File size: 68,600 Bytes
64b04e0 |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 |
---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:54755
- loss:OnlineContrastiveLoss
base_model: intfloat/multilingual-e5-large
widget:
- source_sentence: 'Chế độ sinh hoạt & phòng ngừa viêm đường hô hấp trên Những thói
quen sinh hoạt có thể giúp bạn hạn chế diễn tiến của viêm đường hô hấp trên Chế
độ sinh hoạt: Tuân thủ theo hướng dẫn của bác sĩ trong việc điều trị. Duy trì
lối sống tích cực, hạn chế sự căng thẳng. Liên hệ ngay với bác sĩ khi cơ thể có
những bất thường trong quá trình điều trị. Thăm khám định kỳ để được theo dõi
tình trạng sức khỏe, diễn tiến của bệnh và để bác sĩ tìm hướng điều trị phù hợp
trong thời gian tiếp theo nếu bệnh chưa có dấu hiệu thuyên giảm. Bệnh nhân cần
lạc quan. Tâm lý có ảnh hưởng rất lớn đến điều trị, hãy nói chuyện với những người
đáng tin cậy, chia sẻ với những thành viên trong gia đình, nuôi thú cưng hay đơn
giản là đọc sách, làm bất cứ thứ gì khiến bạn thấy thoải mái. Hạn chế nói nhiều
nếu bị ho, đau họng. Nhỏ mũi bằng nước muối sinh lý có thể giúp giảm nghẹt mũi.
Che miệng khi ho, hắt hơi. Tạm thời không bơi lội nếu bị viêm mũi, viêm xoang.
Nghỉ ngơi rất quan trọng trong quá trình phục hồi bệnh, kết hợp với việc tập thể
dục nhẹ nhàng. Chế độ dinh dưỡng: Uống nhiều nước, có thể bổ sung thêm nước ép
trái cây và nên uống ấm. Không nên uống rượu bia do có thể làm kích thích thêm
phản ứng viêm và làm sưng niêm mạc đường hô hấp cũng như các xoang. Ăn sữa chua
hoặc dùng thêm probiotic để bổ sung thêm lợi khuẩn đường ruột bị mất do dùng kháng
sinh. Phương pháp phòng ngừa viêm đường hô hấp trên hiệu quả Để phòng ngừa bệnh
hiệu quả, bạn có thể tham khảo một số gợi ý dưới đây: Giữ vệ sinh cá nhân, rửa
tay sạch trước khi ăn và nấu ăn. Đeo khẩu trang khi ra đường, đặc biệt là ở nơi
đông người. Hạn chế tiếp xúc với tác nhân gây kích ứng đường hô hấp (khói bụi,
ô nhiễm…). Tập cai thuốc lá, kể cả thuốc lá điện tử. Có chế độ làm việc và nghỉ
ngơi hợp lý, ngủ đủ giấc. Thường xuyên rèn luyện thể dục thể thao để nâng cao
sức khỏe và cải thiện chức năng hệ hô hấp. Tiêm ngừa cúm và viêm phổi định kỳ.'
sentences:
- Nguy cơ bệnh tim mạch
- "Chào BS,\r\n\r\nTừ nhỏ thân nhiệt cháu đã cao hơn mọi người (mọi người còn tưởng\
\ cháu bị sốt khi chạm phải). Cháu cũng ít ốm đau nhưng không thể tăng cân và\
\ hay mệt mỏi. Cháu có đi khám và nói triệu chứng thân nhiệt cao, biếng ăn, hay\
\ mệt mỏi. BS có làm các xét nghiệm máu nhưng không tìm ra bệnh gì. BS có thể\
\ cho cháu biết thân nhiệt cao có phải là bệnh không, có ảnh hưởng gì đến sức\
\ khỏe không ạ? Cháu đã từng bị sốt siêu vi, sốt xuất huyết.\r\n\r\n(Hứa Thị Hương\
\ – TPHCM)"
- Chế độ sinh hoạt & phòng ngừa viêm đường hô hấp trên
- source_sentence: 'Triệu chứng ung thư amidan khẩu cái Những dấu hiệu và triệu chứng
của ung thư amidan khẩu cái Giai đoạn đầu: Đây lại là thời điểm vàng để chữa bệnh.
Lúc này, các khối u đã bắt đầu hình thành, tuy còn nhỏ nhưng đã bắt đầu gây ảnh
hưởng, tuy nhiên triệu chứng thường không rõ ràng, dễ nhầm lẫn với các bệnh lý
khác. Nhận biết dấu hiệu của bệnh trong giai đoạn này là cực kỳ quan trọng. Khó
nuốt: Triệu chứng điển hình khi mắc ung thư amidan khẩu cái. Amidan bị sưng tấy,
có cảm giác đau khi va chạm với thức ăn và cổ họng luôn cảm thấy vướng víu. Khó
phát âm: Bệnh nhân sẽ cảm thấy khó phát âm hơn, có thể nhầm lẫn là triệu chứng
của viêm họng nên thường bỏ qua. Đau: Bệnh nhân bị đau khi nuốt thức ăn, uống
nước hoặc ngay cả nuốt nước bọt Cảm giác đau ngày càng tăng lên, sau đó có thể
lan đến mang tai và đỉnh đầu. Chảy máu: Bệnh nhân có thể khạc nhẹ hoặc ho ra máu.
Giai đoạn cuối: Các tế bào ung thư đã di căn sang bộ phận khác và người bệnh có
thể cảm nhận được cơn đau rõ hơn. Triệu chứng rõ ràng nhất là cứng hàm, đau ở
tai và sâu hốc mắt. Ngoài ra, cũng có thể gặp các triệu chứng sau: Đau toàn thân:
Do tế bào ung thư đã di căn đến nhiều bộ phận khác trên cơ thể, cơn đau thường
xuyên hơn, nghiêm trọng hơn và lan rộng ở thái dương, vòm họng, tai, xương, đau
nhức toàn thân… Cứng hàm: Khối u đã phát triển to hơn và lan nhanh đến khớp hàm
thái dẫn đến chèn ép cơ cắn và gây khít hàm khiến người bệnh khó mở miệng, không
thể ăn uống hoặc nói chuyện bình thường. Cụt lưỡi gà: Một số trường hợp, tế bào
ung thư sẽ ăn đứt lưỡi gà và tạo thành lỗ hổng trong miệng làm thức ăn không thể
xuống dạ dày để tiêu hoá mà trào ngược lên vùng mũi, khiến bệnh nhân gặp nhiều
khó trong việc ăn uống. Ho ra máu : Tế bào ung thư gây ra viêm nhiễm, lở loét
nặng khiến bệnh nhân thường xuyên ho và khạc đờm ra máu. Vùng tai, mũi, họng cũng
có thể chảy máu kèm theo choáng váng, suy giảm chức năng. Ở giai đoạn cuối, bệnh
tiến triển nhanh và khả năng cứu chữa là cực kỳ thấp. Vì vậy, khi có dấu hiệu
nghi ngờ ung thư amidan khẩu cái, cần thăm khám và điều trị ngay. Khi nào cần
gặp bác sĩ? Nếu có bất kỳ triệu chứng nào nêu trên xảy ra, bạn nên liên hệ ngay
với bác sĩ để được kiểm tra và tư vấn. Chẩn đoán và điều trị sớm sẽ giảm nguy
cơ tăng nặng của bệnh và giúp bạn mau chóng hồi phục sức khỏe.'
