nampham1106's picture
End of training
188670b verified
metadata
base_model: Alibaba-NLP/gte-multilingual-base
datasets:
  - tarudesu/ViHealthQA
language:
  - vi
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
  - dot_accuracy@1
  - dot_accuracy@3
  - dot_accuracy@5
  - dot_accuracy@10
  - dot_precision@1
  - dot_precision@3
  - dot_precision@5
  - dot_precision@10
  - dot_recall@1
  - dot_recall@3
  - dot_recall@5
  - dot_recall@10
  - dot_ndcg@10
  - dot_mrr@10
  - dot_map@100
pipeline_tag: sentence-similarity
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:7009
  - loss:MultipleNegativesRankingLoss
widget:
  - source_sentence: >-
      Hàng ngày, tôi uống thuốc huyết áp hỗ trợ điều trị viêm gan do gan nhiễm
      mỡ thì có thể tiêm vaccine Covid-19 được không? Nếu tiêm vaccine có phải
      ngưng uống thuốc gì không?
    sentences:
      - >-
        Nếu huyết áp sau điều trị ổn định ở mức huyết áp tối thiểu <90 mmHg và
        huyết áp tối đa <140 mmHg thì Anh/Chị có thể tiêm tại các cơ sở đủ điều
        kiện tiêm chủng. Nếu huyết áp của Anh/Chị ở mức cao hơn thì Anh/Chị cần
        tiêm vaccine tại bệnh viện hoặc cơ sở đủ năng lực hồi sức cấp cứu ban
        đầu theo quy định của Bộ Y tế. Đồng thời, khi tiêm vắc xin, Anh/Chị vẫn
        duy trì uống thuốc điều trị của mình và không cần ngưng thuốc.
      - >-
        Với tình trạng xét nghiệm của anh/chị thì bác sĩ có chẩn đoán là bệnh lý
        gì gây nên tình trạng xét nghiệm máu có các chỉ số cao hơn và thấp hơn
        so với bình thường không ạ? Anh/chị nên có kết quả chẩn đoán của bác sĩ
        khám bệnh để bác sĩ tư vấn có tiêm phòng được/tạm hoãn/chống chỉ định
        tiêm phòng vaccine Covid-19.
      - >-
        Những triệu chứng như bạn mô tả cũng thường xuất hiện ở người bị thiếu
        máu. Để chẩn đoán chính xác có bị thiếu máu hay không và mức độ thiếu
        máu, bạn chỉ cần xét nghiệm công thức máu. Xét nghiệm công thức máu cho
        kết quả nhanh, chi phí hợp lý và mọi cơ sở y tế đều có thể làm được. Bạn
        nên tới cơ sở y tế để xét nghiệm để rõ chẩn đoán.
  - source_sentence: Tổn thương dây chằng điều trị như thế nào?
    sentences:
      - >-
        Dấu hiệu ban đỏ tím xuất hiện dạng mạch máu ở chân, tăng về mùa đông có
        thể là triệu chứng của hội chứng Raynaud hoặc viêm mạch. Tuy nhiên, các
        triệu chứng mà bạn mô tả không rõ ràng và đặc hiệu cho bệnh cụ thể nào,
        vì vậy việc nhận định tổn thương da do nguyên nhân gì và lựa chọn phương
        pháp điều trị cần được dựa trên đánh giá của bác sỹ chuyên môn Dị ứng
        miễn dịch.
      - >-
        Đầu gối đứng lên ngồi xuống kêu lụp cụp và nặng dây chằng bên trong đầu
        gối phải. Bạn cần đến khám với bác sĩ chuyên khoa để kiểm tra đánh giá
        thực tế tình trạng tổn thương từ đó đưa ra hướng xử trí và tư vấn phù
        hợp nhất.
      - >-
        Chụp cộng hưởng từ (MRI) không chống chỉ định với lứa tuổi của bạn.
        Trước khi thực hiện chụp MRI, bệnh viện sẽ có những tư vấn an toàn cộng
        hưởng từ. Chống chỉ định MRI chủ yếu ở các bệnh nhân có cấy ghép các bộ
        phận kim loại.
  - source_sentence: Đã bị viêm gan B  thể tiêm phòng nữa không?
    sentences:
      - >-
        Viêm gan B là bệnh do virus HBV gây ra, nếu tình trạng nhiễm trở nên mãn
        tính thì điều quan trọng cần làm là ngăn chặn và giảm thiểu tổn hại cho
        gan. Nếu được điều trị đúng cách thì tiên lượng bệnh thường rất tốt. Tuy
        nhiên, không phải lúc nào cũng phải điều trị ngay bằng các thuốc kháng
        virus mà cần theo dõi và xét nghiệm đánh giá tình trạng gan cũng như cơ
        thể để việc điều trị đạt được hiệu quả cao nhất. Việc cần làm của bạn là
        nên theo dõi và khám gan định kỳ, hạn chế các gắng sức quá mức, bổ sung
