Hugging Face's logo

quangtohe
/
Simcse-phoBert-base-healthcare

Sentence Similarity
sentence-transformers
Safetensors
Vietnamese
roberta
feature-extraction
Generated from Trainer
dataset_size:1032889
loss:MultipleNegativesRankingLoss
Inference Endpoints
Model card Files Community
Simcse-phoBert-base-healthcare / README.md
quangtohe's picture
quangtohe
Upload 16 files
1c2c025 verified
preview code
|
raw
history blame contribute delete
60.3 kB
metadata
language:
  - vi
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:1032889
  - loss:MultipleNegativesRankingLoss
base_model: vinai/phobert-base-v2
widget:
  - source_sentence: Nội_soi phế_quản ống mềm là gì ?
    sentences:
      - >-
        Trang_chủ Hô_hấp Sinh_thiết xuyên thành phế_quản ống mềm trong chẩn_đoán
        một_số bệnh phổi Nôi soi phế_quản ( NSP Q ) là kỹ_thuật để chẩn_đoán
        một_số bệnh_lý ở phế_quản phổi . NSP Q giúp quan_sát cấu_trúc trong lòng
        phế_quản và lấy bệnh_phẩm làm xét nghiêm tế ' bào , mô bệnh học ,
        vi_sinh dịch phế ' quản giúp chẩn_đoán xác_định bệnh [ 6 ] , [ 8 ] .
        Ngày_nay , với sự tiến_bộ của khoa_học có rất nhiều phương_pháp ... Rửa
        phế_quản phế_nang và chải phế_quản trên những tổn_thương dạng đám mờ
        ngoại_vi ở phổi Đám mờ ( moss ) : là những tổn_thương có kích_thước > 3
        cm , mật_độ có_thể thuần_nhất hoặc không , ranh_giới có_thể rõ_ràng hoặc
        không rõ_ràng ; đây là một tổn_thương hay gặp trong bệnh_lý hô_hấp .
        Nguyên_nhân thường gặp là viêm phổi , lao_phổi , ung_thư phổi , nấm phổi
        , xẹp phổi và một_số nguyên_nhân khác ít gặp hơn ... Xây_dựng và
        đánh_giá kết_quả chương_trình điều_trị phục_hồi chức_năng cho người_bệnh
        copd tại bệnh_viện lao và phổi trung_ương Bênh phổi tắc_nghẽn mạn tính (
        COPD ) đặc_trưng bởi sự tắc_nghẽn luồng khi " thở ra không hồi_phục
        hoàn_toàn . Sự cản_trở_thông khí này thường tiên triển từ từ và là hâu
        quả của sự tiếp_xúc lâu ngày với các chất và khí độc_hại [ 54 ] , [ 55 ]
        . Quá_trình viêm , mất cân_bằng của hê thống proteinase , anti -
        proteinase , sự ... Đặc_điểm lâm_sàng , hình_ảnh tổn_thương trên phim
        cắt_lớp vi_tính ngực và rối_loạn thông khí phổi ở bệnh_nhân giãn
        phế_quản Giãn phế_quản ( GPQ ) là tình_trạng tăng khẩu kính một_cách
        bất_thường , vĩnh_viễn và không hồi_phục của một phần cây phế_quản .
        Có_thể giãn ở phế_quản ( PQ ) lớn trong khi PQ nhỏ vẫn bình_thường hoặc
        giãn ở PQ nhỏ trong khi PQ lớn bình_thường [ 12 ] , [ 13 ] , [ 66 ] .
        Bệnh được Lan nec mô_tả lần đầu_tiên năm 1819 với đặc_điểm lâm ...
        Thực_trạng phát_hiện , điều_trị bệnh lao ở nông_dân tại bệnh_viện lao và
        bệnh phổi tỉnh thanh hoá Công_cuộc đấu_tranh của loài_người với bệnh lao
        đã trải qua nhiều thế_kỷ . Căn_bệnh này đã xuất_hiện cùng với loài_người
        , song mãi đến những năm cuối của thế_kỷ 19 ( 1882 ) , khi Robert Koch
        tìm ra nguyên_nhân gây bệnh : vi_khuẩn lao ( Mycobacteria_Tuberculosis )
        thì cuộc_chiến mới thực_sự bắt_đầu . Những tiến_bộ của khoa_học kỹ_thuật
        đã ... sự tuân_thủ điều_trị lao và hiểu_biết của người lao có hiv về
        bệnh lao tại 14 quân huyện thành_phố hà_nội Bênh lao gắn liền với sự
        phát_triển của loài_người . Từ xưa , bênh lao được xem là một bênh
        di_truyền và không chữa được . Nhưng đến năm 1882 khi Robert Koch tìm ra
        vi_khuẩn lao là nguyên_nhân gây bênh lao thì bênh không còn được xem là
        bênh di_truyền nữa và cùng với việc tìm ra các thuốc chống lao sau_này
        đã ... Kết_quả gần phẫu_thuật tĩnh_mạch phổi trở_về bất_thường hoàn_toàn
        tại bệnh viên nhi trung_ương Tĩnh_mạch phổi trở_về bất_thường hoàn_toàn
        ( TMP TVB THT ) là một dị_tật tim bẩm_sinh , trong đó các tĩnh_mạch phổi
        hoàn_toàn không kết_nối trực_tiếp vào nhĩ trái , mà_lại đổ về một
        tĩnh_mạch hệ_thống hoặc về nhĩ phải [ 58 ] . Do máu được oxy hoá từ phổi
        đổ về tim phải , nên sự tồn_tại và độ rộng của lỗ bầu ... Giá_trị của
        thông khí không xâm_nhập BiP AP trong điều_trị đợt cấp bệnh phổi
        tắc_nghẽn mạn tính tại khoa Hô_hấp Bệnh_viện Bạch_Mai Bệnh phổi
        tắc_nghẽn mạn tính ( COPD - Chronic Obstructive Pulmonary_Disease ) là
        một bệnh rất phổ_biến và có xu_hướng ngày_càng tăng , đặc_biệt ở các
        nước phát_triển . Bệnh là nguyên_nhân gây tử_vong hàng thứ tư trên
        thế_giới , và sẽ là thứ 3 vào năm 2020 [ 40 ] . Hiện_nay trên toàn
        thế_giới có khoảng 600 triệu người mắc bệnh [ 34 ] ... . Đ đặc_điểm
        lâm_sàng , cận lâm_sàng và căn nguyên gây bệnh của tràn dịch màng phổi
        thanh tơ Tràn dịch màng phổi ( TDMP ) là sự_tích_tụ dịch trong khoang