sentences:
- Triệu chứng ung thư amidan khẩu cái
- "Thưa BS,\r\n\r\nCon em được 4 ngày tuổi. Bé có nuốt phải sợi tơ ở khăn sữa bong\
\ ra. Khoảng 5-7 sợi. Vậy con em có sao không? Em cần phải làm gì ạ?\r\n\r\nEm\
\ mong sự giúp đỡ sớm nhất từ AloBacsi. Em cảm ơn ạ!"
- "Thưa bác sĩ,\r\n\r\nCháu vừa đốt “chai chân” được 2 ngày, vết đốt có đường kính\
\ khoảng 1,5cm. Cháu được kê đơn bôi \"pusadine\" nhưng vết đốt chảy máu khá nhiều,\
\ rất khó bôi thuốc. Cháu muốn hỏi BS cách chăm sóc vết thương an toàn và hiệu\
\ quả nhất? Cháu xin chân thành cảm ơn!\r\n\r\n(Nguyễn Văn Chính - Bắc Giang)"
- source_sentence: 'Bạn Châu thân mến, Zoacnel (isotretinoin) là được sử dụng trong
điều trị các dạng mụn trứng cá nặng, đặc biệt là mụn trứng cá dạng nang bọc khi
các phương pháp điều trị khác như sử dụng thuốc bôi, làm khô, kháng sinh uống
hoặc dùng tại chỗ không đáp ứng. Thuốc gây ra nhiều tác dụng phụ bao gồm triệu
chứng ngoài da như khô da, nhạy cảm với ánh sáng; đường tiêu hóa như khô môi,
buồn nôn, nôn, đau bụng, chán ăn, viêm lợi, trên mắt như viêm kết mạc, rối loạn
thích nghi bóng tối, đục thủy tinh thể; trên hệ thần kinh trung ương như rối loạn
thị trường, đau đầu, trầm cảm... Theo 1 nghiên cứu đánh giá ảnh hưởng của khi
sử dụng trong thời gian dài, các tác dụng phụ có thể gặp với mức độ nhẹ trên cơ
xương, niêm mạc, khô da, khô mắt, đau khớp và tiến triển nặng của chàm. Tuy nhiên,
nghiên cứu kết luận rằng sử dụng isotretinoin thời gian dài trong điều trị mụn
trứng cá là an toàn, không gây tác dụng phụ nghiêm trọng. Isotretinoin có khả
năng gây ảnh hưởng đến thai, tránh mang thai trong thời gian dùng thuốc và ít
nhất 1 tháng sau khi ngưng thuốc. Hiện tại chưa có nghiên cứu hay báo cáo về khả
năng gây vô sinh của isotretinoin. Chúc bạn sức khỏe. Hasan – Dermapharm '
sentences:
- "Xin chào bác sĩ,\r\n\r\nEm bị đau bụng ở xung quanh vùng rốn, đau xuất hiện vào\
\ ban đêm, ban ngày vẫn bình thường. Vậy thưa BS, em bị mắc bệnh gì ạ? Có nguy\
\ hiểm không? Có cách nào điều trị không BS? Chân thành cảm ơn BS."
- "Chào BS,\r\n\r\nCháu là nam giới, 20 tuổi. 1 tuần nay cháu thấy cả hai bên đầu\
\ vú hơi nhức khi chạm vào. Bên đầu vú phải sờ vào thì thấy có khối rắn nhỏ và\
\ hơi đau. Cháu đi khám ở BV Ung Bướu, cả 2 BS đều khẳng định là bị nữ hóa tuyến\
\ vú. Nửa mừng nửa lo nên cháu quên hỏi thêm BS. Hôm nay gửi thư mong được giải\
\ đáp một số thắc mắc ạ:\r\n\r\n1. Bệnh này lành tính hay ác tính?\r\n2. Có thể\
\ chữa khỏi được không?\r\n3. Bệnh có ảnh hưởng đến giới tính không ạ?\r\n\r\n\
Sau khi khám xong BS còn kê cho cháu 1 đơn thuốc, gồm các thuốc sau:\r\n\r\n1.\
\ Puyol Danazol 200mg (30 viên) - Uống sáng 1 viên\r\n2. Serecu (30 viên) - Uống\
\ sáng 1 viên\r\n3. Mebufen 500 (500mg )(30 viên) - Uống sáng 1 viên, chiều 1\
\ viên\r\n\r\nCháu thắc mắc không biết các loại thuốc này uống vào sẽ có tác dụng\
\ gì cho bệnh Nữ hóa tuyến vú của cháu? Cháu thắc mắc vì khi đọc sơ qua hướng\
\ dẫn sử dụng và tác dụng thuốc, có cảm giác như thuốc dành cho nữ giới. \r\n\r\
\nCháu cám ơn BS!\r\n\r\n(Duy Tân)"
- "AloBacsi ơi,\r\n\r\nEm bị mụn trứng cá, đi khám tại BV Da liễu, bác sĩ cho thuốc\
\ Zoacnel, vitamin E và một số thuốc khác. Sau đó em tự lấy toa đi mua thuốc về\
\ uống tiếp trong 15 tháng, được biết thuốc không được uống liên tiếp quá 5 tháng,\
\ nếu quá liều sẽ gây vô sinh rất lớn. Em đang rất lo sợ. Mong AloBacsi tư vấn\
\ giúp. Em xin cảm ơn!\r\n\r\n(Nguyễn Thị Châu - Đồng Nai)"
- source_sentence: 'Nguy cơ hội chứng swyer Những ai có nguy cơ mắc phải hội chứng
Swyer? Hội chứng Swyer có thể xuất hiện ở con của những người kết hôn cận huyết
. Điều này tạo nên các tổ hợp gen đồng hợp trội hoặc đồng hợp lặn trên nhiễm sắc
thể thường. Nguy cơ cả cha và mẹ đều mang gen di truyền bị đột biến và sinh ra
đứa con bị bệnh là 25% trong mỗi lần mang thai . Nguy cơ sinh con mang gen bệnh
là 50% trong mỗi lần mang thai. Tỷ lệ để đứa trẻ nhận được gen không bệnh từ cả
bố và mẹ là 25%. Nguy cơ là như nhau đối với con trai và con gái. Một số yếu tố
làm tăng nguy cơ mắc phải hội chứng Swyer Một số yếu tố nguy cơ có thể dẫn đến
hội chứng Swyer bao gồm: Tiền sử gia đình: Gia đình có người thân ruột thịt mắc
các rối loạn phát triển giới tính. Vô kinh nguyên phát: Trẻ gái đến tuổi dậy thì
(trung bình vào khoảng 14 tuổi) không có kinh nguyệt.'