        dinh dưỡng và hạn chế tiêu thụ các chất gây hại cho gan. Nhiều người
        thắc mắc bị viêm gan B có tiêm phòng được không, trên thực tế, nếu kết
        quả xét nghiệm đưa ra HBsAg dương tính đồng nghĩa với việc đã nhiễm
        virus viêm gan B thì việc tiêm ngừa sẽ không còn hiệu quả. Vắc-xin phòng
        viêm gan B chỉ có tác dụng với những người chưa từng mắc viêm gan B. Nếu
        người bệnh xét nghiệm máu phát hiện đang nhiễm virus viêm gan B (HBsAg
        dương tính) thì nên thực hiện tiếp các xét nghiệm chuyên sâu để theo dõi
        tình trạng và diễn biến của bệnh, không cần tiêm phòng vắc-xin.
      - >-
        Trường hợp bé rụng rốn nhưng chưa khô rốn bạn nên sát khuẩn cho bé bằng
        cồn trắng 70 độ. Ngoài ra bạn nên chú ý vệ sinh rốn cho con sạch sẽ,
        tránh để rốn nhiễm trùng.
      - >-
        Bạn bị nhiễm Covid, đang cách ly tại nhà và có triệu chứng có đờm ở cổ
        họng, nghẹt mũi thì bạn bị nhiễm Covid 19 mức độ nhẹ. Điều trị cần dùng
        thuốc điều trị triệu chứng như súc họng bằng nước súc họng và uống thuốc
        long đờm, nhỏ thuốc nhỏ mũi 2 - 3 lần/ ngày. Theo dõi nhiệt độ và tần số
        thở, spO2. Nếu thở nhanh hơn 20 lần/phút, spO2 giảm hơn 93% cần liên hệ
        y tế địa phương để được hướng dẫn đến bệnh viện theo dõi điều trị tiếp.
  - source_sentence:  tiền sử bệnh thận nếu mang thai ảnh hưởng  không?
    sentences:
      - >-
        Ông bạn đã 85 tuổi, bị tai biến mạch máu não thể nhồi máu não (có cục
        máu đông trong não) mới bị được 2 tuần nên việc điều trị còn nhiều rủi
        ro. Hiện giờ tốt nhất ngoài việc dùng thuốc tại bệnh viện (hoặc tại nhà)
        cần kết hợp tập phục hồi chức năng, hạn chế các yếu tố nguy cơ để tránh
        bị trở lại. Đây là việc làm đòi hỏi sự kết hợp cả bác sĩ, bệnh nhân và
        sự hỗ trợ của người nhà. Sự kiên trì, động viên khích lệ để bệnh nhân
        chịu khó tập luyện thì mới có thể thành công.
      - >-
        Vợ bạn có tiền sử viêm cầu thận và đã khỏi cách đây 16 năm tuy nhiên sau
        khi khỏi không biết có định kỳ khám kiểm tra chức năng thận và phân tích
        nước tiểu không. Các trường hợp tổn thương thận mạn tính (bệnh thận mạn)
        đôi khi chỉ thể hiện thay đổi ở phân tích nước tiểu mà không có triệu
        chứng lâm sàng. Các trường hợp bệnh thận mạn tính này thường sẽ nặng lên
        hoặc thể hiện rõ hơn khi mang thai. Trường hợp của vợ bạn nên được theo
        dõi bởi chuyên khoa thận trong suốt quá trình mang thai và cả sau sinh
        nữa.
      - >-
        Việc đang mang thai khiến cho bà mẹ có nguy cơ mắc Covid-19 cao nếu phơi
        nhiễm với virus SARS-CoV-2. Sau khi tiêm vaccine Covid-19, ngoài việc
        theo dõi các phản ứng của vaccine, cơ thể cần 2-3 tuần để đáp ứng với
        vaccine sinh được kháng thể miễn dịch. Theo hướng dẫn mới nhất của Bộ Y
        tế phụ nữ đang mang thai cần hoãn tiêm trong đợt này. Do đó tùy theo kế
        hoạch dự định của chị, chị có thể chủ động cân nhắc lợi ích và nguy cơ.
        Nếu hoãn lại việc mang thai thì chị nên hoàn thành phác đồ tiêm chủng
        vaccine Covid-19 AstraZeneca gồm 2 mũi trước khi mang thai ít nhất một
        tháng.
  - source_sentence: Tăng bạch cầu  ảnh hưởng  tới viêm lợi không?
    sentences:
      - >-
        Bé nhà bạn ngoài hay bị nhiệt, viêm lợi ra thì còn có vấn đề sức khỏe
        nào khác không?Cháu đã uống thuốc gì để điều trị nhiệt, viêm lợi ?Bạch
        cầu của cháu tăng có thể do nhiều nguyên nhân, thường gặp là do viêm
        nhiễm hoặc do dùng một số loại thuốc. Bạn nên đưa bé đến khám để được
        chẩn đoán tốt hơn.
      - >-
        Bạch cầu mono là một loại bạch cầu có chức năng bảo vệ cơ thể thông qua