        màng phổi . Tràn dịch màng phổi thanh tơ là dịch tiết có phản_ứng
        Ri_valta dương_tính và lượng protein trên 30 g / l [ 54 ] . Chẩn_đoán
        tràn dịch màng phổi không khó nhưng chẩn_đoán nguyên_nhân gây tràn dịch
        màng phổi vẫn còn gặp nhiều khó_khăn : do lao , do ung_thư và
        một_số_nguyên ... Đặc_điểm lâm_sàng , cận lâm_sàng tràn dịch màng phổi
        do lao và tính kháng thuốc của mycobacterium tuberculosis ở bệnh_nhân có
        xét_nghiệm HIV ( + ) Bệnh lao đã có từ rất lâu ( trước Công_nguyên ) ở
        Ân_Đô , Ai Cập , Hy Lạp và các nước vùng Trung_Á . Năm 1882 khi Robert
        Koch tìm ra nguyên_nhân gây bệnh lao là do vi_khuẩn lao , thời_kỳ đó
        người_ta lạc_quan tuyên_bố có_thể thanh_toán được bệnh lao . Nhưng
        thực_tế bệnh lao không giảm mà còn có xu_hướng ...
      - >-
        Có một_vài yếu_tố tuy không phải nguyên_nhân trực_tiếp , nhưng lại khiến
        loạn sản phế_quản phổi có khả_năng xuất_hiện hơn , bao_gồm : Mức_độ trẻ
        sinh thiếu tháng : phổi càng kém phát_triển thì càng dễ bị tổn_thương và
        nguy_cơ xuất_hiện loạn sản phế_quản phổi càng cao . Loạn sản phế_quản
        phổi hiếm gặp ở những trẻ sinh sau 32 tuần tuổi thai . Can_thiệp thở
        máy_kéo_dài : thở máy làm căng giãn các phế_nang , và khi bị căng giãn
        quá mức , trong thời_gian dài , các phế_nang sẽ bị tổn_thương . Nồng_độ
        oxy cao : nồng_độ oxy càng cao , thời_gian thở oxy càng kéo_dài thì
        nguy_cơ xuất_hiện loạn sản phế_quản phổi càng lớn . Thông_thường nồng_độ
        oxy dưới 60 % được coi là mức tương_đối an_toàn . Trẻ là nam_giới :
        những trẻ mang giới_tính nam có nguy_cơ sinh thiếu tháng lớn hơn , và dễ
        phát_triển loạn sản phế_quản phổi hơn . T_ình trạng của thai_phụ :
        thai_phụ hút thuốc_lá , sử_dụng các chất kích_thích bất_hợp_pháp ,
        thai_phụ không được cung_cấp đủ dưỡng_chất , nhiễm_khuẩn trong lúc mang
        thai có_thể tác_động tới sự phát_triển bình_thường của bào_thai , từ đó
        có_thể dẫn tới sinh trẻ thiếu tháng , làm tăng nguy_cơ xuất_hiện các
        hội_chứng rối_loạn hô_hấp , và gây ra loạn sản phế_quản phổi . Cấy_ghép
        tế_bào gốc đã được chứng_minh hiệu_quả trong điều_trị loạn sản phế_quản
        phổi . Tại Vinmec Times City , bệnh_viện duy_nhất ở miền Bắc đã
        thực_hiện được kỹ_thuật này với tỷ_lệ thành_công đạt 80 % . Đây là
        kỹ_thuật tiên_tiến có_thể điều_trị dứt_điểm xơ phổi nặng ở trẻ sinh non
        . Tế_bào gốc ghép vào là các tế_bào toàn_năng , giúp cho phổi xơ_hóa
        trưởng_thành tốt , tăng thêm cơ_hội cứu_chữa và sống khỏe_mạnh cho trẻ
        sinh non mắc biến_chứng xơ phổi , giảm dần thời_gian lệ_thuộc máy ,
        mau_chóng trả lại cho trẻ một cuộc_sống như bình_thường . Cấy_ghép
        tế_bào gốc điều_trị loạn sản phế_quản phổi tại Vinmec Hệ_thống trang
        thiết_bị hiện_đại hỗ_trợ quá_trình điều_trị , Labo ngân_hàng tế_bào gốc
        , chiết tách , nuôi_cấy , kỹ_thuật cao . Bác_sĩ giàu kinh_nghiệm :
        Bác_sĩ Trần_Liên_Anh và Đội_ngũ điều_dưỡng có kiến_thức chuyên_sâu , có
        trách_nhiệm . Viện nghiên_cứu Tế_bào gốc & Công_nghệ Gen : trình_độ
        kỹ_thuật cao , có khả_năng nuôi_cấy tế_bào gốc . Loạn sản phế_quản phổi
        là những tổn_thương phổi khó tránh khỏi ở trẻ sinh non nếu phải cần đến
        hô_hấp hỗ_trợ . Tuy_vậy , nhờ vào những thành_tựu y_học , đặc_biệt là
        kỹ_thuật ghép tế_bào gốc , căn_bệnh này không còn là nỗi ám_ảnh lâu_dài
        . Hệ_thống Y_khoa Vinmec đã từng bước ứng_dụng và thành_công trong không
        chỉ nuôi_dưỡng trẻ sinh non và còn bảo_tồn được chức_năng hô_hấp cho trẻ
        . Xem thêm : Hướng_dẫn chẩn_đoán và điều_trị loạn sản phế_quản phối Để
        đặt lịch khám tại viện , Quý_khách vui_lòng bấm số HOTLINE hoặc đặt lịch
        trực_tiếp TẠI ĐÂY . Tải và đặt lịch khám tự_động trên ứng_dụng MyVinmec
        để quản_lý , theo_dõi lịch và đặt hẹn mọi lúc mọi nơi ngay trên ứng_dụng
        . Bài viết tham_khảo nguồn : webmd . com
      - >-
        Nội_soi phế_quản hay soi phế_quản là một thủ_thuật để nhìn trực_tiếp vào
        đường_dẫn khí trong phổi bằng cách sử_dụng một ống mỏng , có gắn nguồn
        sáng và máy thu_hình trong suốt quá_trình thực_hiện . Ngã vào của
        nội_soi phế_quản được đặt trong mũi hoặc miệng . Ống nội_soi sẽ đưa
        di_chuyển xuống cổ_họng , qua khí_quản , vào phế_quản và các cấp
        phân_chia . Nhờ đó , bác_sĩ có_thể quan_sát thấy toàn_bộ đường_dẫn khí
        như : thanh_quản , khí_quản , phế_quản và các nhánh nhỏ của phế_quản là
        tiểu phế_quản . Có hai loại ống soi phế_quản : ống soi cứng và ống soi
        mềm . Mỗi loại có những ưu_điểm riêng và được ứng_dụng trong từng bệnh
