="color:black;">b. Người phụ trách kỹ thuật của cơ sở phẫu thuật
động vật, khám bệnh, chẩn đoán bệnh, xét nghiệm bệnh động vật phải có bằng đại
học trở lên chuyên ngành thú y, chăn nuôi thú y hoặc nuôi trồng thủy
sản, bệnh học thủy sản đối với hành nghề thú y thủy sản.</span></p>
<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span
style="color:black;">c. Người buôn bán thuốc thú y phải có bằng trung cấp
trở lên chuyên ngành thú y, chăn nuôi thú y hoặc trung cấp nuôi trồng thủy
sản, bệnh học thủy sản đối với hành nghề thú y thủy sản.</span></p>'
sentences:
- Căn cứ pháp lý thủ tục cấp Giấy chứng nhận tổ chức đủ điều kiện hoạt động
giám định sở hữu công nghiệp
- 'Điều kiện để hành nghề và cấp chứng chỉ hành nghề thú y đối với các loại hình:
Tiêm phòng, chữa bệnh, phẫu thuật động vật; tư vấn các hoạt động liên quan đến
lĩnh vực thú y; khám bệnh, chẩn đoán bệnh, xét nghiệm bệnh động vật; buôn bán
thuốc thú y?'
- Trường hợp đã có chứng thư số ký duyệt nghiệp vụ dịch vụ công liên quan đến chứng
thư số, nếu người sử dụng muốn đăng ký để ký duyệtnghiệp vụ dịch vụ công khác
như Mã ngân hàng, Thanh toán liên ngân hàng (TTLNH), Thi đua – Khen thưởng, Thanh
toán thì cần phải làm thủ tục gì?
pipeline_tag: sentence-similarity
model-index:
- name: vietnamese-bi-encoder Financial Matryoshka - 2
results:
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 768
type: dim_768
metrics:
- type: cosine_accuracy@1
value: 0.5329236172080772
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.6988586479367866
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7603160667251976
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8138718173836699
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5329236172080772
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.2329528826455955
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.1520632133450395
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08138718173836698
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5329236172080772
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.6988586479367866
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7603160667251976
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8138718173836699
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.6735784668494285
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6285285756093483
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6338528205835894
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 512
type: dim_512
metrics:
- type: cosine_accuracy@1
value: 0.5364354697102721
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.6997366110623354
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.762071992976295
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8086040386303776
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5364354697102721
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.23324553702077844
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.152414398595259
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08086040386303775
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5364354697102721
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.6997366110623354
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.762071992976295
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8086040386303776
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.6733400704768767
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6297514528199337
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6355829264231957
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 256
type: dim_256
metrics:
- type: cosine_accuracy@1
value: 0.5311676909569798
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.6892010535557507
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7550482879719052
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8068481123792801
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5311676909569798