sentences:
- Nguy cơ hội chứng swyer
- Nguy cơ yếu sinh lý
- Thuốc Cimetidine MKP 300mg Mekophar điều trị ngắn hạn loét dạ dày, tá tràng tiến
triển (10 vỉ x 10 viên)
- source_sentence: Thân chào Đức Thịnh, Chiều cao mỗi người phụ thuộc 2 yếu tố
là di truyền và môi trường. Nếu ba mẹ cao lớn thì thường con cũng thừa hưởng
được yếu tố này. Nhưng điều có thể cải thiện đó là yếu tố môi trường, nghĩa
là dinh dưỡng và luyện tập thể thao. Chiều cao con người có được là nhờ sự phát
triển của lớp sụn tiếp hợp. Lớp sụn này phát triển liên tục làm xương dài ra.
Phần phát triển mạnh nhất nằm ở vùng gối cũng như đầu trên xương cánh tay và vùng
đầu dưới cẳng tay. Vùng sụn này, nhất là vùng gần gối, sẽ phát triển mạnh khi
có sự kích thích cơ học, nghĩa là có sự chạy nhảy, vận động. Việc cung cấp đầy
đủ dinh dưỡng cũng như sữa sẽ làm cho vùng sụn này phát triển tốt và là cơ sở
cho việc tăng chiều cao. Khi phát triển đến một độ tuổi nào đó vùng sụn này sẽ
không còn nữa thì sự phát triển chiều cao không còn. Với trường hợp của em,
ở độ tuổi 20, khó có cơ hội tăng thêm chiều cao như giai đoạn dậy thì,
nhưng hy vọng vẫn còn cao thêm một ít cho đến 25 tuổi. Việc tập xà đơn
thì chưa thấy có nghiên cứu nào chứng minh môn này giúp phát triển chiều cao
hơn các môn khác. Những môn thể thao chạy nhảy như bóng rổ, bóng chuyền, chạy
điền kinh, cầu lông… đều có thể giúp phát triển chiều cao, không nhất thiết
phải đi bơi hay tập xà như mọi người vẫn nghĩ. Em nên chơi môn thể thao
nào mình yêu thích mới có thể duy trì thường xuyên và theo đuổi lâu
dài được. Cường độ tập như thế nào thì tùy thuộc mỗi người, em nên tham khảo
ý kiến huấn luyện viên hay thầy giáo thể dục để có hướng dẫn chính xác. Chúc
em vui khỏe và tiếp tục cao thêm như mong muốn!
sentences:
- "Thưa bác sĩ,\r\n\r\nTôi nghe dân gian truyền miệng khi bị bỏng, nên bôi mỡ hoặc\
\ kem đánh răng lên vết thương thì không có cảm giác nóng rát và mau lành. Điều\
\ này đúng không? (Nguyệt)"
- "Thưa bác sĩ,\r\n\r\nEm là nam, năm nay 20 tuổi. Em cao 1.7m, bác sĩ có thể cho\
\ em biết là để tăng chiều cao thì em nên tập xà đơn 1 ngày bao nhiêu hiệp, mỗi\
\ hiệp bao nhiêu cái?\r\n\r\nEm xin chân thành cảm ơn! (Đức Thịnh - Bình Định)"
- "Xin chào bác sĩ,\r\n\r\nTôi đã có đủ số con. Tôi rất muốn đi triệt sản nhưng\
\ rất ngại đến bệnh viện. Tôi đã xem trên mạng quy trình phẫu thuật thật đơn giản.\
\ Đã có lúc tôi đã lấy hết dũng cảm để rạch thử phần bìu một tí và dùng kẹp để\
\ móc được ống dẫn tinh ra nhưng không dám tự làm tiếp vì chưa hiểu thế nào. \r\
\n\r\nXin hỏi bác sĩ nếu tự phẫu thuật có nguy hiểm điều gì không?\r\n\r\nXin\
\ cảm ơn bác sĩ !"
datasets:
- meandyou200175/dataset_full_fixed
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: SentenceTransformer based on intfloat/multilingual-e5-large
results:
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 768
type: dim_768
metrics:
- type: cosine_accuracy@1
value: 0.6990504017531045
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.8053323593864135
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.8456902848794741
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8887874360847334
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.6990504017531045
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.26844411979547117
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.1691380569758948
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08887874360847332
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.6990504017531045
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.8053323593864135
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.8456902848794741
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8887874360847334
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7932233454427273
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.7627200801187292
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.766575055010992
name: Cosine Map@100
---
# SentenceTransformer based on intfloat/multilingual-e5-large
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large) on the [dataset_full_fixed](https://huggingface.co/datasets/meandyou200175/dataset_full_fixed) dataset. 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:** [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large) <!-- at revision 0dc5580a448e4284468b8909bae50fa925907bc5 -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 1024 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- [dataset_full_fixed](https://huggingface.co/datasets/meandyou200175/dataset_full_fixed)
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### 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': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel
(1): Pooling({'word_embedding_dimension': 1024, '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})
(2): Normalize()
)
```
## 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("multilingual-e5-large-onlineloss")
# Run inference
sentences = [