        cảnh khác nhau . Tuy_nhiên , trong thực_tế , nội_soi phế_quản ống mềm
        được sử_dụng thường_xuyên hơn . So với ống soi phế_quản cứng , ống soi
        phế_quản mềm linh_hoạt hơn và có_thể di_chuyển xuống các đường_dẫn khí
        nhỏ hơn như tiểu phế_quản . Nhờ đó , ống soi phế_quản mềm có_thể được
        sử_dụng đặt một ống thở trong đường thở để giúp cung_cấp oxy , hút ra
        dịch tiết , lấy mẫu mô làm sinh_thiết hay bơm thuốc điều_trị vào phổi .
        Nội_soi phế_quản ống mềm đem lại nhiều ưu_điểm
  - source_sentence: Tủy răng là gì ?
    sentences:
      - >-
        Ống tuỷ chân răng là gì ? | Nha_Khoa_Xuân_Hương_Răng của bạn phía ngoài
        là men , lớp tiếp là ngà , trong cùng là vùng mô mềm gọi là tuỷ răng , ở
        đó có động_mạch , tĩnh_mạch , thần_kinh và các mao_mạch bạch_huyết của
        răng . Ống tuỷ chân răng là những nhánh rất nhỏ , mỏng phân nhánh từ
        buồng tuỷ phía trên xuống đến chóp chân răng . Răng có_thể có từ 1 đến 4
        ống tuỷ .
      - >-
        Tủy răng là một mô liên_kết đặc_biệt gồm mạch_máu và thần_kinh , nằm
        trong hốc tủy và được bao quanh bởi mô cứng của răng ( gồm men và ngà
        răng ) . Tủy răng đi vào từ đỉnh của chân răng . Hốc tủy là một hốc ở
        giữa răng . Hốc ở phần thân răng gọi là buồng tủy và tủy răng nằm trong
        đó gọi là tủy buồng . Hốc ở phần chân răng gọi là ống tủy và tủy răng
        nằm trong đó gọi là tủy chân . Mỗi chân răng có_thể có 1 hoặc nhiều ống
        tủy , nhiều ống tủy phụ . Các ống tủy của một răng được gọi là hệ_thống
        ống tủy . Đỉnh của chân răng , nơi có mạch_máu và thần_kinh đi vào gọi
        là chóp răng ( cuống răng ) . Tủy răng tham_gia vào chức_năng cảm_giác ,
        nuôi_dưỡng và sửa_chữa ngà răng . Hình_ảnh giải_phẫu răng
      - >-
        5.1 Thuốc nhỏ mắt và thuốc không kê đơn Thuốc nhỏ mắt nhân_tạo có_thể
        làm rửa sạch tạm_thời các chất gây dị_ứng khỏi mắt và làm ẩm mắt .
        Nước_mắt nhân_tạo giúp cho mắt dịu , giảm đỏ và giảm khô kích_ứng . Loại
        thuốc này có_thể được sử_dụng thường_xuyên nếu cần . Thuốc nhỏ mắt thông
        mũi có tác_dụng làm giảm đỏ mắt do dị_ứng mắt bằng cách thu_hẹp những
        mạch_máu trong mắt . Tuy_nhiên , cần đặc_biệt lưu_ý không sử_dụng thuốc
        trên bệnh_nhân bị tăng nhãn áp . 5.2 Thuốc nhỏ mắt theo toa Thuốc nhỏ
        mắt kháng histamin có_thể làm giảm ngứa , sưng và đỏ do dị_ứng mắt .
        Mặc_dù những loại thuốc này có hiệu_quả nhanh_chóng nhưng tác_dụng
        có_thể chỉ kéo_dài trong vài giờ . Thông_thường liệu_trình điều_trị là 4
        lần / ngày . Thuốc nhỏ mắt ổn_định tế_bào mast : có tác_dụng ngăn_chặn
        sự giải_phóng histamin và những chất khác gây ra triệu_chứng dị_ứng ,
        qua đó giúp giảm ngứa nhanh_chóng . Thuốc nhỏ mắt chống viêm không
        steroid có tác_dụng giảm ngứa , nhưng có_thể gây châm_chích . Thuốc nhỏ
        mắt có chứa corticosteroid : loại thuốc này có_thể giúp điều_trị những
        triệu_chứng dị_ứng mắt mãn_tính và nghiêm_trọng . Điều_trị lâu_dài bằng
        thuốc steroid cần phải theo phác_đồ điều_trị , vì tác_dụng không
        mong_muốn có_thể làm tăng nguy_cơ nhiễm_trùng , tăng nhãn áp và đục
        thuỷ_tinh_thể .
  - source_sentence: Tương_tác thuốc Momenazal
    sentences:
      - >-
        Sử_dụng chung các thuốc giống thần_kinh giao_cảm nói_chung bao_gồm cả
        Momenazal cho người_bệnh đang dùng các thuốc thuốc chống trầm_cảm ba
        vòng hay thuốc ức_chế monoaminoxydase , maprotilin có_thể gây phản_ứng
        tăng huyết_áp mức_độ nặng . Nên đây là chống chỉ_định tuyệt_đối .
      - >-
        Cách dùng : Thuốc Tarnir dùng đường uống , bạn nên uống nguyên viên
        thuốc với một cốc nước không nên bẻ hoặc chia nhỏ thuốc . Liều dùng :
        Thuốc Tarnir được dùng theo chỉ_định của bác_sĩ , bạn có_thể tham_khảo
        thêm liều khuyến_cáo dưới đây : Đối_với người_lớn và trẻ_em trên 12 tuổi
        : Mỗi ngày uống hai lần , mỗi lần uống 1 viên , các lần cách nhau 12 giờ
        . Thời_gian điều_trị tùy thuộc vào đáp_ứng của từng bệnh_nhân . Đối_với
        trẻ_em từ 6 tháng đến 12 tuổi : Liều dùng khuyến_cáo là 14mg / kg / ngày
        , không được vượt quá 600mg / ngày . Đối_với bệnh_nhân suy thận : với
        người có độ thanh thải dưới 30ml / phút , dùng liều 300mg 1 lần duy_nhất
        trong ngày .
      - >-
        Những loại thuốc tuyệt_đối không được dùng chung - Công_ty TNHH
        Đông_Dược_Xuân_Quang Một thiếu_nữ 18 tuổi ở Giang_Môn , Quảng_Đông (
        Trung_Quốc ) qua_đời sau khi uống hai loại thuốc cảm_cúm cùng lúc . Theo
        báo_cáo , cô gái sử_dụng một thuốc giảm đau và viên nang có chứa
        thành_phần methoxyphenamine .
  - source_sentence: Các yếu_tố nguy_cơ của ung_thư da
    sentences:
      - >-
        Ung_thư da là sự phát_triển bất_thường của các tế_bào da thường
        phát_triển nhất trên da tiếp_xúc với ánh nắng mặt_trời . Những dạng
        ung_thư phổ_biến này cũng có_thể xảy ra ở những vùng da của bạn không
        tiếp_xúc với ánh_sáng mặt_trời . Có ba loại ung_thư da chính - ung_thư
        biểu mô tế_bào đáy , ung_thư biểu mô tế_bào vảy và khối_u ác_tính . Bạn
        có_thể giảm nguy_cơ ung_thư da bằng cách hạn_chế hoặc tránh tiếp_xúc với
        tia cực_tím ( UV ) . Kiểm_tra làn da của bạn để biết những thay_đổi đáng
        ngờ có_thể giúp phát_hiện ung_thư da ở giai_đoạn sớm nhất . Phát_hiện
        sớm ung_thư da mang đến cho bạn cơ_hội lớn nhất để điều_trị ung_thư da
        thành_công . Ung_thư biểu mô tế_bào vảy là một loại ung_thư da thường
        gặp 
         Hầu_hết các bệnh ung_thư da đều có_thể phòng_ngừa được . Để bảo_vệ bản_thân , hãy làm theo các mẹo phòng_chống ung_thư da sau : Tránh ánh nắng mặt_trời vào giữa ngày . Đối_với nhiều người ở Bắc_Mỹ , các tia nắng mặt_trời mạnh nhất trong khoảng từ 10 giờ sáng đến 4 giờ chiều . Lên lịch các hoạt_động ngoài_trời cho những thời_điểm khác trong ngày , ngay cả trong mùa đông hoặc khi trời nhiều mây . Bạn hấp_thụ bức_xạ UV quanh_năm và các đám mây cung_cấp ít sự bảo_vệ khỏi các tia gây hại . Tránh ánh nắng mặt_trời mạnh nhất giúp bạn tránh được những vết cháy nắng và nắng_nóng gây tổn_thương da và tăng nguy_cơ phát_triển ung_thư da . Phơi nắng tích_lũy theo thời_gian cũng có_thể gây ung_thư da . Mặc kem chống nắng quanh_năm : Kem chống nắng không lọc được tất_cả các bức_xạ tia cực_tím có hại , đặc_biệt là bức_xạ có_thể dẫn đến khối_u ác_tính . Nhưng chúng đóng một vai_trò quan_trọng trong một chương_trình chống nắng tổng_thể . Sử_dụng kem chống nắng là một_cách phòng_ngừa bệnh ung_thư da Sử_dụng kem chống nắng phổ rộng với SPF ít_nhất là 30 , ngay cả trong những ngày nhiều mây . Thoa kem chống nắng một_cách hào_phóng , và bôi lại sau mỗi hai giờ - hoặc thường_xuyên hơn nếu bạn đang bơi hoặc ra mồ_hôi . Sử_dụng một lượng lớn kem chống nắng trên tất_cả các vùng da bị phơi nhiễm , bao_gồm cả môi , chóp tai và mu bàn_tay và cổ của bạn . Mặc quần_áo bảo_hộ : kem chống nắng không cung_cấp sự bảo_vệ hoàn_toàn khỏi tia UV. Vì_vậy , che_phủ làn da của bạn với quần_áo tối màu , dệt chặt_chẽ che cánh_tay và chân của bạn , và một chiếc mũ rộng vành , mang lại sự bảo_vệ nhiều hơn so với mũ bóng_chày hoặc tấm che mặt . Đeo kính_râm : hãy tìm những loại chặn cả hai loại bức_xạ UV - tia UVA và UVB. Kiểm_tra da của bạn thường_xuyên và báo_cáo thay_đổi với bác_sĩ của bạn . Kiểm_tra da của bạn thường_xuyên để phát_triển da mới hoặc thay_đổi trong các nốt_ruồi , tàn_nhang , vết sưng và vết bớt hiện có . Khách_hàng có_thể trực_tiếp đến hệ_thống Y_tế Vinmec trên toàn_quốc để thăm khám hoặc liên_hệ hotline tại đây để được hỗ_trợ .
      - >-
        2.1 . Chỉ_định Thuốc Phacoparamol được dùng trong các trường_hợp sau :
        Sốt , đau_đầu , đau nhức cơ_bắp , đau khớp do cảm_cúm , cảm lạnh gây ra
        . Hỗ_trợ điều_trị triệu_chứng_bệnh nhiễm_trùng đường hô_hấp trên gây
        hắt_hơi , chảy nước_mắt , nghẹt mũi , sổ_mũi , ớn lạnh ; giảm
        triệu_chứng viêm xoang mũi do nhiễm_khuẩn hay thời_tiết , viêm mũi
        dị_ứng . 2.2 . Chống chỉ_định Không dùng thuốc Phacoparamol trong
        trường_hợp sau : Bệnh_nhân suy gan hoặc bị suy thận nặng . Người mẫn_cảm
        với bất_kỳ thành_phần_nào của thuốc Phacoparamol . Người_bệnh đang bị
        cơn hen cấp . Người_bệnh thiếu_hụt glucose - 6 – phosphat dehydrogenase
        ( G6PD ) Người_bệnh có triệu_chứng của bệnh phì đại tuyến tiền_liệt ;
        tắc cổ bàng_quang ; Glocom góc hẹp . Người_bệnh dùng thuốc ức_chế
        monoamin oxydase ( IMAO ) trong vòng 14 ngày , tính đến thời_điểm
        điều_trị bằng thuốc clorpheniramin . Vì tính_chất chống tiết
        acetylcholin của clorpheniramin bị tăng lên khi dùng chung với các chất
        ức_chế MAO.
      - >-
        Ung_Thư Da Sức_Khoẻ Bí_quyết chăm_sóc sức_khoẻ cho mọi người Home Các
        Loại Bệnh Bệnh_Về Da và Tóc Ung_Thư Da Tiếp_xúc với những nguy_hại của
        môi_trường như môi_trường như môi_trường hoá_chất , thuốc diệt cỏ cũng
        tăng nguy_cơ ung_thư da . Nói_chung nguy_cơ mắc ung_thư da của bạn tăng
        lên theo tuổi , thường nhất là sau 50 tuổi . Tuy_nhiên một_số trường_hợp
        vẫn thấy ung_thư ở người trẻ từ Các biện_pháp điều_trị ung_thư da và
        sang thương tiền ung_thư da thay_đổi tuỳ theo kích_thước , phân_loại ,
        độ ăn sâu và vị_trí của một hoặc nhiều sang thương . Hầu_hết đều dùng
        biện_pháp vô_cảm tại_chỗ và điều_trị ngoại_trú , nhưng đôi_khi chỉ
        thực_hiện_sinh_thiết sang thương . Hầu_hết các trường_hợp ung_thư da đều