        cơ chế thực bào. Khoảng tham chiếu ở bệnh viện đa khoa quốc tế Vinmec
        Times City là 0,3-0,9G/L. Trong kết quả xét nghiệm bạch cầu mono 2,2 của
        em chưa rõ đơn vị tính là G/L hay % nên bác sĩ không tư vấn rõ hơn cho
        em được, em tự đối chiếu nhé.
      - >-
        Điều trị phẫu thuật và làm xét nghiệm mô bệnh học là phương pháp điều
        trị các khối u tuyến nước bọt tốt nhất. Phẫu thuật khối u tuyến nước bọt
        mang tai phụ thuộc vào loại, kích thước, tính chất khối u. Theo đó, phẫu
        thuật có thể tiến hành loại bỏ một phần hoặc loại bỏ toàn bộ tuyến nước
        bọt và có hoặc không kèm theo loại bỏ các hạch bạch huyết, dây thần kinh
        có liên quan.Bên cạnh đó còn có phương pháp phẫu thuật tái tạo, nghĩa là
        sau khi phẫu thuật để loại bỏ khối u, bác sĩ có thể đề nghị phẫu thuật
        tái tạo để sửa chữa khu vực. Trong quá trình phẫu thuật tái tạo, bác sĩ
        phẫu thuật làm việc để sửa chữa cải thiện khả năng nhai, nuốt, nói hoặc
        thở, có thể cần ghép da, mô hoặc dây thần kinh từ các bộ phận khác của
        cơ thể để xây dựng lại các khu vực trong miệng, cổ họng hoặc hàm của
        bệnh nhân.Vì không có thông tin về chẩn đoán của em trước mổ, tính chất
        (mềm hay cứng, đau hay không đau, có xâm lấn hay không...) và kích thước
        khối u, phương pháp phẫu thuật, thời gian phẫu thuật bao lâu rồi, em đã
        thăm khám lại với bác sĩ mổ cho mình hay chưa. Nên chưa thể kết luận
        liệt dây thần kinh 9,10 sau mổ u tuyến nước bọt có khả năng phục hồi
        khôngTuy nhiên, bác sĩ có một vài lời khuyên dành cho em:Tái khám đúng
        lịch để theo dõi tiến triển của khối u cũng như khả năng tái phát của
        khối u sau điều trị. Đồng thời bác sĩ sẽ đánh giá mức độ tổn thương thần
        kinh, kết hợp khám chuyên khoa Vật lý trị liệu- Phục hồi chức năng để
        tập luyện chức năng nói, nuốt.Xét nghiệm thường xuyên theo chỉ định của
        bác sĩBổ sung dinh dưỡng và uống nhiều nước.
model-index:
  - name: SentenceTransformer based on Alibaba-NLP/gte-multilingual-base
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: healthcare dev
          type: healthcare-dev
        metrics:
          - type: cosine_accuracy@1
            value: 0.6283987915407855
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.7824773413897281
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.8318227593152064
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.8882175226586103
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.6283987915407855
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.2608257804632427
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.16636455186304128
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.08882175226586105
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.6283987915407855
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.7824773413897281
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.8318227593152064
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.8882175226586103
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.7575658777946831
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.7157183618663984
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.7207509988864388
            name: Cosine Map@100
          - type: dot_accuracy@1
            value: 0.6283987915407855
            name: Dot Accuracy@1
          - type: dot_accuracy@3
            value: 0.7824773413897281
            name: Dot Accuracy@3
          - type: dot_accuracy@5
            value: 0.8318227593152064
            name: Dot Accuracy@5
          - type: dot_accuracy@10
            value: 0.8882175226586103
            name: Dot Accuracy@10
