meandyou200175 commited on
Commit
ee7dd03
1 Parent(s): c365d43

Add new SentenceTransformer model

Browse files
.gitattributes CHANGED
@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
 
 
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
36
+ tokenizer.json filter=lfs diff=lfs merge=lfs -text
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 768,
3
+ "pooling_mode_cls_token": false,
4
+ "pooling_mode_mean_tokens": true,
5
+ "pooling_mode_max_tokens": false,
6
+ "pooling_mode_mean_sqrt_len_tokens": false,
7
+ "pooling_mode_weightedmean_tokens": false,
8
+ "pooling_mode_lasttoken": false,
9
+ "include_prompt": true
10
+ }
README.md ADDED
@@ -0,0 +1,904 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: intfloat/multilingual-e5-base
3
+ library_name: sentence-transformers
4
+ metrics:
5
+ - cosine_accuracy@1
6
+ - cosine_accuracy@3
7
+ - cosine_accuracy@5
8
+ - cosine_accuracy@10
9
+ - cosine_precision@1
10
+ - cosine_precision@3
11
+ - cosine_precision@5
12
+ - cosine_precision@10
13
+ - cosine_recall@1
14
+ - cosine_recall@3
15
+ - cosine_recall@5
16
+ - cosine_recall@10
17
+ - cosine_ndcg@10
18
+ - cosine_mrr@10
19
+ - cosine_map@100
20
+ - dot_accuracy@1
21
+ - dot_accuracy@3
22
+ - dot_accuracy@5
23
+ - dot_accuracy@10
24
+ - dot_precision@1
25
+ - dot_precision@3
26
+ - dot_precision@5
27
+ - dot_precision@10
28
+ - dot_recall@1
29
+ - dot_recall@3
30
+ - dot_recall@5
31
+ - dot_recall@10
32
+ - dot_ndcg@10
33
+ - dot_mrr@10
34
+ - dot_map@100
35
+ pipeline_tag: sentence-similarity
36
+ tags:
37
+ - sentence-transformers
38
+ - sentence-similarity
39
+ - feature-extraction
40
+ - generated_from_trainer
41
+ - dataset_size:43804
42
+ - loss:MultipleNegativesRankingLoss
43
+ widget:
44
+ - source_sentence: Nhờ bác sĩ cho biết việc lựa chọn đóng đinh nội tủy và nẹp vít
45
+ để kết hợp xương đòn dựa trên cơ sở nào ạ? Ca phẫu thuật thường kéo dài trong
46
+ bao lâu? Bệnh nhân nằm viện mấy ngày?
47
+ sentences:
48
+ - ' Chào em, là bệnh mãn tính phải điều trị suốt đời, phải kiên nhẫn và kiên trì
49
+ nên đôi khi lượng đường trong cơ thể không ổn định. Lúc đi khám xét nghiệm thì
50
+ ổn do bản thân biết mai đi khám nên sẽ kiêng ăn, ăn ít... còn bệnh lâu dài nên
51
+ trong ngày đôi khi thèm chút này hay thích ăn chút kia, quên uống thuốc, suy
52
+ nghĩ, mất ngủ cũng làm đường không ổn định. Đường trong cơ thể lúc lên lúc xuống
53
+ dễ đưa đến biến chứng. Em hay thấy bệnh nhân tiểu đường tháo khớp ngón chân, ngón
54
+ tay, đôi khi tháo khớp gối, khớp háng, đây là do tê liệt hệ thần kinh nên khi
55
+ va chạm bệnh nhân không phát hiện. Đến khi phát hiện thì đã nhiễm trùng nặng phải
56
+ tháo khớp. Theo BS mẹ em có khả năng do biến chứng tiểu đường vì mẹ em bị bệnh
57
+ khá lâu nên ít nhiều ảnh hưởng thần kinh bị tê liệt gây đau. Em nên nhớ dặn mẹ
58
+ đi tái khám và điều trị cho thật ổn định nhé! Thân mến!'
59
+ - ' Để lựa chọn phương pháp đóng đinh nội tủy hay nẹp vít cho bệnh nhân cần dựa
60
+ vào nhiều yếu tố. Trong lòng tủy xương có một cái ống, nếu lòng tủy bệnh nhân
61
+ nhỏ mà đường gãy không bị gãy thành nhiều mảnh thì nên lựa chọn phương pháp đóng
62
+ đinh. Phương pháp này có nhược điểm dễ bị lộ phần đinh khi đinh vừa đóng, chưa
63
+ chắc vào xương. Tuy nhiên, ưu điểm là khi đóng đinh, đường mổ sẽ nhỏ, đơn giản.
64
+ Đối với nẹp vít, đường mổ dài hơn nhưng phần nắn chỉnh sẽ tuyệt đối, vững chắc
65
+ hơn. Nhìn chung, giữa 2 phương pháp thời gian mổ không khác biệt nhau nhiều, từ
66
+ 30-45 phút sẽ hoàn thành cuộc phẫu thuật kết hợp xương. Tại bệnh viện Nhân dân
67
+ 115, sau khi bệnh nhân được làm phẫu thuật có thể xuất viện rất sớm trong vòng
68
+ khoảng 3-5 ngày, tùy theo đường mổ lớn hay nhỏ. Giữa việc lựa chọn phẫu thuật
69
+ hay bảo tồn, đinh nội tủy hay nẹp vít phụ thuộc vào lòng tủy của bệnh nhân và
70
+ thói quen, sự đánh giá của phẫu thuật viên. Cá nhân tôi thường lựa chọn phương
71
+ pháp phẫu thuật nẹp vít sẽ cho kết quả nắn chỉnh tốt, chắc hơn và bệnh nhân không
72
+ bị biến chứng trồi đinh về sau. Thân mến.'