'Thân chào Đức Thịnh, Chiều cao mỗi người phụ thuộc 2 yếu tố là di truyền và môi trường. Nếu ba mẹ cao lớn thì thường con cũng thừa hưởng được yếu tố này. Nhưng điều có thể cải thiện đó là yếu tố môi trường, nghĩa là dinh dưỡng và luyện tập thể thao. Chiều cao con người có được là nhờ sự phát triển của lớp sụn tiếp hợp. Lớp sụn này phát triển liên tục làm xương dài ra. Phần phát triển mạnh nhất nằm ở vùng gối cũng như đầu trên xương cánh tay và vùng đầu dưới cẳng tay. Vùng sụn này, nhất là vùng gần gối, sẽ phát triển mạnh khi có sự kích thích cơ học, nghĩa là có sự chạy nhảy, vận động. Việc cung cấp đầy đủ dinh dưỡng cũng như sữa sẽ làm cho vùng sụn này phát triển tốt và là cơ sở cho việc tăng chiều cao. Khi phát triển đến một độ tuổi nào đó vùng sụn này sẽ không còn nữa thì sự phát triển chiều cao không còn. Với trường hợp của em, ở độ tuổi 20, khó có cơ hội tăng thêm chiều cao như giai đoạn dậy thì, nhưng hy vọng vẫn còn cao thêm một ít cho đến 25 tuổi. Việc tập xà đơn thì chưa thấy có nghiên cứu nào chứng minh môn này giúp phát triển chiều cao hơn các môn khác. Những môn thể thao chạy nhảy như bóng rổ, bóng chuyền, chạy điền kinh, cầu lông… đều có thể giúp phát triển chiều cao, không nhất thiết phải đi bơi hay tập xà như mọi người vẫn nghĩ. Em nên chơi môn thể thao nào mình yêu thích mới có thể duy trì thường xuyên và theo đuổi lâu dài được. Cường độ tập như thế nào thì tùy thuộc mỗi người, em nên tham khảo ý kiến huấn luyện viên hay thầy giáo thể dục để có hướng dẫn chính xác. Chúc em vui khỏe và tiếp tục cao thêm như mong muốn!',
'Thưa bác sĩ,\r\n\r\nEm là nam, năm nay 20 tuổi. Em cao 1.7m, bác sĩ có thể cho em biết là để tăng chiều cao thì em nên tập xà đơn 1 ngày bao nhiêu hiệp, mỗi hiệp bao nhiêu cái?\r\n\r\nEm xin chân thành cảm ơn! (Đức Thịnh - Bình Định)',
'Xin chào bác sĩ,\r\n\r\nTôi đã có đủ số con. Tôi rất muốn đi triệt sản nhưng rất ngại đến bệnh viện. Tôi đã xem trên mạng quy trình phẫu thuật thật đơn giản. Đã có lúc tôi đã lấy hết dũng cảm để rạch thử phần bìu một tí và dùng kẹp để móc được ống dẫn tinh ra nhưng không dám tự làm tiếp vì chưa hiểu thế nào. \r\n\r\nXin hỏi bác sĩ nếu tự phẫu thuật có nguy hiểm điều gì không?\r\n\r\nXin cảm ơn bác sĩ !',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]
# 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 | 0.6991 |
| cosine_accuracy@3 | 0.8053 |
| cosine_accuracy@5 | 0.8457 |
| cosine_accuracy@10 | 0.8888 |
| cosine_precision@1 | 0.6991 |
| cosine_precision@3 | 0.2684 |
| cosine_precision@5 | 0.1691 |
| cosine_precision@10 | 0.0889 |
| cosine_recall@1 | 0.6991 |
| cosine_recall@3 | 0.8053 |
| cosine_recall@5 | 0.8457 |
| cosine_recall@10 | 0.8888 |
| **cosine_ndcg@10** | **0.7932** |
| cosine_mrr@10 | 0.7627 |
| cosine_map@100 | 0.7666 |
<!--
## 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
#### dataset_full_fixed
* Dataset: [dataset_full_fixed](https://huggingface.co/datasets/meandyou200175/dataset_full_fixed) at [ef2e7fd](https://huggingface.co/datasets/meandyou200175/dataset_full_fixed/tree/ef2e7fdbdee6d6837e54a8c95505bfce48eb03a5)
* Size: 54,755 training samples
* Columns: <code>positive</code> and <code>query</code>
* Approximate statistics based on the first 1000 samples:
| | positive | query |
|:--------|:-------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 34 tokens</li><li>mean: 232.84 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 6 tokens</li><li>mean: 79.09 tokens</li><li>max: 512 tokens</li></ul> |
* Samples:
| positive | query |
|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>Hình minh họa Chào em, Trong hầu hết các trường hợp tổn thương gân gót nhẹ, thường chỉ cần bảo tồn, không phẫu thuật. Nếu điều trị sớm và đúng cách, người bệnh có thể hồi phục và trở về sinh hoạt bình thường trong khoảng 3-6 tháng. Tình trạng sưng vùng bị thương có thể xuất phát từ tổn thương mạch máu hồi lưu ở chân hoặc do nhiễm trùng vết thương. Nếu vết thuơng sưng nóng, đỏ, chảy mủ hoặc sốt, em nên tái khám để được kê toa kháng sinh và hướng dẫn cách chăm sóc phù hợp. Để giảm sưng, em nên ngồi kê cao chân, hạn chế đứng lâu 1 chỗ, chườm lạnh và dùng thuốc kháng viêm theo toa bác sĩ em nhé!</code> | <code>Chào bác sĩ.Em bị đứt sợi gân nhỏ bên ngoài chân phải và bị tổn thương gân Achilles. Em tập từ tuần thứ sáu đi được mà không dám đi mạnh. Nay được 8 tuần rồi mà dưới vết thương bị sưng phù mà không nhức. Cho em hỏi vậy có sao không ạ và thời gian bao lâu là em lành hoàn toàn ạ?</code> |
| <code>Mô tả ngắn:<br>Thuốc Alverin là viên nén chứa hoạt chất Alverin (dưới dạng Alverin citrat) có tác dụng chống đau do co thắt cơ trơn ở đường tiêu hoá như hội chứng ruột kích thích, bệnh đau túi thừa của ruột kết, đau do co thắt đường mật, cơn đau quặn thận, thống kinh nguyên phát (đau bụng kinh vô căn).<br>Thành phần:<br>Alverine: 40mg<br>Chỉ định:<br>Thuốc Alverin chỉ định điều trị trong các trường hợp sau:<br>Chống đau do co thắt cơ trơn ở đường tiêu hoá như hội chứng ruột kích thích, bệnh đau túi thừa của ruột kết, đau do co thắt đường mật, cơn đau quặn thận. Thống kinh nguyên phát.</code> | <code>Thuốc Alverin 40mg thephaco chống đau do co thắt cơ trơn, hội chứng ruột kích thích (10 vỉ x 10 viên)</code> |
| <code>Xin chào bạn, Để khẳng định bạn có vấn đề về tim mạch hay không, bác sĩ cần
<br>có các thông tin từ bệnh sử (triệu chứng qua lời khai bệnh của bạn), khám lâm
<br>sàng và các xét nghiệm từ cơ bản đến chuyên sâu (xét nghiệm máu, ECG, siêu âm
<br>tim, trắc nghiệm gắng sức, chụp động mạch vành...) Tần suất của bạn không thường xuyên (6
<br>tháng một lần), và triệu chứng đau ngực của bạn không điển hình do tim (có thể
<br>do nguyên nhân khác như đau do thành ngực, thần kinh liên sườn, viêm sụn sườn,
<br>đau dạ dày…). Tuy vậy, để chẩn đoán hay loại trừ do tim, bạn nên đến
<br>khám tim mạch tại bệnh viện chuyên khoa, để các bác sĩ có thể thực hiện các
<br>khám nghiệm chuyên sâu hơn tìm bệnh cho bạn. Cảm ơn bạn. BS. Nguyễn Thái Bình Sơn Phòng
<br>khám Đa khoa Tâm Trí Sài Gòn</code> | <code>Thưa bác sĩ Nguyễn Thái Bình Sơn,
<br>
<br>Em có một triệu chứng đau vùng ngực, mỗi lần lên cơn đau thường em không thể di chuyển được, nếu nhích chân hay cựa người một tí là em bị đau lồng ngực trái và cảm giác khó thở, em thường phải đứng yên hay ngồi yên một chỗ khi em bị lên cơn đau.