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.22973368451858353
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.15100965759438104
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08068481123792799
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5311676909569798
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.6892010535557507
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7550482879719052
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8068481123792801
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.6689063830436761
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.624737307858467
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6307311118555528
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 128
type: dim_128
metrics:
- type: cosine_accuracy@1
value: 0.5074626865671642
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.6681299385425812
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7339771729587358
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.7998244073748902
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5074626865671642
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.22270997951419372
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.14679543459174713
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.07998244073748902
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5074626865671642
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.6681299385425812
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7339771729587358
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.7998244073748902
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.6520119825054099
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6049092771436932
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6107424205763605
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 64
type: dim_64
metrics:
- type: cosine_accuracy@1
value: 0.47146619841966636
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.6347673397717296
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.6918349429323969
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.7638279192273925
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.47146619841966636
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.2115891132572432
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.13836698858647933
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.07638279192273925
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.47146619841966636
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.6347673397717296
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.6918349429323969
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.7638279192273925
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.6148557873571111
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.5675923603272155
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.5737454249088845
name: Cosine Map@100
---
# vietnamese-bi-encoder Financial Matryoshka - 2
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [bkai-foundation-models/vietnamese-bi-encoder](https://huggingface.co/bkai-foundation-models/vietnamese-bi-encoder). 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:** [bkai-foundation-models/vietnamese-bi-encoder](https://huggingface.co/bkai-foundation-models/vietnamese-bi-encoder) <!-- at revision 84f9d9ada0d1a3c37557398b9ae9fcedcdf40be0 -->
- **Maximum Sequence Length:** 256 tokens
- **Output Dimensionality:** 768 tokens
- **Similarity Function:** Cosine Similarity
<!-- - **Training Dataset:** Unknown -->
- **Language:** en
- **License:** apache-2.0
### Model Sources
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
### 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("anhtuansh/vietnamese-bi-encoder-financial-matryoshka-2")
# Run inference
sentences = [