          - type: dot_precision@1
            value: 0.6283987915407855
            name: Dot Precision@1
          - type: dot_precision@3
            value: 0.2608257804632427
            name: Dot Precision@3
          - type: dot_precision@5
            value: 0.16636455186304128
            name: Dot Precision@5
          - type: dot_precision@10
            value: 0.08882175226586105
            name: Dot Precision@10
          - type: dot_recall@1
            value: 0.6283987915407855
            name: Dot Recall@1
          - type: dot_recall@3
            value: 0.7824773413897281
            name: Dot Recall@3
          - type: dot_recall@5
            value: 0.8318227593152064
            name: Dot Recall@5
          - type: dot_recall@10
            value: 0.8882175226586103
            name: Dot Recall@10
          - type: dot_ndcg@10
            value: 0.7575658777946831
            name: Dot Ndcg@10
          - type: dot_mrr@10
            value: 0.7157183618663984
            name: Dot Mrr@10
          - type: dot_map@100
            value: 0.7207509988864388
            name: Dot Map@100
          - type: cosine_accuracy@1
            value: 0.5946348733233979
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.7486338797814208
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.8002980625931445
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.8584202682563339
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.5946348733233979
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.2495446265938069
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.16005961251862894
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.08584202682563338
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.5946348733233979
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.7486338797814208
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.8002980625931445
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.8584202682563339
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.7259573511690848
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.6836451951206047
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.6887123590381591
            name: Cosine Map@100
          - type: dot_accuracy@1
            value: 0.5946348733233979
            name: Dot Accuracy@1
          - type: dot_accuracy@3
            value: 0.7486338797814208
            name: Dot Accuracy@3
          - type: dot_accuracy@5
            value: 0.8002980625931445
            name: Dot Accuracy@5
          - type: dot_accuracy@10
            value: 0.8584202682563339
            name: Dot Accuracy@10
          - type: dot_precision@1
            value: 0.5946348733233979
            name: Dot Precision@1
          - type: dot_precision@3
            value: 0.2495446265938069
            name: Dot Precision@3
          - type: dot_precision@5
            value: 0.16005961251862894
            name: Dot Precision@5
          - type: dot_precision@10
            value: 0.08584202682563338
            name: Dot Precision@10
          - type: dot_recall@1
            value: 0.5946348733233979
            name: Dot Recall@1
          - type: dot_recall@3
            value: 0.7486338797814208
            name: Dot Recall@3
          - type: dot_recall@5
            value: 0.8002980625931445
            name: Dot Recall@5
          - type: dot_recall@10
            value: 0.8584202682563339
            name: Dot Recall@10
          - type: dot_ndcg@10
            value: 0.7259573511690848
            name: Dot Ndcg@10
          - type: dot_mrr@10
            value: 0.6836451951206047
            name: Dot Mrr@10
          - type: dot_map@100
            value: 0.6887123590381591
            name: Dot Map@100