<br>
<br>Trước đây thời gian đâu thường 0,5 phút đến 2 phút thôi nhưng đợt gần đây nhất là 3 tiếng đòng hồ. Thông thường khoảng 6 tháng em mới bị đau một lần. Mỗi lần bị đau em có đi đo điện tâm đồ và siêu âm tim nhưng BS nói không bị gì cả. Mong BS cho em lời khuyên, em nên đến bệnh viện kiểm tra như thế nào để em biết được em đang bị gì ạ? Cảm ơn BS nhiều!
<br>
<br>(Huỳnh Nữ - Quảng Ngãi)</code> |
* Loss: [<code>OnlineContrastiveLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#onlinecontrastiveloss)
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: epoch
- `per_device_train_batch_size`: 5
- `per_device_eval_batch_size`: 1
- `learning_rate`: 1e-06
- `num_train_epochs`: 5
- `lr_scheduler_type`: constant_with_warmup
- `warmup_ratio`: 0.1
- `bf16`: 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`: 5
- `per_device_eval_batch_size`: 1
- `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`: 1e-06
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1.0
- `num_train_epochs`: 5
- `max_steps`: -1
- `lr_scheduler_type`: constant_with_warmup
- `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}
- `tp_size`: 0
- `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
- `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>
| Epoch | Step | Training Loss | dim_768_cosine_ndcg@10 |
|:-------:|:--------:|:-------------:|:----------------------:|
| -1 | -1 | - | 0.7936 |
| 0.0114 | 100 | 0.0 | - |
| 0.0228 | 200 | 0.0 | - |
| 0.0342 | 300 | 0.0 | - |
| 0.0457 | 400 | 0.0 | - |
| 0.0571 | 500 | 0.0 | - |
| 0.0685 | 600 | 0.0 | - |
| 0.0799 | 700 | 0.0 | - |
| 0.0913 | 800 | 0.0 | - |
| 0.1027 | 900 | 0.0 | - |
| 0.1141 | 1000 | 0.0 | - |
| 0.1256 | 1100 | 0.0 | - |
| 0.1370 | 1200 | 0.0 | - |
| 0.1484 | 1300 | 0.0 | - |
| 0.1598 | 1400 | 0.0 | - |
| 0.1712 | 1500 | 0.0 | - |
| 0.1826 | 1600 | 0.0 | - |
| 0.1940 | 1700 | 0.0 | - |
| 0.2055 | 1800 | 0.0 | - |
| 0.2169 | 1900 | 0.0 | - |
| 0.2283 | 2000 | 0.0 | - |
| 0.2397 | 2100 | 0.0 | - |
| 0.2511 | 2200 | 0.0 | - |
| 0.2625 | 2300 | 0.0 | - |
| 0.2739 | 2400 | 0.0 | - |
| 0.2854 | 2500 | 0.0 | - |
| 0.2968 | 2600 | 0.0 | - |
| 0.3082 | 2700 | 0.0 | - |
| 0.3196 | 2800 | 0.0 | - |
| 0.3310 | 2900 | 0.0 | - |
| 0.3424 | 3000 | 0.0 | - |
| 0.3538 | 3100 | 0.0 | - |
| 0.3653 | 3200 | 0.0 | - |
| 0.3767 | 3300 | 0.0 | - |
| 0.3881 | 3400 | 0.0 | - |
| 0.3995 | 3500 | 0.0 | - |
| 0.4109 | 3600 | 0.0 | - |
| 0.4223 | 3700 | 0.0 | - |
| 0.4337 | 3800 | 0.0 | - |
| 0.4452 | 3900 | 0.0 | - |
| 0.4566 | 4000 | 0.0 | - |
| 0.4680 | 4100 | 0.0 | - |
| 0.4794 | 4200 | 0.0 | - |
| 0.4908 | 4300 | 0.0 | - |
| 0.5022 | 4400 | 0.0 | - |
| 0.5136 | 4500 | 0.0 | - |
| 0.5251 | 4600 | 0.0 | - |
| 0.5365 | 4700 | 0.0 | - |
| 0.5479 | 4800 | 0.0 | - |
| 0.5593 | 4900 | 0.0 | - |
| 0.5707 | 5000 | 0.0 | - |
| 0.5821 | 5100 | 0.0 | - |
| 0.5935 | 5200 | 0.0 | - |
| 0.6050 | 5300 | 0.0 | - |
| 0.6164 | 5400 | 0.0 | - |
| 0.6278 | 5500 | 0.0 | - |
| 0.6392 | 5600 | 0.0 | - |
| 0.6506 | 5700 | 0.0 | - |
| 0.6620 | 5800 | 0.0 | - |
| 0.6734 | 5900 | 0.0 | - |
| 0.6849 | 6000 | 0.0 | - |
| 0.6963 | 6100 | 0.0 | - |
| 0.7077 | 6200 | 0.0 | - |
| 0.7191 | 6300 | 0.0 | - |
| 0.7305 | 6400 | 0.0 | - |
| 0.7419 | 6500 | 0.0 | - |
| 0.7533 | 6600 | 0.0 | - |
| 0.7648 | 6700 | 0.0 | - |
| 0.7762 | 6800 | 0.0 | - |
| 0.7876 | 6900 | 0.0 | - |
| 0.7990 | 7000 | 0.0 | - |
| 0.8104 | 7100 | 0.0 | - |
| 0.8218 | 7200 | 0.0 | - |
| 0.8332 | 7300 | 0.0 | - |
| 0.8447 | 7400 | 0.0 | - |
| 0.8561 | 7500 | 0.0 | - |
| 0.8675 | 7600 | 0.0 | - |
| 0.8789 | 7700 | 0.0 | - |
| 0.8903 | 7800 | 0.0 | - |
| 0.9017 | 7900 | 0.0 | - |
| 0.9131 | 8000 | 0.0 | - |
| 0.9246 | 8100 | 0.0 | - |
| 0.9360 | 8200 | 0.0 | - |
| 0.9474 | 8300 | 0.0 | - |