73
+ - Chào em, Tình trạng người mệt mỏi, khó thở, tim đập nhanh xảy ra khi không gắng
74
+ sức có thể do nhiều nguyên nhân, gồm tim mạch, hô hấp, thần kinh cơ, tiêu hóa
75
+ (chủ yếu là ống tiêu hóa trên), tâm lý, bệnh lý nội tiết tố… Viêm dạ dày trào
76
+ ngược có thể gây các triệu chứng này do dịch acid trào ngược từ dạ dày lên thực
77
+ quản kích thích thần kinh tim. Mặt khác bệnh dạ dày là bệnh có thể tái phát, điều
78
+ trị hết bệnh rồi thì bệnh vẫn có thể tái lại. Do đó, nếu em đã khám tim mạch và
79
+ hô hấp bình thường, để biết có phải mình mệt mỏi do bệnh dạ dày gây ra hay không
80
+ thì tốt nhất là em khám chuyên khoa nội tiêu hóa và điều trị trào ngược dạ dày
81
+ thực quản thử, nếu triệu chứng cải thiện nhanh chóng thì chính hắn là nguyên nhân,
82
+ em nhé.
83
+ - source_sentence: Tôi bị tình trạng nuốt nước miếng có cảm giác bị vướng ở cổ, không
84
+ đau rát, không ho sốt, ăn uống bình thường đã 1 ngày nay. Chỉ có nuốt nước miếng
85
+ là có cảm giác vướng thôi, lỗ tai bên trái thì cảm giác ngứa nhẹ. Xin hỏi là bệnh
86
+ gì vậy ạ?
87
+ sentences:
88
+ - "Em Lan thân mến, Hiện nay, xét nghiệm được xem là một xét nghiệm\r\nthường quy,\
89
+ \ nên thai kỳ của em cũng rất cần được làm những xét nghiệm này mặc\r\ndù gia\
90
+ \ đình em không có bệnh lý bất thường. Tuy nhiên, thai kỳ của em đã qua thời gian\
91
+ \ làm xét nghiệm Double test, bây\r\ngiờ em phải chờ đến lúc thai được 16 – 18\
92
+ \ tuần tuổi, làm xét nghiệm Triple test\r\nem nhé! Chúc em và bé khỏe mạnh!"
93
+ - 'Trường hợp thoái hóa cột sống thắt lưng gây đau mỏi liên tục dù đã dùng thuốc
94
+ giảm đau liều cao Chào em, Thoái hóa khớp, thoái hóa cột sống là tiến trình lão
95
+ hóa không thể tránh khỏi của con người, đặc biệt có thể xảy ra sớm và nhanh hơn
96
+ ở người nữ sau mãn kinh, sinh nở nhiều, suy dinh dưỡng hay ăn uống thiếu chất
97
+ khoáng, lao động vất vả lúc còn trẻ. Trường hợp thoái hóa cột sống thắt lưng gây
98
+ đau mỏi liên tục dù đã dùng thuốc giảm đau liều cao, đặc biệt là đau lan xuống
99
+ hai chân, tê yếu hai chân thì cần chụp MRI cột sống để tầm soát thoát vị đĩa đệm
100
+ chèn ép tủy sống. Trường hợp của em, mới phát hiện thoái hóa cột sống thắt lưng
101
+ gần đây, cũng mới uống thuốc 1 tuần và không duy trì nữa, việc đau lưng vẫn còn
102
+ âm ỉ nhưng không lan xuống hai chân thì chưa đến mức cần chụp MRI cột sống thắt
103
+ lưng. Nhưng mà, em cần tích cực điều trị để bệnh thoái hóa cột sống thắt lưng
104
+ không tiến triển nặng hơn. Bệnh này trị khỏi hoàn toàn là không thể, vì sinh lão
105
+ bệnh tử không thể cải hoàn, nhưng mà việc điều trị tích cực sẽ giúp khống chế
106
+ được bệnh, giảm đau và giảm tốc độ tiến triển của bệnh. Về việc sử dụng thuốc,
107
+ dù là thuốc Tây hay thuốc Đông y, em cũng cần phải thăm khám bs ck cơ xương khớp
108
+ (Tây y) hay ck y học cổ truyền (Đông y) để được kê thuốc phù hợp. các thuốc thường
109
+ dùng là giảm đau, giãn cơ, bổ sung vi khoáng chất (canxi, vitamin D3, magie...).
110
+ Bên cạnh đó, về phương pháp giảm đau hỗ trợ không dùng thuốc, em nên chú ý: -
111
+ Chú ý thay đổi tư thế trong quá trình làm việc, không giữ mãi một tư thế trong
112
+ nhiều giờ liền. Ngồi làm việc đúng tư thế để tránh các bệnh cột sống. - Vận động
113
+ đúng cách, khi vác vật nặng không vặn cột sống. - Thường xuyên tập thể dục rèn
114
+ luyện để cột sống vững chắc, cơ thể dẻo dai, bơi cũng được mà yoga là tốt nhất.