SentenceTransformer based on Alibaba-NLP/gte-multilingual-base

This is a sentence-transformers model finetuned from Alibaba-NLP/gte-multilingual-base on the vi_health_qa 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: Alibaba-NLP/gte-multilingual-base
  • Maximum Sequence Length: 8192 tokens
  • Output Dimensionality: 768 tokens
  • Similarity Function: Cosine Similarity
  • Training Dataset:
  • Language: vi

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: NewModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("multilingual-e5-base-finetuned")
# Run inference
sentences = [
    'Tăng bạch cầu có ảnh hưởng gì tới viêm lợi không?',
    'Bé nhà bạn ngoài hay bị nhiệt, viêm lợi ra thì còn có vấn đề sức khỏe nào khác không?Cháu đã uống thuốc gì để điều trị nhiệt, viêm lợi ?Bạch cầu của cháu tăng có thể do nhiều nguyên nhân, thường gặp là do viêm nhiễm hoặc do dùng một số loại thuốc. Bạn nên đưa bé đến khám để được chẩn đoán tốt hơn.',
    'Điều trị phẫu thuật và làm xét nghiệm mô bệnh học là phương pháp điều trị các khối u tuyến nước bọt tốt nhất. Phẫu thuật khối u tuyến nước bọt mang tai phụ thuộc vào loại, kích thước, tính chất khối u. Theo đó, phẫu thuật có thể tiến hành loại bỏ một phần hoặc loại bỏ toàn bộ tuyến nước bọt và có hoặc không kèm theo loại bỏ các hạch bạch huyết, dây thần kinh có liên quan.Bên cạnh đó còn có phương pháp phẫu thuật tái tạo, nghĩa là sau khi phẫu thuật để loại bỏ khối u, bác sĩ có thể đề nghị phẫu thuật tái tạo để sửa chữa khu vực. Trong quá trình phẫu thuật tái tạo, bác sĩ phẫu thuật làm việc để sửa chữa cải thiện khả năng nhai, nuốt, nói hoặc thở, có thể cần ghép da, mô hoặc dây thần kinh từ các bộ phận khác của cơ thể để xây dựng lại các khu vực trong miệng, cổ họng hoặc hàm của bệnh nhân.Vì không có thông tin về chẩn đoán của em trước mổ, tính chất (mềm hay cứng, đau hay không đau, có xâm lấn hay không...) và kích thước khối u, phương pháp phẫu thuật, thời gian phẫu thuật bao lâu rồi, em đã thăm khám lại với bác sĩ mổ cho mình hay chưa. Nên chưa thể kết luận liệt dây thần kinh 9,10 sau mổ u tuyến nước bọt có khả năng phục hồi khôngTuy nhiên, bác sĩ có một vài lời khuyên dành cho em:Tái khám đúng lịch để theo dõi tiến triển của khối u cũng như khả năng tái phát của khối u sau điều trị. Đồng thời bác sĩ sẽ đánh giá mức độ tổn thương thần kinh, kết hợp khám chuyên khoa Vật lý trị liệu- Phục hồi chức năng để tập luyện chức năng nói, nuốt.Xét nghiệm thường xuyên theo chỉ định của bác sĩBổ sung dinh dưỡng và uống nhiều nước.',
]
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

Metric Value
cosine_accuracy@1 0.6284
cosine_accuracy@3 0.7825
cosine_accuracy@5 0.8318
cosine_accuracy@10 0.8882
cosine_precision@1 0.6284
cosine_precision@3 0.2608
cosine_precision@5 0.1664
cosine_precision@10 0.0888
cosine_recall@1 0.6284
cosine_recall@3 0.7825
cosine_recall@5 0.8318
cosine_recall@10 0.8882
cosine_ndcg@10 0.7576
cosine_mrr@10 0.7157
cosine_map@100 0.7208
dot_accuracy@1 0.6284
dot_accuracy@3 0.7825
dot_accuracy@5 0.8318
dot_accuracy@10 0.8882
dot_precision@1 0.6284
dot_precision@3 0.2608
dot_precision@5 0.1664
dot_precision@10 0.0888
dot_recall@1 0.6284
dot_recall@3 0.7825
dot_recall@5 0.8318
dot_recall@10 0.8882
dot_ndcg@10 0.7576
dot_mrr@10 0.7157
dot_map@100 0.7208