| 0.9588 | 8400 | 0.0 | - |
| 0.9702 | 8500 | 0.0 | - |
| 0.9816 | 8600 | 0.0 | - |
| 0.9930 | 8700 | 0.0 | - |
| **1.0** | **8761** | **-** | **0.7932** |
| 1.0045 | 8800 | 0.0 | - |
| 1.0159 | 8900 | 0.0 | - |
| 1.0273 | 9000 | 0.0 | - |
| 1.0387 | 9100 | 0.0 | - |
| 1.0501 | 9200 | 0.0 | - |
| 1.0615 | 9300 | 0.0 | - |
| 1.0729 | 9400 | 0.0 | - |
| 1.0844 | 9500 | 0.0 | - |
| 1.0958 | 9600 | 0.0 | - |
| 1.1072 | 9700 | 0.0 | - |
| 1.1186 | 9800 | 0.0 | - |
| 1.1300 | 9900 | 0.0 | - |
| 1.1414 | 10000 | 0.0 | - |
| 1.1528 | 10100 | 0.0 | - |
| 1.1643 | 10200 | 0.0 | - |
| 1.1757 | 10300 | 0.0 | - |
| 1.1871 | 10400 | 0.0 | - |
| 1.1985 | 10500 | 0.0 | - |
| 1.2099 | 10600 | 0.0 | - |
| 1.2213 | 10700 | 0.0 | - |
| 1.2327 | 10800 | 0.0 | - |
| 1.2442 | 10900 | 0.0 | - |
| 1.2556 | 11000 | 0.0 | - |
| 1.2670 | 11100 | 0.0 | - |
| 1.2784 | 11200 | 0.0 | - |
| 1.2898 | 11300 | 0.0 | - |
| 1.3012 | 11400 | 0.0 | - |
| 1.3126 | 11500 | 0.0 | - |
| 1.3240 | 11600 | 0.0 | - |
| 1.3355 | 11700 | 0.0 | - |
| 1.3469 | 11800 | 0.0 | - |
| 1.3583 | 11900 | 0.0 | - |
| 1.3697 | 12000 | 0.0 | - |
| 1.3811 | 12100 | 0.0 | - |
| 1.3925 | 12200 | 0.0 | - |
| 1.4039 | 12300 | 0.0 | - |
| 1.4154 | 12400 | 0.0 | - |
| 1.4268 | 12500 | 0.0 | - |
| 1.4382 | 12600 | 0.0 | - |
| 1.4496 | 12700 | 0.0 | - |
| 1.4610 | 12800 | 0.0 | - |
| 1.4724 | 12900 | 0.0 | - |
| 1.4838 | 13000 | 0.0 | - |
| 1.4953 | 13100 | 0.0 | - |
| 1.5067 | 13200 | 0.0 | - |
| 1.5181 | 13300 | 0.0 | - |
| 1.5295 | 13400 | 0.0 | - |
| 1.5409 | 13500 | 0.0 | - |
| 1.5523 | 13600 | 0.0 | - |
| 1.5637 | 13700 | 0.0 | - |
| 1.5752 | 13800 | 0.0 | - |
| 1.5866 | 13900 | 0.0 | - |
| 1.5980 | 14000 | 0.0 | - |
| 1.6094 | 14100 | 0.0 | - |
| 1.6208 | 14200 | 0.0 | - |
| 1.6322 | 14300 | 0.0 | - |
| 1.6436 | 14400 | 0.0 | - |
| 1.6551 | 14500 | 0.0 | - |
| 1.6665 | 14600 | 0.0 | - |
| 1.6779 | 14700 | 0.0 | - |
| 1.6893 | 14800 | 0.0 | - |
| 1.7007 | 14900 | 0.0 | - |
| 1.7121 | 15000 | 0.0 | - |
| 1.7235 | 15100 | 0.0 | - |
| 1.7350 | 15200 | 0.0 | - |
| 1.7464 | 15300 | 0.0 | - |
| 1.7578 | 15400 | 0.0 | - |
| 1.7692 | 15500 | 0.0 | - |
| 1.7806 | 15600 | 0.0 | - |
| 1.7920 | 15700 | 0.0 | - |
| 1.8034 | 15800 | 0.0 | - |
| 1.8149 | 15900 | 0.0 | - |
| 1.8263 | 16000 | 0.0 | - |
| 1.8377 | 16100 | 0.0 | - |
| 1.8491 | 16200 | 0.0 | - |
| 1.8605 | 16300 | 0.0 | - |
| 1.8719 | 16400 | 0.0 | - |
| 1.8833 | 16500 | 0.0 | - |
| 1.8948 | 16600 | 0.0 | - |
| 1.9062 | 16700 | 0.0 | - |
| 1.9176 | 16800 | 0.0 | - |
| 1.9290 | 16900 | 0.0 | - |
| 1.9404 | 17000 | 0.0 | - |
| 1.9518 | 17100 | 0.0 | - |
| 1.9632 | 17200 | 0.0 | - |
| 1.9747 | 17300 | 0.0 | - |
| 1.9861 | 17400 | 0.0 | - |
| 1.9975 | 17500 | 0.0 | - |
| 2.0 | 17522 | - | 0.7932 |
| 2.0089 | 17600 | 0.0 | - |
| 2.0203 | 17700 | 0.0 | - |
| 2.0317 | 17800 | 0.0 | - |
| 2.0431 | 17900 | 0.0 | - |
| 2.0546 | 18000 | 0.0 | - |
| 2.0660 | 18100 | 0.0 | - |
| 2.0774 | 18200 | 0.0 | - |
| 2.0888 | 18300 | 0.0 | - |
| 2.1002 | 18400 | 0.0 | - |
| 2.1116 | 18500 | 0.0 | - |
| 2.1230 | 18600 | 0.0 | - |
| 2.1345 | 18700 | 0.0 | - |
| 2.1459 | 18800 | 0.0 | - |
| 2.1573 | 18900 | 0.0 | - |
| 2.1687 | 19000 | 0.0 | - |
| 2.1801 | 19100 | 0.0 | - |
| 2.1915 | 19200 | 0.0 | - |
| 2.2029 | 19300 | 0.0 | - |
| 2.2144 | 19400 | 0.0 | - |
| 2.2258 | 19500 | 0.0 | - |
| 2.2372 | 19600 | 0.0 | - |
| 2.2486 | 19700 | 0.0 | - |
| 2.2600 | 19800 | 0.0 | - |
| 2.2714 | 19900 | 0.0 | - |
| 2.2828 | 20000 | 0.0 | - |
| 2.2943 | 20100 | 0.0 | - |
| 2.3057 | 20200 | 0.0 | - |
| 2.3171 | 20300 | 0.0 | - |
| 2.3285 | 20400 | 0.0 | - |
| 2.3399 | 20500 | 0.0 | - |
| 2.3513 | 20600 | 0.0 | - |
| 2.3627 | 20700 | 0.0 | - |
| 2.3742 | 20800 | 0.0 | - |
| 2.3856 | 20900 | 0.0 | - |