'<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span style="color:black;">Căn cứ Điều 108, Luật Thú y số 79/2015/QH 13 ngày 19/6/2015 của Quốc hội và Điều 21 Nghị định số 35/2016/NĐ-CP ngày 15/5/2016 của Chính phủ quy định về hành nghề thú y như sau;</span></p>\n\n<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><strong><span style="color:black;">1. Điều kiện hành nghề thú y:</span></strong></p>\n\n<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span style="color:black;">- Có đạo đức nghề nghiệp;</span></p>\n\n<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span style="color:black;">- Có đủ sức khỏe hành nghề.</span></p>\n\n<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span style="letter-spacing:-.2pt;"><span style="color:black;">- Có Chứng chỉ hành nghề thú y phù hợp với từng loại hình hành nghề thú y.</span></span></p>\n\n<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><strong><span style="color:black;">2. Điều kiện để cấp chứng chỉ hành nghề thú y:</span></strong></p>\n\n<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span style="color:black;">a. </span><span style="color:black;">Người hành nghề chẩn đoán, chữa bệnh, phẫu thuật động vật, tư vấn các hoạt động liên quan đến lĩnh vực thú y tối thiểu phải có bằng trung cấp chuyên ngành thú y, chăn nuôi thú y hoặc trung cấp nuôi </span><span style="color:black;">tr</span><span style="color:black;">ồng thủy sản, bệnh học thủy sản đối với hành nghề thú y thủy sản. Người hành nghề tiêm phòng cho động vật phải có chứng chỉ tốt nghiệp lớp đào tạo về kỹ thuật do cơ quan quản lý nhà nước có thẩm quyền cấp tỉnh cấp.</span></p>\n\n<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span style="color:black;">b. Người phụ trách kỹ thuật của cơ sở phẫu thuật động vật, khám bệnh, chẩn đoán bệnh, xét nghiệm bệnh động vật phải có bằng đại học trở lên chuyên ngành thú y, chăn nuôi thú y hoặc nuôi trồng thủy sản, bệnh học thủy sản đối với hành nghề thú y thủy sản.</span></p>\n\n<p style="margin-top:6.0pt;text-align:justify;text-indent:36.0pt;line-height:16.0pt;background:white;"><span style="color:black;">c. Người buôn bán thuốc thú y phải có bằng trung cấp trở lên chuyên ngành thú y, chăn nuôi thú y hoặc trung cấp nuôi trồng thủy sản, bệnh học thủy sản đối với hành nghề thú y thủy sản.</span></p>',
'Điều kiện để hành nghề và cấp chứng chỉ hành nghề thú y đối với các loại hình: Tiêm phòng, chữa bệnh, phẫu thuật động vật; tư vấn các hoạt động liên quan đến lĩnh vực thú y; khám bệnh, chẩn đoán bệnh, xét nghiệm bệnh động vật; buôn bán thuốc thú y?',
'Trường hợp đã có chứng thư số ký duyệt nghiệp vụ dịch vụ công liên quan đến chứng thư số, nếu người sử dụng muốn đăng ký để ký duyệtnghiệp vụ dịch vụ công khác như Mã ngân hàng, Thanh toán liên ngân hàng (TTLNH), Thi đua – Khen thưởng, Thanh toán thì cần phải làm thủ tục gì?',
]
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
* Dataset: `dim_768`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.5329 |
| cosine_accuracy@3 | 0.6989 |
| cosine_accuracy@5 | 0.7603 |
| cosine_accuracy@10 | 0.8139 |
| cosine_precision@1 | 0.5329 |
| cosine_precision@3 | 0.233 |
| cosine_precision@5 | 0.1521 |
| cosine_precision@10 | 0.0814 |
| cosine_recall@1 | 0.5329 |
| cosine_recall@3 | 0.6989 |
| cosine_recall@5 | 0.7603 |
| cosine_recall@10 | 0.8139 |
| cosine_ndcg@10 | 0.6736 |
| cosine_mrr@10 | 0.6285 |
| **cosine_map@100** | **0.6339** |
#### Information Retrieval
* Dataset: `dim_512`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.5364 |
| cosine_accuracy@3 | 0.6997 |
| cosine_accuracy@5 | 0.7621 |
| cosine_accuracy@10 | 0.8086 |
| cosine_precision@1 | 0.5364 |
| cosine_precision@3 | 0.2332 |
| cosine_precision@5 | 0.1524 |
| cosine_precision@10 | 0.0809 |
| cosine_recall@1 | 0.5364 |
| cosine_recall@3 | 0.6997 |
| cosine_recall@5 | 0.7621 |
| cosine_recall@10 | 0.8086 |
| cosine_ndcg@10 | 0.6733 |
| cosine_mrr@10 | 0.6298 |
| **cosine_map@100** | **0.6356** |
#### Information Retrieval
* Dataset: `dim_256`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.5312 |