Information Retrieval

Metric Value
cosine_accuracy@1 0.5946
cosine_accuracy@3 0.7486
cosine_accuracy@5 0.8003
cosine_accuracy@10 0.8584
cosine_precision@1 0.5946
cosine_precision@3 0.2495
cosine_precision@5 0.1601
cosine_precision@10 0.0858
cosine_recall@1 0.5946
cosine_recall@3 0.7486
cosine_recall@5 0.8003
cosine_recall@10 0.8584
cosine_ndcg@10 0.726
cosine_mrr@10 0.6836
cosine_map@100 0.6887
dot_accuracy@1 0.5946
dot_accuracy@3 0.7486
dot_accuracy@5 0.8003
dot_accuracy@10 0.8584
dot_precision@1 0.5946
dot_precision@3 0.2495
dot_precision@5 0.1601
dot_precision@10 0.0858
dot_recall@1 0.5946
dot_recall@3 0.7486
dot_recall@5 0.8003
dot_recall@10 0.8584
dot_ndcg@10 0.726
dot_mrr@10 0.6836
dot_map@100 0.6887

Training Details

Training Dataset

vi_health_qa

  • Dataset: vi_health_qa at d90a62d
  • Size: 7,009 training samples
  • Columns: question and answer
  • Approximate statistics based on the first 1000 samples:
    question answer
    type string string
    details
    • min: 8 tokens
    • mean: 30.36 tokens
    • max: 325 tokens
    • min: 12 tokens
    • mean: 131.93 tokens
    • max: 1249 tokens
  • Samples:
    question answer
    Đang chích ngừa viêm gan B có chích ngừa Covid-19 được không? Nếu anh/chị đang tiêm ngừa vaccine phòng bệnh viêm gan B, anh/chị vẫn có thể tiêm phòng vaccine phòng Covid-19, tuy nhiên vaccine Covid-19 phải được tiêm cách trước và sau mũi vaccine viêm gan B tối thiểu là 14 ngày.
    Đau đầu, căng thẳng do công việc, suy giảm trí nhớ khoảng gần một năm phải làm sao? Tình trạng đau đầu theo bạn mô tả thì chưa rõ. Vì thế, bác sĩ khuyến khích bạn đến cơ sở y tế hoặc bệnh viện thuộc Hệ thống Y tế Vinmec để khám chuyên khoa Thần kinh. Nếu đau đầu thông thường thì cần nghỉ ngơi thư giãn sẽ đỡ, còn nếu có những yếu tố khác thì cần phải khám kỹ, xét nghiệm cận lâm sàng để chẩn đoán chính xác hơn và có hướng điều trị phù hợp.
    Đặt lưu lượng khí hệ thống Jackson-Rees thấp hơn quy định khi sử dụng gây mê cho trẻ em sẽ gây hậu quả gì? Hệ thống Jackson – Rees dùng khi gây mê để tránh hít lại khí thở ra cần đặt lưu lượng khí mới gấp 2 – 2,5 lần thông khí phút của bệnh nhân. Nếu cài đặt thấp hơn mức này sẽ gây ra hiện tượng ưu thán hay còn gọi là thừa khí CO2 biểu hiện kích thích vã mồ hôi, tăng huyết áp, nguy hiểm hơn là bệnh nhân tím tái, trụy tim mạch, thậm chí là tử vong.Nếu còn thắc mắc, bạn có thể liên hệ hoặc đến trực tiếp một trong các bệnh viện thuộc Hệ thống Y tế Vinmec trên toàn quốc để được bác sĩ chuyên môn tư vấn cụ thể hơn.Cảm ơn bạn đã tin tưởng và đặt câu hỏi tới Vinmec. Trân trọng!
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim"
    }
    