| 2.3970 | 21000 | 0.0 | - |
| 2.4084 | 21100 | 0.0 | - |
| 2.4198 | 21200 | 0.0 | - |
| 2.4312 | 21300 | 0.0 | - |
| 2.4426 | 21400 | 0.0 | - |
| 2.4541 | 21500 | 0.0 | - |
| 2.4655 | 21600 | 0.0 | - |
| 2.4769 | 21700 | 0.0 | - |
| 2.4883 | 21800 | 0.0 | - |
| 2.4997 | 21900 | 0.0 | - |
| 2.5111 | 22000 | 0.0 | - |
| 2.5225 | 22100 | 0.0 | - |
| 2.5340 | 22200 | 0.0 | - |
| 2.5454 | 22300 | 0.0 | - |
| 2.5568 | 22400 | 0.0 | - |
| 2.5682 | 22500 | 0.0 | - |
| 2.5796 | 22600 | 0.0 | - |
| 2.5910 | 22700 | 0.0 | - |
| 2.6024 | 22800 | 0.0 | - |
| 2.6139 | 22900 | 0.0 | - |
| 2.6253 | 23000 | 0.0 | - |
| 2.6367 | 23100 | 0.0 | - |
| 2.6481 | 23200 | 0.0 | - |
| 2.6595 | 23300 | 0.0 | - |
| 2.6709 | 23400 | 0.0 | - |
| 2.6823 | 23500 | 0.0 | - |
| 2.6938 | 23600 | 0.0 | - |
| 2.7052 | 23700 | 0.0 | - |
| 2.7166 | 23800 | 0.0 | - |
| 2.7280 | 23900 | 0.0 | - |
| 2.7394 | 24000 | 0.0 | - |
| 2.7508 | 24100 | 0.0 | - |
| 2.7622 | 24200 | 0.0 | - |
| 2.7737 | 24300 | 0.0 | - |
| 2.7851 | 24400 | 0.0 | - |
| 2.7965 | 24500 | 0.0 | - |
| 2.8079 | 24600 | 0.0 | - |
| 2.8193 | 24700 | 0.0 | - |
| 2.8307 | 24800 | 0.0 | - |
| 2.8421 | 24900 | 0.0 | - |
| 2.8536 | 25000 | 0.0 | - |
| 2.8650 | 25100 | 0.0 | - |
| 2.8764 | 25200 | 0.0 | - |
| 2.8878 | 25300 | 0.0 | - |
| 2.8992 | 25400 | 0.0 | - |
| 2.9106 | 25500 | 0.0 | - |
| 2.9220 | 25600 | 0.0 | - |
| 2.9335 | 25700 | 0.0 | - |
| 2.9449 | 25800 | 0.0 | - |
| 2.9563 | 25900 | 0.0 | - |
| 2.9677 | 26000 | 0.0 | - |
| 2.9791 | 26100 | 0.0 | - |
| 2.9905 | 26200 | 0.0 | - |
| 3.0 | 26283 | - | 0.7932 |
| 3.0019 | 26300 | 0.0 | - |
| 3.0134 | 26400 | 0.0 | - |
| 3.0248 | 26500 | 0.0 | - |
| 3.0362 | 26600 | 0.0 | - |
| 3.0476 | 26700 | 0.0 | - |
| 3.0590 | 26800 | 0.0 | - |
| 3.0704 | 26900 | 0.0 | - |
| 3.0818 | 27000 | 0.0 | - |
| 3.0933 | 27100 | 0.0 | - |
| 3.1047 | 27200 | 0.0 | - |
| 3.1161 | 27300 | 0.0 | - |
| 3.1275 | 27400 | 0.0 | - |
| 3.1389 | 27500 | 0.0 | - |
| 3.1503 | 27600 | 0.0 | - |
| 3.1617 | 27700 | 0.0 | - |
| 3.1732 | 27800 | 0.0 | - |
| 3.1846 | 27900 | 0.0 | - |
| 3.1960 | 28000 | 0.0 | - |
| 3.2074 | 28100 | 0.0 | - |
| 3.2188 | 28200 | 0.0 | - |
| 3.2302 | 28300 | 0.0 | - |
| 3.2416 | 28400 | 0.0 | - |
| 3.2531 | 28500 | 0.0 | - |
| 3.2645 | 28600 | 0.0 | - |
| 3.2759 | 28700 | 0.0 | - |
| 3.2873 | 28800 | 0.0 | - |
| 3.2987 | 28900 | 0.0 | - |
| 3.3101 | 29000 | 0.0 | - |
| 3.3215 | 29100 | 0.0 | - |
| 3.3330 | 29200 | 0.0 | - |
| 3.3444 | 29300 | 0.0 | - |
| 3.3558 | 29400 | 0.0 | - |
| 3.3672 | 29500 | 0.0 | - |
| 3.3786 | 29600 | 0.0 | - |
| 3.3900 | 29700 | 0.0 | - |
| 3.4014 | 29800 | 0.0 | - |
| 3.4129 | 29900 | 0.0 | - |
| 3.4243 | 30000 | 0.0 | - |
| 3.4357 | 30100 | 0.0 | - |
| 3.4471 | 30200 | 0.0 | - |
| 3.4585 | 30300 | 0.0 | - |
| 3.4699 | 30400 | 0.0 | - |
| 3.4813 | 30500 | 0.0 | - |
| 3.4928 | 30600 | 0.0 | - |
| 3.5042 | 30700 | 0.0 | - |
| 3.5156 | 30800 | 0.0 | - |
| 3.5270 | 30900 | 0.0 | - |
| 3.5384 | 31000 | 0.0 | - |
| 3.5498 | 31100 | 0.0 | - |
| 3.5612 | 31200 | 0.0 | - |
| 3.5727 | 31300 | 0.0 | - |
| 3.5841 | 31400 | 0.0 | - |
| 3.5955 | 31500 | 0.0 | - |
| 3.6069 | 31600 | 0.0 | - |
| 3.6183 | 31700 | 0.0 | - |
| 3.6297 | 31800 | 0.0 | - |
| 3.6411 | 31900 | 0.0 | - |
| 3.6526 | 32000 | 0.0 | - |
| 3.6640 | 32100 | 0.0 | - |
| 3.6754 | 32200 | 0.0 | - |
| 3.6868 | 32300 | 0.0 | - |
| 3.6982 | 32400 | 0.0 | - |
| 3.7096 | 32500 | 0.0 | - |
| 3.7210 | 32600 | 0.0 | - |
| 3.7325 | 32700 | 0.0 | - |
| 3.7439 | 32800 | 0.0 | - |
| 3.7553 | 32900 | 0.0 | - |
| 3.7667 | 33000 | 0.0 | - |
| 3.7781 | 33100 | 0.0 | - |
| 3.7895 | 33200 | 0.0 | - |
| 3.8009 | 33300 | 0.0 | - |
| 3.8124 | 33400 | 0.0 | - |
| 3.8238 | 33500 | 0.0 | - |
| 3.8352 | 33600 | 0.0 | - |