        có_thể phòng_ngừa được . Bạn nên thực_hiện theo một_số biện_pháp sau để
        duy_trì sự khoẻ_mạnh của làn da . Những cách phòng_ngừa : Giảm thời_gian
        phơi nắng . Tránh làm_việc và tiếp_xúc ánh nắng mặt_trời quá lâu . Bỏng
        nắng , sạm nắng đều tăng Dấu_hiệu báo_động thường gặp nhất của ung_thư
        da là một chỗ biến_đổi bất_thường của da , ví_dụ như một vết loét đau ,
        chảy_máu , đóng mài trên bề_mặt , lành rồi sau đó lại loét trợ lại ngay
        tại vị_trí này . Dấu_hiệu và triệu_chứng Dấu_hiệu đầu_tiên thường gặp
        của ung Ung_thư da là một tình_trạng phát_triển bất_thường của tế_bào da
        . Một trong những dạng ung_thư phổ_biến nhất hiện_nay . Ba loại ung_thư
        da thường gặp là ung_thư tế_bào đáy , tế_bào sừng và tế_bào hắc tố ,
        trong đó phổ_biến nhất là ung_thư tế_bào đáy và tế
  - source_sentence: 'Phương_pháp điều_trị tự_nhiên số 5 : Châm_cứu'
    sentences:
      - >-
        Châm_cứu là một hình_thức y_học cổ_truyền của Trung_Quốc . Các kim rất
        mỏng được đưa vào da của bạn ở các điểm khác nhau trên_cơ_thể . Nó được
        sử_dụng để điều_trị nhiều tình_trạng khác nhau . Một bài báo được
        xuất_bản trong Cơ_sở dữ_liệu Cochrane về các đánh_giá có hệ_thống cho
        thấy nó có_thể giúp điều_trị chứng đau cơ xơ_hóa . Các tác_giả đã
        đánh_giá 9 nghiên_cứu với tổng_số 395 người tham_gia . Họ đã tìm ra
        một_số bằng_chứng cho thấy châm_cứu có_thể giúp cải_thiện tình_trạng đau
        và cứng khớp .
      - >-
        Một_số tương_tác thuốc của Hemarexin gồm : Ofloxacin , norfloxacin ,
        ciprofloxacin , Ca carbonate , Na carbonate , Mg trisilicat ,
        Tetracyclin , nước chè , Penicilamin , carbidopa / levodopa , methyldopa
        , hormon giáp , quinolon , muối Zn , ... khi sử_dụng đồng_thời . Trước
        khi sử_dụng thuốc Hemarexin , người_bệnh nên báo_cáo cho bác_sĩ về
        bệnh_lý của bản_thân , các loại thuốc mình đang sử_dụng để đề_phòng
        nguy_cơ tương_tác thuốc . Khi dùng thuốc , bệnh_nhân nên tuân_thủ đúng
        hướng_dẫn của bác_sĩ để luôn đạt được hiệu_quả trị_liệu tốt nhất .
        Theo_dõi website Bệnh_viện Đa_khoa Quốc_tế Vinmec để nắm thêm nhiều
        thông_tin sức_khỏe , dinh_dưỡng , làm_đẹp để bảo_vệ sức_khỏe cho
        bản_thân và những người_thân_yêu trong gia_đình . Để đặt lịch khám tại
        viện , Quý_khách vui_lòng bấm số HOTLINE hoặc đặt lịch trực_tiếp TẠI ĐÂY
        . Tải và đặt lịch khám tự_động trên ứng_dụng MyVinmec để quản_lý ,
        theo_dõi lịch và đặt hẹn mọi lúc mọi nơi ngay trên ứng_dụng .
      - >-
        Những lợi_ích của châm_cứu đối_với sức_khoẻ An Hoà Khang Những lợi_ích
        của châm_cứu đối_với sức_khoẻ Mặc_dù lão_hoá là một quá_trình_tự_nhiên
        của cơ_thể nhưng châm_cứu có_thể giúp làm chậm quá_trình này và giảm
        hiện_tượng lão_hoá hiệu_quả . Châm_cứu_giúp làm_đẹp da bằng cách
        tăng_cường lưu_thông máu đến các tế_bào da . Nó cũng giúp làm giảm nếp
        nhăn , đốm đồi_mồi và các dấu_hiệu lão_hoá khác . Đẩy_lùi viêm họng Đau
        họng có_thể là do bạn đã bị nhiễm_trùng , dị_ứng hoặc do các chất
        kích_thích . Việc châm_cứu_giúp tăng_cường lưu_thông máu , từ đó
        cải_thiện hệ miễn_dịch và khắc_phục các vấn_đề về hô_hấp hiệu_quả .
        Châm_cứu làm tăng lưu_lượng máu đến tử_cung , giúp thư giãn các cơ và
        kích_thích giải_phóng endorphin trong não để bạn quên đi cảm_giác
        khó_chịu và đau_đớn trong những ngày " đèn_đỏ " . Nếu muốn có đời_sống
        tình_dục tốt , bạn cần có sức_khoẻ tốt về cả_thể_chất lẫn tinh_thần và
        không bị rối_loạn tình_dục . Châm_cứu có_thể cải_thiện sức_khoẻ thể_chất
        và tinh_thần , từ đó giúp bạn có đời_sống tình_dục tốt_đẹp . Châm_cứu
        còn có_thể giúp điều_trị các chứng rối_loạn tình_dục như rối_loạn cương
        dương , xuất_tinh sớm ... Châm_cứu cũng được xem là một phương_pháp
        điều_trị hen_suyễn rất hiệu_quả . Các nghiên_cứu đã chỉ ra rằng , khoảng
        70 bệnh_nhân bị hen_suyễn đã giảm bớt các triệu_chứng của bệnh sau khi
        điều_trị bằng cách châm_cứu . Đối_phó với hội_chứng ống cổ_tay Hội_chứng
        ống cổ_tay hay còn gọi là hội_chứng đường_hầm cổ_tay , hội_chứng chèn_ép
        thần_kinh giữa . Hội_chứng này xảy ra khi dây thần_kinh hoặc dây_chằng
        trong ống cổ_tay bị kích_thích do chấn_thương . Các biểu_hiện lâm_sàng
        của hội_chứng ống cổ_tay là ngứa ran hoặc tê ở lòng bàn_tay và các ngón
        tay , đặc_biệt là ngón_cái và ngón_giữa . Châm_cứu là một phương_pháp
        điều_trị hội_chứng ống cổ_tay rất hiệu_quả thay_vì bạn phải tiến_hành
        phẫu_thuật .
datasets:
  - anti-ai/ViNLI-Healthcare-supervised
pipeline_tag: sentence-similarity
library_name: sentence-transformers