Evaluation Dataset

vi_health_qa

  • Dataset: vi_health_qa at d90a62d
  • Size: 993 evaluation samples
  • Columns: question and answer
  • Approximate statistics based on the first 993 samples:
    question answer
    type string string
    details
    • min: 9 tokens
    • mean: 30.03 tokens
    • max: 267 tokens
    • min: 13 tokens
    • mean: 133.86 tokens
    • max: 1103 tokens
  • Samples:
    question answer
    Em nghe nói kích trứng nhiều lần sẽ làm rối loạn nội tiết và tăng khả năng ung thư buồng trứng có phải không? Vì em có dự trữ buồng trứng rất thấp, được chỉ định gom trứng nên nghe thông tin trên em rất lo lắng. Theo thông tin chị cung cấp thì chưa đủ dữ liệu để kết luận là kích trứng gây rối loạn nội tiết hay ung thư, tuy nhiên những điều này vẫn có thể ảnh hưởng về sau.
    Tại sao tỷ lệ dịch chuyển tinh trùng thấp? Nguyên nhân dẫn đến tỷ lệ dịch chuyển tinh trùng thấp là do tinh trùng tổn thương đuôi, tinh trùng không hoạt động, tinh trùng chết. Bạn nên thăm khám bác sĩ chuyên khoa và có phương pháp điều trị thích hợp, tránh ảnh hưởng đến khả năng sinh sản. Nếu được bạn nên giảm thức đêm. Thức đêm cũng là nguyên nhân ảnh hưởng đến chất lượng và số lượng tinh trùng. Ngoài ra, bạn cần ăn uống các loại thực phẩm tươi sạch bổ dưỡng, cần bỏ rượu, thuốc lá và các chất kích thích khác như rượu, cần sa, amphetamin... nếu hai vợ chồng đang cố gắng thụ thai. Ngoài ra, cần tập luyện thể dục đều đặn để nâng cao thể lực, duy trì cân nặng ở mức phù hợp, giảm cân nếu đang thừa cân và hạn chế tiếp xúc với điện thoại di động.
    Ngồi dậy hay nằm xuống đều bị chóng mặt có phải bị tổn thương dây thần kinh do phẫu thuật không? Xương đòn khi mổ rất lâu liền xương, 3 tuần chưa thể có cal xương dù là cal non, Để đánh giá có tổn thương thần kinh hay không cần khám về lâm sàng, bạn có thể đến khám tại bệnh viện thuộc Hệ thống Y tế Vinmec trên toàn quốc để bác sĩ tư vấn rõ hơn và đưa ra hướng điều trị phù hợp nhất.
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
        "scale": 20.0,
        "similarity_fct": "cos_sim"
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • per_device_train_batch_size: 6
  • per_device_eval_batch_size: 6
  • learning_rate: 3.0692519709098972e-06
  • num_train_epochs: 4
  • warmup_ratio: 0.04970511867965379
  • fp16: True
  • batch_sampler: no_duplicates