115
+ - Ăn uống khoa học, xây dựng chế độ dinh dưỡng hợp lý, tăng cường nhóm thực phẩm
116
+ giàu canxi, vitamin D, omega 3… giúp nâng cao độ chắc khỏe của đĩa đệm cũng như
117
+ xương khớp. - Duy trì cân nặng bình thường, tránh để tăng cân quá mức. - Tư thế
118
+ ngủ: nằm ngửa trên ván cứng hay nệm bông ép chặt, tránh nệm lò xo hay nệm cao
119
+ su quá mềm, có thể đệm ở vùng khoeo làm co nhẹ khớp gối và khớp háng, nên nằm
120
+ đầu thấp không gối sẽ tốt cho cột sống cổ. - Có thể thực hiện điều trị vật lý
121
+ và các liệu pháp phản xạ: bao gồm phương pháp nhiệt như chườm nóng (túi nước,
122
+ muối rang, cám rang, lá lốt, lá ngải cứu nóng); dùng các dòng điện tại khoa vật
123
+ lý trị liệu, điều trị bằng laser; châm cứu, kéo cơ để hỗ trợ giảm đau cơ cạnh
124
+ sống. Trân trọng!'
125
+ - Chào bạn, Nuốt vướng ở cổ thường gặp trong một số bệnh lý viêm nhiễm hầu họng
126
+ như viêm họng, viêm amidan mạn, trào ngược dạ dày thực quản, hội chứng chảy mũi
127
+ sau… Đây là có thể là triệu chứng đầu tiên báo hiệu một đợt bùng phát cấp tính
128
+ của viêm nhiễm hô hấp trên do triệu chứng mới chỉ xuất hiện 1 ngày. Bạn nên khám
129
+ bác sĩ Tai mũi họng để thăm khám trực tiếp, đánh giá và kê toa điều trị bạn nhé!
130
+ Thân mến.
131
+ - source_sentence: Chào bác sĩ, em bị gãy xương gót, đã đóng đinh đến nay được gần
132
+ 5 tuần. Vậy 6 tuần em tháo đinh được chưa ạ?
133
+ sentences:
134
+ - ' Chào em, gồm 2 trị số, trị số lớn nhất gọi là huyết áp tâm thu, bình thường
135
+ < 140 và > 90 mmHg; trị số thấp nhất gọi là huyết áp tâm trương, bình thường <
136
+ 90 và > 60 mmHg. Huyết áp có thể tăng khi căng thẳng, do lo lắng, do hội chứng
137
+ áo choàng trắng (khi vào bv, khi gặp bác sĩ thì huyết áp cao), bệnh lý viêm nhiễm,
138
+ do cafe, khi khó thở... nhìn chung là các stress đối với cơ thể. Như vậy, huyết
139
+ áp ghi nhận ở những lúc cơ thể đang lo lắng, bồn chồn, có bệnh thì sẽ không phản
140
+ ánh chính xác được huyết áp dao động bình thường của người bệnh. Do vậy em nên
141
+ khám chuyên khoa tim mạch, bác sĩ sẽ thăm khám và làm xét nghiệm kiểm tra xem
142
+ em có các dấu chứng của tăng huyết áp hay không (như dày thành tim, tiểu đạm,
143
+ đo huyết áp 24 giờ...) để xác định em có tăng huyết áp hay không và điều trị thích
144
+ hợp. Những triệu chứng hoa mắt, chóng mặt, đau đầu, đau 1 bên mắt, tiểu nhiều
145
+ có thể là do bệnh tăng huyết áp gây ra (ảnh hưởng lên mạch máu não, lên thận...)
146
+ hoặc là 1 bệnh lý khác như thiếu máu, rối loạn tiền đình, viêm nhiễm hệ thống,
147
+ viêm mũi xoang, bệnh lý mạch máu não... (và tăng huyết áp chỉ là phản ứng của
148
+ cơ thể khi có stress). Để tìm ra bệnh và giải quyết nỗi lo về bệnh, em nên đến
149
+ bệnh viện để kiểm tra sức khỏe em nhé. Thân mến! '
150
+ - ' Chào em, Thời điểm 6 tuần là quá sớm để rút đinh cố định xương gót (trừ trường
151
+ hợp khung cố định xương bên ngoài). Tháo đinh vít kim loại chỉ bắt buộc thực hiện
152
+ sớm trong những trường hợp bất thường như gãy vít, nhiễm trùng, khớp giả... gây
153
+ ra các triệu chứng bất thường với bệnh nhân mà thôi. Em nên tái khám tại chuyên
154
+ khoa Chấn thương Chỉnh hình để bác sĩ kiểm tra lại việc lành xương của em tốt
155
+ chưa và dặn em lịch trình rút đinh phù hợp, em nhé. Thân mến.'
156
+ - K dạ dày không điều trị tiên lượng sống khá ngắn Chào em, K dạ dày là ung thư
157
+ dạ dày. Bệnh ung thư dạ dày là bệnh lý ác tính và có chỉ định phẫu thuật cắt khối
158
+ u – cắt dạ dày khi còn có thể cắt được. Nếu đã phát hiện ung thư dạ dày mà không
159
+ điều trị phẫu thuật thì thời gian sống của bệnh nhân trung bình là 6 tháng đến
160
+ 1 năm tùy loại ung thư dạ dày, khi ung thư tiến triển di căn có thể gây nhiều
161
+ đau đớn hơn. Hiện tại chị em đang bị suy nhược cơ thể nhiều, không ăn uống được,
162
+ đau nhiều do ung thư dạ dày là có chỉ định vào bệnh viện nằm điều trị luôn rồi,
163
+ chứ không thể nào lấy thuốc mà không tới phòng khám được đâu. Vô bệnh viện chị
164
+ em sẽ được truyền dịch, chích thuốc, nâng thể trạng lên rồi mới tính đến chuyện
165
+ điều trị khối ung thư kia. Em đưa chị em đến bệnh viện càng sớm càng tốt, tốt
166
+ nhất là bệnh viện Ung bướu, em nhé.