| cosine_accuracy@3 | 0.6892 |
| cosine_accuracy@5 | 0.755 |
| cosine_accuracy@10 | 0.8068 |
| cosine_precision@1 | 0.5312 |
| cosine_precision@3 | 0.2297 |
| cosine_precision@5 | 0.151 |
| cosine_precision@10 | 0.0807 |
| cosine_recall@1 | 0.5312 |
| cosine_recall@3 | 0.6892 |
| cosine_recall@5 | 0.755 |
| cosine_recall@10 | 0.8068 |
| cosine_ndcg@10 | 0.6689 |
| cosine_mrr@10 | 0.6247 |
| **cosine_map@100** | **0.6307** |
#### Information Retrieval
* Dataset: `dim_128`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.5075 |
| cosine_accuracy@3 | 0.6681 |
| cosine_accuracy@5 | 0.734 |
| cosine_accuracy@10 | 0.7998 |
| cosine_precision@1 | 0.5075 |
| cosine_precision@3 | 0.2227 |
| cosine_precision@5 | 0.1468 |
| cosine_precision@10 | 0.08 |
| cosine_recall@1 | 0.5075 |
| cosine_recall@3 | 0.6681 |
| cosine_recall@5 | 0.734 |
| cosine_recall@10 | 0.7998 |
| cosine_ndcg@10 | 0.652 |
| cosine_mrr@10 | 0.6049 |
| **cosine_map@100** | **0.6107** |
#### Information Retrieval
* Dataset: `dim_64`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.4715 |
| cosine_accuracy@3 | 0.6348 |
| cosine_accuracy@5 | 0.6918 |
| cosine_accuracy@10 | 0.7638 |
| cosine_precision@1 | 0.4715 |
| cosine_precision@3 | 0.2116 |
| cosine_precision@5 | 0.1384 |
| cosine_precision@10 | 0.0764 |
| cosine_recall@1 | 0.4715 |
| cosine_recall@3 | 0.6348 |
| cosine_recall@5 | 0.6918 |
| cosine_recall@10 | 0.7638 |
| cosine_ndcg@10 | 0.6149 |
| cosine_mrr@10 | 0.5676 |
| **cosine_map@100** | **0.5737** |
<!--
## 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: 10,248 training samples
* Columns: <code>positive</code> and <code>anchor</code>
* Approximate statistics based on the first 1000 samples:
| | positive | anchor |
|:--------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 4 tokens</li><li>mean: 150.46 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 6 tokens</li><li>mean: 37.63 tokens</li><li>max: 210 tokens</li></ul> |
* Samples:
| positive | anchor |
|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>Theo quy định tại Điều 7, Nghị định số 15/2018/NĐ-CP của Chính phủ về hướng dẫn Luật ATTP. Đối với sản phẩm sản xuất trong nước Hồ sơ đăng ký bản công bố sản phẩm gồm:a) Bản công bố sản phẩm được quy định tại Mẫu số 02 Phụ lục I ban hành kèm theo Nghị định số 15/2018/NĐ-CP của Chính phủ;b) Phiếu kết quả kiểm nghiệm an toàn thực phẩm của sản phẩm trong thời hạn 12 tháng tính đến ngày nộp hồ sơ được cấp bởi phòng kiểm nghiệm được chỉ định hoặc phòng kiểm nghiệm được công nhận phù hợp ISO 17025 gồm các chỉ tiêu an toàn do Bộ Y tế ban hành theo nguyên tắc quản lý rủi ro phù hợp với quy định của quốc tế hoặc các chỉ tiêu an toàn theo các quy chuẩn, tiêu chuẩn tương ứng do tổ chức, cá nhân công bố trong trường hợp chưa có quy định của Bộ Y tế (bản chính hoặc bản sao chứng thực);c) Bằng chứng khoa học chứng minh công dụng của sản phẩm hoặc của thành phần tạo nên công dụng đã công bố (bản chính hoặc bản sao có xác nhận của tổ chức, cá nhân). Khi sử dụng bằng chứng khoa học về công dụng thành phần của sản phẩm để làm công dụng cho sản phẩm thì liều sử dụng hàng ngày của sản phẩm tối thiểu phải lớn hơn hoặc bằng 15% lượng sử dụng thành phần đó đã nêu trong tài liệu;d) Giấy chứng nhận cơ sở đủ điều kiện an toàn thực phẩm trong trường hợp cơ sở thuộc đối tượng phải cấp giấy chứng nhận cơ sở đủ điều kiện an toàn thực phẩm theo quy định (bản sao có xác nhận của tổ chức, cá nhân);đ) Giấy chứng nhận cơ sở đủ điều kiện an toàn thực phẩm đạt yêu cầu Thực hành sản xuất tốt (GMP) trong trường hợp sản phẩm sản xuất trong nước là thực phẩm bảo vệ sức khỏe áp dụng từ ngày 01 tháng 7 năm 2019 (bản sao có xác nhận của tổ chức, cá nhân).</code> | <code>Hồ sơ công bố đối với nhóm thực phẩm bảo vệ sức khỏe sản xuất trong nước gồm những nội dung gì.</code> |