SentenceTransformer based on vinai/phobert-base-v2

This is a sentence-transformers model finetuned from vinai/phobert-base-v2 on the vi_nli-healthcare-supervised 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 Sources

Full Model Architecture 

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: RobertaModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    'Phương_pháp điều_trị tự_nhiên số 5 : Châm_cứu',
    'Châm_cứu là một hình_thức y_học cổ_truyền của Trung_Quốc . Các kim rất mỏng được đưa vào da của bạn ở các điểm khác nhau trên_cơ_thể . Nó được sử_dụng để điều_trị nhiều tình_trạng khác nhau . Một bài báo được xuất_bản trong Cơ_sở dữ_liệu Cochrane về các đánh_giá có hệ_thống cho thấy nó có_thể giúp điều_trị chứng đau cơ xơ_hóa . Các tác_giả đã đánh_giá 9 nghiên_cứu với tổng_số 395 người tham_gia . Họ đã tìm ra một_số bằng_chứng cho thấy châm_cứu có_thể giúp cải_thiện tình_trạng đau và cứng khớp .',
    'Những lợi_ích của châm_cứu đối_với sức_khoẻ An Hoà Khang Những lợi_ích của châm_cứu đối_với sức_khoẻ Mặc_dù lão_hoá là một quá_trình_tự_nhiên của cơ_thể nhưng châm_cứu có_thể giúp làm chậm quá_trình này và giảm hiện_tượng lão_hoá hiệu_quả . Châm_cứu_giúp làm_đẹp da bằng cách tăng_cường lưu_thông máu đến các tế_bào da . Nó cũng giúp làm giảm nếp nhăn , đốm đồi_mồi và các dấu_hiệu lão_hoá khác . Đẩy_lùi viêm họng Đau họng có_thể là do bạn đã bị nhiễm_trùng , dị_ứng hoặc do các chất kích_thích . Việc châm_cứu_giúp tăng_cường lưu_thông máu , từ đó cải_thiện hệ miễn_dịch và khắc_phục các vấn_đề về hô_hấp hiệu_quả . Châm_cứu làm tăng lưu_lượng máu đến tử_cung , giúp thư giãn các cơ và kích_thích giải_phóng endorphin trong não để bạn quên đi cảm_giác khó_chịu và đau_đớn trong những ngày " đèn_đỏ " . Nếu muốn có đời_sống tình_dục tốt , bạn cần có sức_khoẻ tốt về cả_thể_chất lẫn tinh_thần và không bị rối_loạn tình_dục . Châm_cứu có_thể cải_thiện sức_khoẻ thể_chất và tinh_thần , từ đó giúp bạn có đời_sống tình_dục tốt_đẹp . Châm_cứu còn có_thể giúp điều_trị các chứng rối_loạn tình_dục như rối_loạn cương dương , xuất_tinh sớm ... Châm_cứu cũng được xem là một phương_pháp điều_trị hen_suyễn rất hiệu_quả . Các nghiên_cứu đã chỉ ra rằng , khoảng 70 bệnh_nhân bị hen_suyễn đã giảm bớt các triệu_chứng của bệnh sau khi điều_trị bằng cách châm_cứu . Đối_phó với hội_chứng ống cổ_tay Hội_chứng ống cổ_tay hay còn gọi là hội_chứng đường_hầm cổ_tay , hội_chứng chèn_ép thần_kinh giữa . Hội_chứng này xảy ra khi dây thần_kinh hoặc dây_chằng trong ống cổ_tay bị kích_thích do chấn_thương . Các biểu_hiện lâm_sàng của hội_chứng ống cổ_tay là ngứa ran hoặc tê ở lòng bàn_tay và các ngón tay , đặc_biệt là ngón_cái và ngón_giữa . Châm_cứu là một phương_pháp điều_trị hội_chứng ống cổ_tay rất hiệu_quả thay_vì bạn phải tiến_hành phẫu_thuật .',
]
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]