167
+ - source_sentence: "Thưa bác sĩ,\r\n\r\nEm bị đục thủy tinh thể do chấn thương và\
168
+ \ vừa mổ mắt về và em cũng bị cận thị. Thời gian khoảng 1 tuần em thấy mắt mình\
169
+ \ nhìn chỉ rõ hơn được 1 phần nào. Nhìn xa thì vẫn thấy nhưng vẫn mờ mờ. Bác sĩ\
170
+ \ cho em lời khuyên nên làm cách nào và mắt em có thể sáng lại như bình thường\
171
+ \ được không ạ?\r\n\r\nEm xin chân thành cảm ơn! (Minh Tiến - Bình Định)"
172
+ sentences:
173
+ - Bạn Minh Tiến thân mến, Hiện nay phẫu thuật đục thủy tinh thể đã được y học nói
174
+ chung và ngành Nhãn khoa Việt Nam thực hiện hoàn chỉnh đến mức tuyệt vời. Phẫu
175
+ thuật này được xem như một cuộc cách mạng rất đáng tự hào của ngành nhãn khoa.
176
+ Hàng ngày có thể tới hàng ngàn ca phẫu thuật đem lại ánh sáng cho người mù lòa
177
+ đục thể thủy tinh tại Việt Nam. Nói như vậy để giúp cho bạn hiểu rõ phẫu thuật
178
+ này các bác sĩ Việt Nam thực hiện rất thường xuyên và rất tốt. Tuy nhiên, với
179
+ mắt đục thủy tinh thể do chấn thương của bạn là ca phẫu thuật tương đối không
180
+ đơn giản. Thêm vào đó ngoài đục thủy tinh thể do chấn thương, mắt bạn cũng có
181
+ thể kèm theo tổn thương ở các bộ phận khác của mắt mà trước mổ bác sĩ khó có thể
182
+ chẩn đoán được. Với hai lý do nêu trên, nên đôi khi mắt mổ khó có thể tốt theo
183
+ ý muốn của cả bệnh nhân lẫn thầy thuốc. Bạn cần có thời gian theo dõi và điều
184
+ trị tiếp sau mổ. Sau thời gian ổn định khoảng 1 tháng, bạn cần đo thử kính xem
185
+ có cải thiện thị lực thêm không? Chúc bạn may mắn!
186
+ - Chào em, Bình thường các hạch trong cơ thể không sưng to lên đến mức có thể sờ
187
+ chạm hay nhận biết được. Vì thế, hạch sưng lên, hay thường gọi là nổi hạch, là
188
+ một triệu chứng bất thường của cơ thể. Cho nên, em lo lắng là đúng khi phát hiện
189
+ hạch ở vùng cổ. Hạch bạch huyết đóng vai trò quan trọng đối với hoạt động của
190
+ hệ miễn dịch. Chúng chứa các tế bào miễn dịch như lympho bào, đại thực bào...
191
+ có chức năng miễn dịch chống lại các yếu tố lạ như vi khuẩn, virus, kí sinh trùng...
192
+ xâm nhập vào cơ thể. Trong quá trình đó các hạch có thể bị viêm và sưng lên. Một
193
+ số trường hợp hạch sưng có thể là hạch ung thư hoặc di căn. Đặc điểm của hạch
194
+ viêm là nhỏ, số lượng ít, bờ tròn đều, không phát triển theo thời gian, không
195
+ xâm lấn da xung quanh. Thông thường đối với hạch viêm thì nguồn viêm có thể tấn
196
+ công tại hạch, cũng có khi là hạch viêm phản ứng với ổ viêm nhiễm cạnh đó, điều
197
+ trị hết viêm thì hạch sẽ lặn dần, có thể lặn chậm hơn vài tuần đến vài tháng,
198
+ có một số loại hạch cũng là hạch viêm nhưng mà chỉ giảm kích thước rồi cứ "lì"
199
+ vậy luôn - không lặn hẳn nhưng không còn sưng như trước và vẫn giữ hình ảnh của
200
+ hạch viêm, cũng có loại hạch viêm sau lại chuyển sang xơ chai hóa như sẹo cũ và
201
+ không lặn. Như vậy, em có 1 hạch vùng cổ đã được xác định là hạch viêm thông qua
202
+ sinh thiết hạch cách đây 10 năm. Trong vòng 10 năm nay, hạch cổ đó không có triệu
203
+ chứng bất thường. Gần đây, hạch cổ đó có biểu hiện viêm trở lại, mặc dù em uống
204
+ thuốc (tự mua) thì hạch hết sưng đau, nhưng em cũng cần khám lại bên chuyên khoa
205
+ ung bướu để kiểm tra tổng quát lại 1 lần, tìm nguyên nhân gây kích thích hạch
206
+ viêm này tái hoạt động, xem là nguyên nhân lành tính hay tiềm ẩn nguyên nhân khác
207
+ (vì lần kiểm tra trước đã cách đây 10 năm rồi), em nhé.
208
+ - ' Chào em, Trường hợp em mô tả là những bất thường của hệ hô hấp có thể là bệnh
209
+ lý tai mũi họng hay hô hấp dưới như viêm phổi, viêm phế quản, em cần đến các cơ
210
+ sở y tế chuyên sâu tai mũi họng hay hô hấp để khám thêm. Những biểu hiện đó hoàn
211
+ toàn không có cơ sở nghĩ . Thân mến!'