| <code>Điểm ưu tiên về đối tượng, khu vực của thí sinh phải đúng quy chế của Bộ Giáo dục và Đào tạo, thống nhất và trùng khớp giữa hồ sơ sơ tuyển và hồ sơ xét tuyển. Khi phát hiện có sự sai sót về chế độ ưu tiên, thí sinh phải liên hệ với cơ quan đăng ký hồ sơ để điều chỉnh, cụ thể:- Về hồ sơ sơ tuyển: Thí sinh phải liên hệ với Ban Chỉ huy Quân sự huyện (trung đoàn hoặc tương đương) để được điều chỉnh, xác nhận và gửi về trường mình đăng ký.- Về hồ sơ xét tuyển: Thí sinh phải liên hệ với Sở Giáo dục và Đào tạo nơi thí sinh đăng ký dự Kỳ thi trung học phổ thông quốc gia để được điều chỉnh.</code> | <code>Nếu sai sót về chế độ ưu tiên theo đối tượng hoặc chế độ ưu tiên theo khu vực trong quá trình kê khai hồ sơ sơ tuyển, xét tuyển thí sinh phải liên hệ ở đâu để được điều chỉnh?</code> |
| <code>Theo quy định tại Nghị định số 88/2014/NĐ-CP, Tổng Giám đốc, thành viên Hội đồng xếp hạng tín nhiệm, chuyên viên phân tích phải có trình độ từ đại học trở lên thuộc chuyên ngành kinh tế, tài chính, ngân hàng, kế toán, kiểm toán, thống kê, quản trị kinh doanh hoặc chuyên ngành thuộc lĩnh vực kinh doanh của tổ chức được xếp hạng tín nhiệm. Theo đó, khi cung cấp hồ sơ về Tổng Giám đốc, thành viên Hội đồng xếp hạng tín nhiệm, chuyên viên phân tích, doanh nghiệp cần cung cấp bằng cấp đáp ứng điều kiện quy định tại Nghị định số 88/2014/NĐ-CP.</code> | <code>Về hồ sơ của Tổng Giám đốc, thành viên Hội đồng xếp hạng tín nhiệm, chuyên viên phân tích, trường hợp đã cung cấp bằng đại học của người lao động đáp ứng chuyên ngành theo quy định tại Nghị định số 88/2014/NĐ-CP có cần cung cấp các bằng cấp khác như bằng thạc sĩ, tiến sĩ hay không?</code> |
* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
```json
{
"loss": "MultipleNegativesRankingLoss",
"matryoshka_dims": [
768,
512,
256,
128,
64
],
"matryoshka_weights": [
1,
1,
1,
1,
1
],
"n_dims_per_step": -1
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: epoch
- `per_device_train_batch_size`: 32
- `per_device_eval_batch_size`: 16
- `gradient_accumulation_steps`: 32
- `learning_rate`: 2e-05
- `num_train_epochs`: 10
- `lr_scheduler_type`: cosine
- `warmup_ratio`: 0.1
- `fp16`: True
- `tf32`: False
- `load_best_model_at_end`: True
- `optim`: adamw_torch_fused
- `batch_sampler`: no_duplicates
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `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`: 32
- `eval_accumulation_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`: 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`: False
- `fp16`: True
- `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`: 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
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
| Epoch | Step | Training Loss | dim_128_cosine_map@100 | dim_256_cosine_map@100 | dim_512_cosine_map@100 | dim_64_cosine_map@100 | dim_768_cosine_map@100 |
|:----------:|:-------:|:-------------:|:----------------------:|:----------------------:|:----------------------:|:---------------------:|:----------------------:|
| 0.9969 | 10 | 3.4117 | 0.5202 | 0.5352 | 0.5441 | 0.4739 | 0.5412 |
| 1.9938 | 20 | 1.8953 | 0.5655 | 0.5913 | 0.5970 | 0.5291 | 0.6007 |
| 2.9907 | 30 | 1.2229 | 0.5828 | 0.6072 | 0.6140 | 0.5454 | 0.6193 |
| 3.9875 | 40 | 0.81 | 0.5936 | 0.6202 | 0.6224 | 0.5576 | 0.6268 |
| 4.9844 | 50 | 0.594 | 0.6039 | 0.6246 | 0.6303 | 0.5656 | 0.6285 |
| 5.9813 | 60 | 0.4648 | 0.6056 | 0.6267 | 0.6346 | 0.5693 | 0.6313 |
| 6.9782 | 70 | 0.3797 | 0.6092 | 0.6292 | 0.6357 | 0.5724 | 0.6333 |
| 7.9751 | 80 | 0.3436 | 0.6101 | 0.6299 | 0.6360 | 0.5728 | 0.6339 |
| 8.9720 | 90 | 0.3227 | 0.6102 | 0.6306 | 0.6360 | 0.5746 | 0.6339 |
| **9.9688** | **100** | **0.3198** | **0.6107** | **0.6307** | **0.6356** | **0.5737** | **0.6339** |
* The bold row denotes the saved checkpoint.
### Framework Versions
- Python: 3.10.13
- Sentence Transformers: 3.0.1
- Transformers: 4.41.2
- PyTorch: 2.1.2
- Accelerate: 0.29.3
- Datasets: 2.19.1
- 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",
}
```
#### 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}
}
```
<!--
## 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.*
--> |