Training Details

Training Dataset

vi_nli-healthcare-supervised

  • Dataset: vi_nli-healthcare-supervised at 3aadc4d
  • Size: 1,032,889 training samples
  • Columns: anchor, positive, and negative
  • Approximate statistics based on the first 1000 samples:
    anchor positive negative
    type string string string
    details
    • min: 3 tokens
    • mean: 10.1 tokens
    • max: 30 tokens
    • min: 2 tokens
    • mean: 118.68 tokens
    • max: 128 tokens
    • min: 20 tokens
    • mean: 118.11 tokens
    • max: 128 tokens
  • Samples:
    anchor positive negative
    Triệu_chứng của u sợi thần_kinh hạ_thanh môn Bệnh có_thể gặp ở từ 2 đến 60 tuổi nhưng hầu_hết tập_trung ở trẻ_em . Các triệu_chứng của u sợi thần_kinh hạ_thanh môn là khàn tiếng , khó thở , khò_khè , khó nuốt , khó phát_âm ... Trẻ thường được chẩn_đoán nhầm là hen phế_quản và được cho điều_trị nội_khoa nhưng không đáp_ứng với điều_trị . Tình_trạng khó thở ngày_càng tăng đặc_biệt khi nằm , trẻ phải ngồi , nằm đầu cao hoặc ngước cổ lên để thở . Trẻ thường nhập_viện với tình_trạng khó thở nặng , đôi_khi phải mở khí_quản cấp_cứu . Để chẩn_đoán bệnh , bác_sĩ sẽ nội_soi thanh_quản , chụp cắt_lớp vi_tính và sinh_thiết lấy mẫu bệnh_phẩm để thực_hiện xét_nghiệm giải_phẫu bệnh . Xét_nghiệm cho thấy là các tế_bào hình_thoi với nhân gợn sóng , collagen và những sợi thần_kinh trong đó . Ngoài_ra , có_thể xét_nghiệm_hóa mô miễn_dịch dương_tính với S100 để chẩn_đoán u sợi thần_kinh hạ_thanh môn . Triệu_chứng ung_thư thanh_quản
    Quy_trình chụp cắt_lớp vi_tính hốc mắt axial và coronal có tiêm thuốc cản_quang Khi người gặp chấn_thương vùng hốc mắt , bác_sĩ sẽ có chỉ_định chụp cắt_lớp vi_tính Chỉ_định : ● Chấn_thương vùng hốc mắt . ● Viêm , nhiễm_trùng như viêm dây thần_kinh thị_giác ... ● Nghi_ngờ có tổn_thương mạch_máu , thần_kinh , khối_u trong vùng hốc mắt . ● Chỉ_định theo yêu_cầu chuyên_môn của bác_sĩ điều_trị . Chống chỉ_định : ● Chống chỉ_định tương_đối : Phụ_nữ mang thai , trẻ nhỏ . Phụ_nữ mang thai nếu chụp phải dùng áo chì để che vùng bụng nếu chụp . ● Chống chỉ_định tuyệt_đối trong các trường_hợp có chống chỉ_định với thuốc đối quang như : Bệnh_nhân mắc bệnh suy thận , suy gan , suy tim nặng , tiền_sử dị_ứng với thuốc cản_quang , hen phế_quản hay cường_giáp_trạng chưa điều_trị ổn_định ...
    ● Trẻ nhỏ có_thể không hợp_tác trong quá_trình chụp : Xử_trí bằng cách có_thể chụp lúc trẻ ngủ , dùng thuốc an_thần hoặc một_số trường_hợp phải gây_mê . ● Người_bệnh không_thể ngửa cổ được khi chụp lớp cắt đứng ngang ( coronal ) , có_thể tái_tạo_hình_ảnh từ hướng cắt ngang đối_với các máy chụp...    		 Hệ_thống chụp cắt_lớp võng_mạc hỗ_trợ chẩn_đoán các bệnh_lý chuyên_sâu ( VO H ) - Bệnh_viện Mắt TPHCM vừa được trang_bị Hệ_thống chụp cắt_lớp võng_mạc CIRRUS HD - OCT 5000 ( OCT - A ) nhằm hỗ_trợ chẩn_đoán các bệnh_lý chuyên_sâu về mắt . Đây là máy chẩn_đoán hình_ảnh không xâm_lấn có_thể chụp được những vi_mạch_máu của võng_mạc , hắc mạc , được xem là thành_tựu công_nghệ sáng_tạo nổi_bật mới được Cục quản_lý thuốc và thực_phẩm Mỹ công_nhận . Máy OCT - A sử_dụng kỹ_thuật laser quét để ghi_nhận hình_ảnh các mạch_máu ở võng_mạc là lớp thần_kinh của mắt . Xét_nghiệm thực_hiện nhanh chỉ trong vòng 15 giây , người_bệnh chỉ cần nhìn vào tia hướng_dẫn trong máy như đo kính thông_thường . Ngoài_ra tia laser quét ở phổ hồng_ngoại có năng_lượng thấp không gây bất_cứ tổn_thương nào cho mắt của người_bệnh . Trước_đây để ghi_nhận được hình_ảnh các mạch_máu tương_tự thì phải tiêm thuốc cản_quang vào tĩnh_mạch người_bệnh và điều này tiềm_ẩn rủi_ro do thuốc gây ra . Người_bệnh cũng phải chịu hàng chục ...
    Thế_nào là hở van tim 3 lá ? Van 3 lá nằm giữa tâm_nhĩ phải và tâm_thất phải của tim , có tác_dụng cho máu lưu_thông theo một_chiều từ tâm_nhĩ xuống tâm_thất . Van 3 lá sẽ mở ra khi tâm_nhĩ co lại để bơm máu vào tâm_thất phải , van ba_lá đóng lại khi tâm_thất co tống máu vào động_mạch phổi , để có_thể ngăn dòng máu chảy ngược về tâm_nhĩ . Hở van tim 3 lá là tình_trạng van không đóng kín hoàn_toàn khi tâm_thất phải co lại , để bơm máu lên động_mạch phổi , khiến cho một phần máu bị trào ngược trở_lại thất phải . Khi có một lượng máu chảy ngược trở_lại tâm_nhĩ thì tâm_nhĩ phải cần phải hoạt_động nhiều hơn và trở_nên to ra , lâu dần gây suy chức_năng tim phải và gây ra nhiều biến_chứng như suy tim , rung nhĩ ... Hở van ba_lá tùy theo mức_độ mà được chia thành 4 mức_độ khác nhau : Hở van tim tim 3 lá 1 / 4 : Mức_độ hở van ba_lá nhẹ nhất , thông_thường còn được gọi là hở van sinh_lý , có_thể gặp ở nhiều người khỏe mạnh bình_thường . Hở van 2 lá 2 / 4 : Mức_độ hở van trung_bình và cần tiến_hành điều_trị khi thấy có các t... Trang_chủ Bệnh tim_mạch Bệnh_lý về van tim Hở van tim 3 lá Hở van tim 3 lá là gì ? 19 / 04 / 2016 534 luợt xem Hở van tim 3 lá là gì , hậu_quả hở van tim 3 lá như thế_nào và hở van tim 3 lá cần lưu_ý những gì là những vấn_đề mọi người cần trang_bị cho mình những kiến_thức cần_thiết để biết cách đối_phó với căn_bệnh nguy_hiểm này . Van tim 3 lá bị hở cần được phát_hiện sớm và điều_trị hiệu_quả . Khi hai tâm_thất bóp ( thời_kỳ tâm thu ) thì van 2 lá và van 3 lá đóng kín , đồng_thời van động_mạch chủ và van động_mạch phổi mở để đẩy máu lên phổi và đưa máu giàu ôxy tới nuôi các tế_bào . Khi tâm_nhĩ nghỉ ( thời_kỳ tâm trương ) , 2 van động_mạch chủ và phổi đóng kín để máu không chảy ngược_lại tâm_thất được . Chúng_ta có_thể coi các van tim là những cánh cửa , khi mở ra cho máu chảy một_chiều , khi đóng lại giữ máu không chảy ngược_lại được . Van tim 3 lá là van tim thông giữa tâm_nhĩ phải và tâm_thất phải . Nếu van 3 lá bị hở , người_ta gọi là bệnh hở van tim 3 lá . Nguyên_nhân hở van tim 3...
  • Loss: MultipleNegativesRankingLoss with these parameters:
    {
    "scale": 20.0,
    "similarity_fct": "cos_sim"
}

Training Hyperparameters

Non-Default Hyperparameters

  • per_device_train_batch_size: 128
  • learning_rate: 0.0001
  • weight_decay: 0.1
  • num_train_epochs: 1
  • warmup_ratio: 0.1
  • fp16: True
  • batch_sampler: no_duplicates