212
+ - source_sentence: Bác sĩ cho em hỏi, em bị rạn nứt xương gót chân bên phải. Em bị
213
+ hơn 1 tháng nay rồi. Em bỏ thuốc lá. Em muốn hỏi bác sĩ thông thường bó bột hơn
214
+ hay thuốc lá hơn? Như của em khoảng bao lâu thì khỏi? Và giờ em vẫn chưa đi được
215
+ bác sĩ ạ. Em cảm ơn.
216
+ sentences:
217
+ - 'Câu hỏi của em rất chân thành. Tự ý thức quyết tâm cai nghiệm là điều đáng quý.
218
+ Nếu em tiếp tục sử dụng thì tình trạng sẽ tồi tệ hơn rất nhiều. Ba yếu tố quan
219
+ trọng nhất và tiến hành đồng thời để cai nghiện thành công, đó là: 1. Ý chí 2.
220
+ Sự hiểu biết thấu đáo 3. Môi trường thân thiện. Các Trung tâm cai nghiện sẽ giúp
221
+ em phần 2 và phần 3, từ đó sẽ củng cố phần 1 của em. Trường hợp ở nhà mà em tự
222
+ cai, thực hành mỗi ngày với 3 điều kiện trên, em sẽ thành công như nhiều bạn khác.
223
+ Không nên nôn nóng, sốt ruột. Trước tiên em phải thuộc lòng và thực hành những
224
+ quy tắc này thành thói quen và áp dụng suốt đời. Nhiều trường hợp cai được vài
225
+ năm vẫn tái nghiện. Do đó, nên tránh xa những "nguồn" khiến em tái nghiện, tránh
226
+ xa bạn bè nghiện ngập em nhé. Chúc em quyết tâm và đem lại niềm vui cho bố mẹ.'
227
+ - Chào em, Thứ nhất, bắt buộc phải có phim Xquang để biết em có thực sự nứt xương
228
+ gót hay bị gãy phức tạp hơn, vì nhiều trường hợp tưởng chỉ nứt xương thôi nhưng
229
+ thật ra là vỡ phức tạp, phải phẫu thuật mới nhanh ổn được. Thứ hai, theo nguyên
230
+ tắc điều trị nứt gãy xương là phải cố định tốt để can xương mọc ra, chỗ nứt gãy
231
+ mới được nối liền. Do đó, nếu bó bột thì chân sẽ được cố định liên tục trong 4-6
232
+ tuần, còn bó lá thì phải thay thường xuyên, mỗi lần thay là 1 lần xê dịch nên
233
+ xương khó lành. Tốt hơn hết em nên đến Bệnh viện Chấn thương Chỉnh hình để được
234
+ kiểm tra và điều tr�� thích hợp, em nhé. Thân mến.
235
+ - Chào bạn, Qua hình ảnh sang thương và mô tả triệu chứng, bệnh lý của bạn có khả
236
+ năng là chàm hay còn gọi là viêm da dị ứng với đặc điểm là viêm và nổi mụn nhỏ,
237
+ ngứa ngáy. Nguyên nhân của chàm hiện nay chưa rõ nhưng có thể do cơ địa dị ứng
238
+ (người mắc hen, viêm mũi dị ứng có nguy cơ cao mắc chàm), do kích thích của hóa
239
+ chất như nước rửa chén, bột giặt, cao su, kim loại, chất liệu giày dép (chàm tiếp
240
+ xúc),... Thời tiết lạnh, stress, đổ mồ hôi nhiều và phấn hoa... cũng là những
241
+ nguyên nhân có thể khiến da bị chàm. Chàm cũng có thể gặp ở người bị suy van tĩnh
242
+ mạch, giãn tĩnh mạch chân khiến tình trạng bệnh dai dẳng, kém đáp ứng điều trị.
243
+ Điều trị chàm thường phải sử dụng một số loại thuốc bôi da kéo dài, có thể để
244
+ lại tác dụng phụ, do đó bạn nên khám BS Da liễu để kê toa loại thuốc phù hợp.
245
+ Ngoài ra, bạn nên chú ý xem có yếu tố nào thường kích thích khởi phát chàm để
246
+ tránh cho bệnh tái phát bạn nhé! Thân mến.