All Hyperparameters

Click to expand
  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 6
  • per_device_eval_batch_size: 6
  • 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: 3.0692519709098972e-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: 4
  • max_steps: -1
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.04970511867965379
  • warmup_steps: 0
  • log_level: passive
  • log_level_replica: warning
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • save_safetensors: True
  • save_on_each_node: False
  • save_only_model: False
  • restore_callback_states_from_checkpoint: False
  • no_cuda: False
  • use_cpu: False
  • use_mps_device: False
  • seed: 42
  • data_seed: None
  • jit_mode_eval: False
  • use_ipex: False
  • bf16: False
  • fp16: True
  • fp16_opt_level: O1
  • half_precision_backend: auto
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • local_rank: 0
  • ddp_backend: None
  • tpu_num_cores: None
  • tpu_metrics_debug: False
  • debug: []
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_prefetch_factor: None
  • past_index: -1
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • fsdp: []
  • fsdp_min_num_params: 0
  • fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
  • fsdp_transformer_layer_cls_to_wrap: None
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • deepspeed: None
  • label_smoothing_factor: 0.0
  • optim: adamw_torch
  • optim_args: None
  • adafactor: False
  • group_by_length: False
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • skip_memory_metrics: True
  • use_legacy_prediction_loop: False
  • push_to_hub: False
  • resume_from_checkpoint: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_private_repo: False
  • hub_always_push: False
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • include_inputs_for_metrics: False
  • eval_do_concat_batches: True
  • fp16_backend: auto
  • push_to_hub_model_id: None
  • push_to_hub_organization: None
  • mp_parameters:
  • auto_find_batch_size: False
  • full_determinism: False
  • torchdynamo: None
  • ray_scope: last
  • ddp_timeout: 1800
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • dispatch_batches: None
  • split_batches: None
  • include_tokens_per_second: False
  • include_num_input_tokens_seen: False
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • eval_on_start: False
  • eval_use_gather_object: False
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional

Training Logs

Epoch Step Training Loss loss healthcare-dev_cosine_map@100
0 0 - - 0.6555
0.0855 100 0.1744 0.1599 0.6672
0.1711 200 0.1618 0.1178 0.6927
0.2566 300 0.1219 0.0920 0.7032
0.3422 400 0.0778 0.0807 0.7083
0.4277 500 0.0993 0.0739 0.7106
0.5133 600 0.0821 0.0695 0.7149
0.5988 700 0.0632 0.0685 0.7125
0.6843 800 0.0653 0.0669 0.7129
0.7699 900 0.0962 0.0655 0.7185
0.8554 1000 0.0395 0.0648 0.7170
0.9410 1100 0.0784 0.0628 0.7154
1.0265 1200 0.0791 0.0627 0.7180
1.1121 1300 0.063 0.0618 0.7179
1.1976 1400 0.0811 0.0606 0.7163
1.2831 1500 0.0425 0.0610 0.7179
1.3687 1600 0.028 0.0603 0.7205
1.4542 1700 0.0761 0.0596 0.7202
1.5398 1800 0.0419 0.0591 0.7190
1.6253 1900 0.0394 0.0589 0.7214
1.7109 2000 0.0623 0.0593 0.7235
1.7964 2100 0.0683 0.0594 0.7214
1.8820 2200 0.0316 0.0590 0.7212
1.9675 2300 0.0681 0.0579 0.7246
2.0530 2400 0.0366 0.0579 0.7243
2.1386 2500 0.0315 0.0579 0.7247
2.2241 2600 0.0633 0.0578 0.7247
2.3097 2700 0.0278 0.0580 0.7247
2.3952 2800 0.029 0.0582 0.7236
2.4808 2900 0.0472 0.0577 0.7206
2.5663 3000 0.0307 0.0575 0.7208
2.6518 3100 0.0248 0.0574 0.7198
2.7374 3200 0.0504 0.0575 0.7195
2.8229 3300 0.0259 0.0574 0.7208
2.9085 3400 0.0288 0.0570 0.7214
2.9940 3500 0.0595 0.0566 0.7233
3.0796 3600 0.0372 0.0562 0.7212
3.1651 3700 0.0334 0.0563 0.7218
3.2506 3800 0.0384 0.0563 0.7210
3.3362 3900 0.0178 0.0564 0.7200
3.4217 4000 0.0313 0.0564 0.7201
3.5073 4100 0.0447 0.0562 0.7197
3.5928 4200 0.0281 0.0562 0.7199
3.6784 4300 0.02 0.0563 0.7199
3.7639 4400 0.0535 0.0562 0.7212
3.8494 4500 0.017 0.0562 0.7207
3.9350 4600 0.0353 0.0562 0.7208
4.0 4676 - - 0.6887

Framework Versions

  • Python: 3.10.12
  • Sentence Transformers: 3.1.0
  • Transformers: 4.44.2
  • PyTorch: 2.4.0+cu121
  • Accelerate: 0.34.2
  • Datasets: 3.0.0
  • Tokenizers: 0.19.1

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}
}