All Hyperparameters

Click to expand
  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: no
  • prediction_loss_only: True
  • per_device_train_batch_size: 128
  • per_device_eval_batch_size: 8
  • per_gpu_train_batch_size: None
  • per_gpu_eval_batch_size: None
  • gradient_accumulation_steps: 1
  • eval_accumulation_steps: None
  • torch_empty_cache_steps: None
  • learning_rate: 0.0001
  • weight_decay: 0.1
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1.0
  • num_train_epochs: 1
  • max_steps: -1
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.1
  • warmup_steps: 0
  • log_level: passive
  • log_level_replica: warning
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • save_safetensors: True
  • save_on_each_node: False
  • save_only_model: False
  • restore_callback_states_from_checkpoint: False
  • no_cuda: False
  • use_cpu: False
  • use_mps_device: False
  • seed: 42
  • data_seed: None
  • jit_mode_eval: False
  • use_ipex: False
  • bf16: False
  • fp16: True
  • fp16_opt_level: O1
  • half_precision_backend: auto
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • local_rank: 0
  • ddp_backend: None
  • tpu_num_cores: None
  • tpu_metrics_debug: False
  • debug: []
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_prefetch_factor: None
  • past_index: -1
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • fsdp: []
  • fsdp_min_num_params: 0
  • fsdp_config: {'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: None
  • hub_always_push: False
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • include_inputs_for_metrics: False
  • include_for_metrics: []
  • eval_do_concat_batches: True
  • fp16_backend: auto
  • push_to_hub_model_id: None
  • push_to_hub_organization: None
  • mp_parameters:
  • auto_find_batch_size: False
  • full_determinism: False
  • torchdynamo: None
  • ray_scope: last
  • ddp_timeout: 1800
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • dispatch_batches: None
  • split_batches: None
  • include_tokens_per_second: False
  • include_num_input_tokens_seen: False
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • eval_on_start: False
  • use_liger_kernel: False
  • eval_use_gather_object: False
  • average_tokens_across_devices: False
  • prompts: None
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional

Training Logs

Click to expand
Epoch Step Training Loss
0.0062 50 3.345
0.0124 100 0.8099
0.0186 150 0.3079
0.0248 200 0.2089
0.0310 250 0.1961
0.0372 300 0.186
0.0434 350 0.1607
0.0496 400 0.1483
0.0558 450 0.1391
0.0620 500 0.1343
0.0682 550 0.1235
0.0743 600 0.1222
0.0805 650 0.1186
0.0867 700 0.128
0.0929 750 0.1145
0.0991 800 0.1153
0.1053 850 0.1143
0.1115 900 0.1099
0.1177 950 0.1018
0.1239 1000 0.1079
0.1301 1050 0.0982
0.1363 1100 0.0949
0.1425 1150 0.0945
0.1487 1200 0.0952
0.1549 1250 0.1162
0.1611 1300 0.0965
0.1673 1350 0.0847
0.1735 1400 0.0916
0.1797 1450 0.0821
0.1859 1500 0.0693
0.1921 1550 0.0753
0.1983 1600 0.072
0.2045 1650 0.0718
0.2107 1700 0.0715
0.2169 1750 0.0711
0.2230 1800 0.0731
0.2292 1850 0.0636
0.2354 1900 0.076
0.2416 1950 0.06
0.2478 2000 0.0582
0.2540 2050 0.056
0.2602 2100 0.0539
0.2664 2150 0.0548
0.2726 2200 0.0522
0.2788 2250 0.0429
0.2850 2300 0.0543
0.2912 2350 0.055
0.2974 2400 0.0449
0.3036 2450 0.0526
0.3098 2500 0.0432
0.3160 2550 0.0513
0.3222 2600 0.0478
0.3284 2650 0.041
0.3346 2700 0.0455
0.3408 2750 0.0515
0.3470 2800 0.0455
0.3532 2850 0.0429
0.3594 2900 0.037
0.3656 2950 0.0329
0.3717 3000 0.0381
0.3779 3050 0.0381
0.3841 3100 0.0373
0.3903 3150 0.0405
0.3965 3200 0.0344
0.4027 3250 0.0345
0.4089 3300 0.0327
0.4151 3350 0.0271
0.4213 3400 0.0314
0.4275 3450 0.0352
0.4337 3500 0.0262
0.4399 3550 0.0295
0.4461 3600 0.0284
0.4523 3650 0.0248
0.4585 3700 0.0239
0.4647 3750 0.0272
0.4709 3800 0.0253
0.4771 3850 0.0288
0.4833 3900 0.0267
0.4895 3950 0.027
0.4957 4000 0.0233
0.5019 4050 0.0237
0.5081 4100 0.0224
0.5143 4150 0.0252
0.5204 4200 0.0228
0.5266 4250 0.0243
0.5328 4300 0.0269
0.5390 4350 0.0228
0.5452 4400 0.0219
0.5514 4450 0.0215
0.5576 4500 0.0242
0.5638 4550 0.0199
0.5700 4600 0.0196
0.5762 4650 0.0171
0.5824 4700 0.0161
0.5886 4750 0.0182
0.5948 4800 0.019
0.6010 4850 0.0192
0.6072 4900 0.018
0.6134 4950 0.016
0.6196 5000 0.0167
0.6258 5050 0.0155
0.6320 5100 0.0151
0.6382 5150 0.0169
0.6444 5200 0.0151
0.6506 5250 0.0152
0.6568 5300 0.0141
0.6629 5350 0.0167
0.6691 5400 0.0159
0.6753 5450 0.0163
0.6815 5500 0.0153
0.6877 5550 0.0122
0.6939 5600 0.016
0.7001 5650 0.0169
0.7063 5700 0.0132
0.7125 5750 0.0129
0.7187 5800 0.0128
0.7249 5850 0.0119
0.7311 5900 0.0118
0.7373 5950 0.0138
0.7435 6000 0.0123
0.7497 6050 0.0104
0.7559 6100 0.0147
0.7621 6150 0.0102
0.7683 6200 0.0125
0.7745 6250 0.0133
0.7807 6300 0.0134
0.7869 6350 0.0125
0.7931 6400 0.0119
0.7993 6450 0.0134
0.8055 6500 0.0144
0.8116 6550 0.0119
0.8178 6600 0.0109
0.8240 6650 0.0098
0.8302 6700 0.0115
0.8364 6750 0.0127
0.8426 6800 0.0102
0.8488 6850 0.011
0.8550 6900 0.0114
0.8612 6950 0.0116
0.8674 7000 0.0102
0.8736 7050 0.0104
0.8798 7100 0.0098
0.8860 7150 0.01
0.8922 7200 0.01
0.8984 7250 0.0085
0.9046 7300 0.0106
0.9108 7350 0.0085
0.9170 7400 0.0092
0.9232 7450 0.0095
0.9294 7500 0.0099
0.9356 7550 0.0113
0.9418 7600 0.0077
0.9480 7650 0.0095
0.9542 7700 0.0077
0.9603 7750 0.0089
0.9665 7800 0.009
0.9727 7850 0.0077
0.9789 7900 0.0101
0.9851 7950 0.0088
0.9913 8000 0.0098
0.9975 8050 0.0102

Framework Versions

  • Python: 3.10.13
  • Sentence Transformers: 3.3.1
  • Transformers: 4.47.1
  • PyTorch: 2.2.0
  • Accelerate: 0.26.0
  • Datasets: 3.2.0
  • Tokenizers: 0.21.0

Citation

BibTeX

Sentence Transformers 

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MultipleNegativesRankingLoss 

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}