247
+ model-index:
248
+ - name: SentenceTransformer based on intfloat/multilingual-e5-base
249
+ results:
250
+ - task:
251
+ type: information-retrieval
252
+ name: Information Retrieval
253
+ dataset:
254
+ name: Unknown
255
+ type: unknown
256
+ metrics:
257
+ - type: cosine_accuracy@1
258
+ value: 0.741599707815924
259
+ name: Cosine Accuracy@1
260
+ - type: cosine_accuracy@3
261
+ value: 0.8559167275383491
262
+ name: Cosine Accuracy@3
263
+ - type: cosine_accuracy@5
264
+ value: 0.8966398831263697
265
+ name: Cosine Accuracy@5
266
+ - type: cosine_accuracy@10
267
+ value: 0.9340759678597517
268
+ name: Cosine Accuracy@10
269
+ - type: cosine_precision@1
270
+ value: 0.741599707815924
271
+ name: Cosine Precision@1
272
+ - type: cosine_precision@3
273
+ value: 0.28530557584611643
274
+ name: Cosine Precision@3
275
+ - type: cosine_precision@5
276
+ value: 0.1793279766252739
277
+ name: Cosine Precision@5
278
+ - type: cosine_precision@10
279
+ value: 0.09340759678597516
280
+ name: Cosine Precision@10
281
+ - type: cosine_recall@1
282
+ value: 0.741599707815924
283
+ name: Cosine Recall@1
284
+ - type: cosine_recall@3
285
+ value: 0.8559167275383491
286
+ name: Cosine Recall@3
287
+ - type: cosine_recall@5
288
+ value: 0.8966398831263697
289
+ name: Cosine Recall@5
290
+ - type: cosine_recall@10
291
+ value: 0.9340759678597517
292
+ name: Cosine Recall@10
293
+ - type: cosine_ndcg@10
294
+ value: 0.8384477179645746
295
+ name: Cosine Ndcg@10
296
+ - type: cosine_mrr@10
297
+ value: 0.8077062100710742
298
+ name: Cosine Mrr@10
299
+ - type: cosine_map@100
300
+ value: 0.8106736050755435
301
+ name: Cosine Map@100
302
+ - type: dot_accuracy@1
303
+ value: 0.741599707815924
304
+ name: Dot Accuracy@1
305
+ - type: dot_accuracy@3
306
+ value: 0.8559167275383491
307
+ name: Dot Accuracy@3
308
+ - type: dot_accuracy@5
309
+ value: 0.8966398831263697
310
+ name: Dot Accuracy@5
311
+ - type: dot_accuracy@10
312
+ value: 0.9340759678597517
313
+ name: Dot Accuracy@10
314
+ - type: dot_precision@1
315
+ value: 0.741599707815924
316
+ name: Dot Precision@1
317
+ - type: dot_precision@3
318
+ value: 0.28530557584611643
319
+ name: Dot Precision@3
320
+ - type: dot_precision@5
321
+ value: 0.1793279766252739
322
+ name: Dot Precision@5
323
+ - type: dot_precision@10
324
+ value: 0.09340759678597516
325
+ name: Dot Precision@10
326
+ - type: dot_recall@1
327
+ value: 0.741599707815924
328
+ name: Dot Recall@1
329
+ - type: dot_recall@3
330
+ value: 0.8559167275383491
331
+ name: Dot Recall@3
332
+ - type: dot_recall@5
333
+ value: 0.8966398831263697
334
+ name: Dot Recall@5
335
+ - type: dot_recall@10
336
+ value: 0.9340759678597517
337
+ name: Dot Recall@10
338
+ - type: dot_ndcg@10
339
+ value: 0.8384477179645746
340
+ name: Dot Ndcg@10
341
+ - type: dot_mrr@10
342
+ value: 0.8077062100710742
343
+ name: Dot Mrr@10
344
+ - type: dot_map@100
345
+ value: 0.8106736050755435
346
+ name: Dot Map@100
347
+ ---
348
+
349
+ # SentenceTransformer based on intfloat/multilingual-e5-base
350
+
351
+ This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-base](https://huggingface.co/intfloat/multilingual-e5-base). 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.
352
+
353
+ ## Model Details
354
+
355
+ ### Model Description
356
+ - **Model Type:** Sentence Transformer
357
+ - **Base model:** [intfloat/multilingual-e5-base](https://huggingface.co/intfloat/multilingual-e5-base) <!-- at revision d13f1b27baf31030b7fd040960d60d909913633f -->
358
+ - **Maximum Sequence Length:** 512 tokens
359
+ - **Output Dimensionality:** 768 tokens
360
+ - **Similarity Function:** Cosine Similarity
361
+ <!-- - **Training Dataset:** Unknown -->
362
+ <!-- - **Language:** Unknown -->
363
+ <!-- - **License:** Unknown -->
364
+
365
+ ### Model Sources
366
+
367
+ - **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
368
+ - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
369
+ - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
370
+
371
+ ### Full Model Architecture
372
+
373
+ ```
374
+ SentenceTransformer(
375
+ (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel
376
+ (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})
377
+ (2): Normalize()
378
+ )
379
+ ```
380
+
381
+ ## Usage
382
+
383
+ ### Direct Usage (Sentence Transformers)
384
+
385
+ First install the Sentence Transformers library:
386
+
387
+ ```bash
388
+ pip install -U sentence-transformers
389
+ ```
390
+
391
+ Then you can load this model and run inference.
392
+ ```python
393
+ from sentence_transformers import SentenceTransformer
394
+
395
+ # Download from the 🤗 Hub
396