| 3.8466 | 33700 | 0.0 | - |
| 3.8580 | 33800 | 0.0 | - |
| 3.8694 | 33900 | 0.0 | - |
| 3.8808 | 34000 | 0.0 | - |
| 3.8922 | 34100 | 0.0 | - |
| 3.9037 | 34200 | 0.0 | - |
| 3.9151 | 34300 | 0.0 | - |
| 3.9265 | 34400 | 0.0 | - |
| 3.9379 | 34500 | 0.0 | - |
| 3.9493 | 34600 | 0.0 | - |
| 3.9607 | 34700 | 0.0 | - |
| 3.9721 | 34800 | 0.0 | - |
| 3.9836 | 34900 | 0.0 | - |
| 3.9950 | 35000 | 0.0 | - |
| 4.0 | 35044 | - | 0.7932 |
| 4.0064 | 35100 | 0.0 | - |
| 4.0178 | 35200 | 0.0 | - |
| 4.0292 | 35300 | 0.0 | - |
| 4.0406 | 35400 | 0.0 | - |
| 4.0520 | 35500 | 0.0 | - |
| 4.0635 | 35600 | 0.0 | - |
| 4.0749 | 35700 | 0.0 | - |
| 4.0863 | 35800 | 0.0 | - |
| 4.0977 | 35900 | 0.0 | - |
| 4.1091 | 36000 | 0.0 | - |
| 4.1205 | 36100 | 0.0 | - |
| 4.1319 | 36200 | 0.0 | - |
| 4.1434 | 36300 | 0.0 | - |
| 4.1548 | 36400 | 0.0 | - |
| 4.1662 | 36500 | 0.0 | - |
| 4.1776 | 36600 | 0.0 | - |
| 4.1890 | 36700 | 0.0 | - |
| 4.2004 | 36800 | 0.0 | - |
| 4.2118 | 36900 | 0.0 | - |
| 4.2233 | 37000 | 0.0 | - |
| 4.2347 | 37100 | 0.0 | - |
| 4.2461 | 37200 | 0.0 | - |
| 4.2575 | 37300 | 0.0 | - |
| 4.2689 | 37400 | 0.0 | - |
| 4.2803 | 37500 | 0.0 | - |
| 4.2917 | 37600 | 0.0 | - |
| 4.3032 | 37700 | 0.0 | - |
| 4.3146 | 37800 | 0.0 | - |
| 4.3260 | 37900 | 0.0 | - |
| 4.3374 | 38000 | 0.0 | - |
| 4.3488 | 38100 | 0.0 | - |
| 4.3602 | 38200 | 0.0 | - |
| 4.3716 | 38300 | 0.0 | - |
| 4.3831 | 38400 | 0.0 | - |
| 4.3945 | 38500 | 0.0 | - |
| 4.4059 | 38600 | 0.0 | - |
| 4.4173 | 38700 | 0.0 | - |
| 4.4287 | 38800 | 0.0 | - |
| 4.4401 | 38900 | 0.0 | - |
| 4.4515 | 39000 | 0.0 | - |
| 4.4630 | 39100 | 0.0 | - |
| 4.4744 | 39200 | 0.0 | - |
| 4.4858 | 39300 | 0.0 | - |
| 4.4972 | 39400 | 0.0 | - |
| 4.5086 | 39500 | 0.0 | - |
| 4.5200 | 39600 | 0.0 | - |
| 4.5314 | 39700 | 0.0 | - |
| 4.5429 | 39800 | 0.0 | - |
| 4.5543 | 39900 | 0.0 | - |
| 4.5657 | 40000 | 0.0 | - |
| 4.5771 | 40100 | 0.0 | - |
| 4.5885 | 40200 | 0.0 | - |
| 4.5999 | 40300 | 0.0 | - |
| 4.6113 | 40400 | 0.0 | - |
| 4.6228 | 40500 | 0.0 | - |
| 4.6342 | 40600 | 0.0 | - |
| 4.6456 | 40700 | 0.0 | - |
| 4.6570 | 40800 | 0.0 | - |
| 4.6684 | 40900 | 0.0 | - |
| 4.6798 | 41000 | 0.0 | - |
| 4.6912 | 41100 | 0.0 | - |
| 4.7027 | 41200 | 0.0 | - |
| 4.7141 | 41300 | 0.0 | - |
| 4.7255 | 41400 | 0.0 | - |
| 4.7369 | 41500 | 0.0 | - |
| 4.7483 | 41600 | 0.0 | - |
| 4.7597 | 41700 | 0.0 | - |
| 4.7711 | 41800 | 0.0 | - |
| 4.7826 | 41900 | 0.0 | - |
| 4.7940 | 42000 | 0.0 | - |
| 4.8054 | 42100 | 0.0 | - |
| 4.8168 | 42200 | 0.0 | - |
| 4.8282 | 42300 | 0.0 | - |
| 4.8396 | 42400 | 0.0 | - |
| 4.8510 | 42500 | 0.0 | - |
| 4.8625 | 42600 | 0.0 | - |
| 4.8739 | 42700 | 0.0 | - |
| 4.8853 | 42800 | 0.0 | - |
| 4.8967 | 42900 | 0.0 | - |
| 4.9081 | 43000 | 0.0 | - |
| 4.9195 | 43100 | 0.0 | - |
| 4.9309 | 43200 | 0.0 | - |
| 4.9424 | 43300 | 0.0 | - |
| 4.9538 | 43400 | 0.0 | - |
| 4.9652 | 43500 | 0.0 | - |
| 4.9766 | 43600 | 0.0 | - |
| 4.9880 | 43700 | 0.0 | - |
| 4.9994 | 43800 | 0.0 | - |
| 5.0 | 43805 | - | 0.7932 |
* The bold row denotes the saved checkpoint.
</details>
### Framework Versions
- Python: 3.10.16
- Sentence Transformers: 3.4.1
- Transformers: 4.51.3
- PyTorch: 2.6.0+cu124
- Accelerate: 1.5.2
- Datasets: 3.3.2
- Tokenizers: 0.21.0
## Citation
### BibTeX
#### Sentence Transformers
```bibtex
@inproceedings{reimers-2019-sentence-bert,
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
author = "Reimers, Nils and Gurevych, Iryna",
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
month = "11",
year = "2019",
publisher = "Association for Computational Linguistics",
url = "https://arxiv.org/abs/1908.10084",
}
```
<!--
## 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.*
--> |