+ model = SentenceTransformer("meandyou200175/e5_large_finetune_16neg")
397
+ # Run inference
398
+ sentences = [
399
+ 'Bác sĩ cho em hỏi, em bị rạn nứt xương gót chân bên phải. Em bị hơn 1 tháng nay rồi. Em bỏ thuốc lá. Em muốn hỏi bác sĩ thông thường bó bột hơn hay thuốc lá hơn? Như của em khoảng bao lâu thì khỏi? Và giờ em vẫn chưa đi được bác sĩ ạ. Em cảm ơn.',
400
+ 'Chào em, Thứ nhất, bắt buộc phải có phim Xquang để biết em có thực sự nứt xương gót hay bị gãy phức tạp hơn, vì nhiều trường hợp tưởng chỉ nứt xương thôi nhưng thật ra là vỡ phức tạp, phải phẫu thuật mới nhanh ổn được. Thứ hai, theo nguyên tắc điều trị nứt gãy xương là phải cố định tốt để can xương mọc ra, chỗ nứt gãy mới được nối liền. Do đó, nếu bó bột thì chân sẽ được cố định liên tục trong 4-6 tuần, còn bó lá thì phải thay thường xuyên, mỗi lần thay là 1 lần xê dịch nên xương khó lành. Tốt hơn hết em nên đến Bệnh viện Chấn thương Chỉnh hình để được kiểm tra và điều trị thích hợp, em nhé. Thân mến.',
401
+ 'Chào bạn, Qua hình ảnh sang thương và mô tả triệu chứng, bệnh lý của bạn có khả năng là chàm hay còn gọi là viêm da dị ứng với đặc điểm là viêm và nổi mụn nhỏ, ngứa ngáy. Nguyên nhân của chàm hiện nay chưa rõ nhưng có thể do cơ địa dị ứng (người mắc hen, viêm mũi dị ứng có nguy cơ cao mắc chàm), do kích thích của hóa chất như nước rửa chén, bột giặt, cao su, kim loại, chất liệu giày dép (chàm tiếp xúc),... Thời tiết lạnh, stress, đổ mồ hôi nhiều và phấn hoa... cũng là những nguyên nhân có thể khiến da bị chàm. Chàm cũng có thể gặp ở người bị suy van tĩnh mạch, giãn tĩnh mạch chân khiến tình trạng bệnh dai dẳng, kém đáp ứng điều trị. Điều trị chàm thường phải sử dụng một số loại thuốc bôi da kéo dài, có thể để lại tác dụng phụ, do đó bạn nên khám BS Da liễu để kê toa loại thuốc phù hợp. Ngoài ra, bạn nên chú ý xem có yếu tố nào thường kích thích khởi phát chàm để tránh cho bệnh tái phát bạn nhé! Thân mến.',
402
+ ]
403
+ embeddings = model.encode(sentences)
404
+ print(embeddings.shape)
405
+ # [3, 768]
406
+
407
+ # Get the similarity scores for the embeddings
408
+ similarities = model.similarity(embeddings, embeddings)
409
+ print(similarities.shape)
410
+ # [3, 3]
411
+ ```
412
+
413
+ <!--
414
+ ### Direct Usage (Transformers)
415
+
416
+ <details><summary>Click to see the direct usage in Transformers</summary>
417
+
418
+ </details>
419
+ -->
420
+
421
+ <!--
422
+ ### Downstream Usage (Sentence Transformers)
423
+
424
+ You can finetune this model on your own dataset.
425
+
426
+ <details><summary>Click to expand</summary>
427
+
428
+ </details>
429
+ -->
430
+
431
+ <!--
432
+ ### Out-of-Scope Use
433
+
434
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
435
+ -->
436
+
437
+ ## Evaluation
438
+
439
+ ### Metrics
440
+
441
+ #### Information Retrieval
442
+
443
+ * Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
444
+
445
+ | Metric | Value |
446
+ |:--------------------|:-----------|
447
+ | cosine_accuracy@1 | 0.7416 |
448
+ | cosine_accuracy@3 | 0.8559 |
449
+ | cosine_accuracy@5 | 0.8966 |
450
+ | cosine_accuracy@10 | 0.9341 |
451
+ | cosine_precision@1 | 0.7416 |
452
+ | cosine_precision@3 | 0.2853 |
453
+ | cosine_precision@5 | 0.1793 |
454
+ | cosine_precision@10 | 0.0934 |
455
+ | cosine_recall@1 | 0.7416 |
456
+ | cosine_recall@3 | 0.8559 |
457
+ | cosine_recall@5 | 0.8966 |
458
+ | cosine_recall@10 | 0.9341 |
459
+ | cosine_ndcg@10 | 0.8384 |
460
+ | cosine_mrr@10 | 0.8077 |
461
+ | **cosine_map@100** | **0.8107** |
462
+ | dot_accuracy@1 | 0.7416 |
463
+ | dot_accuracy@3 | 0.8559 |
464
+ | dot_accuracy@5 | 0.8966 |
465
+ | dot_accuracy@10 | 0.9341 |
466
+ | dot_precision@1 | 0.7416 |
467
+ | dot_precision@3 | 0.2853 |
468
+ | dot_precision@5 | 0.1793 |
469
+ | dot_precision@10 | 0.0934 |
470
+ | dot_recall@1 | 0.7416 |
471
+ | dot_recall@3 | 0.8559 |
472
+ | dot_recall@5 | 0.8966 |
473
+ | dot_recall@10 | 0.9341 |
474
+ | dot_ndcg@10 | 0.8384 |
475
+ | dot_mrr@10 | 0.8077 |
476
+ | dot_map@100 | 0.8107 |
477
+
478
+ <!--
479
+ ## Bias, Risks and Limitations
480
+
481
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
482
+ -->
483
+
484
+ <!--
485
+ ### Recommendations
486
+
487
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
488
+ -->
489
+
490
+ ## Training Details
491
+
492
+ ### Training Hyperparameters
493
+ #### Non-Default Hyperparameters
494
+
495
+ - `eval_strategy`: steps
496
+ - `per_device_train_batch_size`: 2
497
+ - `per_device_eval_batch_size`: 2
498
+ - `learning_rate`: 2e-05
499
+ - `num_train_epochs`: 1
500
+ - `warmup_ratio`: 0.1
501
+ - `fp16`: True
502
+ - `batch_sampler`: no_duplicates
503
+
504
+ #### All Hyperparameters
505
+ <details><summary>Click to expand</summary>
506
+
507
+ - `overwrite_output_dir`: False
508
+ - `do_predict`: False
509
+ - `eval_strategy`: steps
510
+ - `prediction_loss_only`: True
511
+ - `per_device_train_batch_size`: 2
512
+ - `per_device_eval_batch_size`: 2
513
+ - `per_gpu_train_batch_size`: None
514
+ - `per_gpu_eval_batch_size`: None
515
+ - `gradient_accumulation_steps`: 1
516
+ - `eval_accumulation_steps`: None
517
+ - `torch_empty_cache_steps`: None
518
+ - `learning_rate`: 2e-05
519
+ - `weight_decay`: 0.0
520
+ - `adam_beta1`: 0.9
521
+ - `adam_beta2`: 0.999
522
+ - `adam_epsilon`: 1e-08
523
+ - `max_grad_norm`: 1.0
524
+ - `num_train_epochs`: 1
525
+ - `max_steps`: -1
526
+ - `lr_scheduler_type`: linear
527
+ - `lr_scheduler_kwargs`: {}
528
+ - `warmup_ratio`: 0.1
529
+ - `warmup_steps`: 0
530
+ - `log_level`: passive
531
+ - `log_level_replica`: warning
532
+ - `log_on_each_node`: True
533
+ - `logging_nan_inf_filter`: True
534
+ - `save_safetensors`: True
535
+ - `save_on_each_node`: False
536
+ - `save_only_model`: False
537
+ - `restore_callback_states_from_checkpoint`: False
538
+ - `no_cuda`: False
539
+ - `use_cpu`: False
540
+ - `use_mps_device`: False
541
+ - `seed`: 42
542
+ - `data_seed`: None
543
+ - `jit_mode_eval`: False
544
+ - `use_ipex`: False
545
+ - `bf16`: False
546
+ - `fp16`: True
547
+ - `fp16_opt_level`: O1
548
+ - `half_precision_backend`: auto
549
+ - `bf16_full_eval`: False
550
+ - `fp16_full_eval`: False
551
+ - `tf32`: None
552
+ - `local_rank`: 0
553
+ - `ddp_backend`: None
554
+ - `tpu_num_cores`: None
555
+ - `tpu_metrics_debug`: False
556
+ - `debug`: []
557
+ - `dataloader_drop_last`: False
558
+ - `dataloader_num_workers`: 0
559
+ - `dataloader_prefetch_factor`: None
560
+ - `past_index`: -1
561
+ - `disable_tqdm`: False
562
+ - `remove_unused_columns`: True
563
+ - `label_names`: None
564
+ - `load_best_model_at_end`: False
565
+ - `ignore_data_skip`: False
566
+ - `fsdp`: []
567
+ - `fsdp_min_num_params`: 0
568
+ - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
569
+ - `fsdp_transformer_layer_cls_to_wrap`: None
570
+ - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
571
+ - `deepspeed`: None
572
+ - `label_smoothing_factor`: 0.0
573
+ - `optim`: adamw_torch
574
+ - `optim_args`: None
575
+ - `adafactor`: False
576
+ - `group_by_length`: False
577
+ - `length_column_name`: length
578
+ - `ddp_find_unused_parameters`: None
579
+ - `ddp_bucket_cap_mb`: None
580
+ - `ddp_broadcast_buffers`: False
581
+ - `dataloader_pin_memory`: True
582
+ - `dataloader_persistent_workers`: False
583
+ - `skip_memory_metrics`: True
584
+ - `use_legacy_prediction_loop`: False
585
+ - `push_to_hub`: False
586
+ - `resume_from_checkpoint`: None
587
+ - `hub_model_id`: None
588
+ - `hub_strategy`: every_save
589
+ - `hub_private_repo`: False
590
+ - `hub_always_push`: False
591
+ - `gradient_checkpointing`: False
592
+ - `gradient_checkpointing_kwargs`: None
593
+ - `include_inputs_for_metrics`: False
594
+ - `eval_do_concat_batches`: True
595
+ - `fp16_backend`: auto
596
+ - `push_to_hub_model_id`: None
597
+ - `push_to_hub_organization`: None
598
+ - `mp_parameters`:
599
+ - `auto_find_batch_size`: False
600
+ - `full_determinism`: False
601
+ - `torchdynamo`: None
602
+ - `ray_scope`: last
603
+ - `ddp_timeout`: 1800
604
+ - `torch_compile`: False
605
+ - `torch_compile_backend`: None
606
+ - `torch_compile_mode`: None
607
+ - `dispatch_batches`: None
608
+ - `split_batches`: None
609
+ - `include_tokens_per_second`: False
610
+ - `include_num_input_tokens_seen`: False
611
+ - `neftune_noise_alpha`: None
612
+ - `optim_target_modules`: None
613
+ - `batch_eval_metrics`: False
614
+ - `eval_on_start`: False
615
+ - `use_liger_kernel`: False
616
+ - `eval_use_gather_object`: False
617
+ - `batch_sampler`: no_duplicates
618
+ - `multi_dataset_batch_sampler`: proportional
619
+
620
+ </details>
621
+
622
+ ### Training Logs
623
+ <details><summary>Click to expand</summary>
624
+
625
+ | Epoch | Step | Training Loss | Validation Loss | cosine_map@100 |
626
+ |:------:|:-----:|:-------------:|:---------------:|:--------------:|
627
+ | 0 | 0 | - | - | 0.7050 |
628
+ | 0.0046 | 100 | 2.2456 | - | - |
629
+ | 0.0091 | 200 | 1.4036 | - | - |
630
+ | 0.0137 | 300 | 0.4733 | - | - |
631
+ | 0.0183 | 400 | 0.2427 | - | - |
632
+ | 0.0228 | 500 | 0.2094 | - | - |
633
+ | 0.0274 | 600 | 0.1579 | - | - |
634
+ | 0.0320 | 700 | 0.147 | - | - |
635
+ | 0.0365 | 800 | 0.1843 | - | - |
636
+ | 0.0411 | 900 | 0.1713 | - | - |
637
+ | 0.0457 | 1000 | 0.2074 | 0.0182 | 0.7295 |
638
+ | 0.0502 | 1100 | 0.1834 | - | - |
639
+ | 0.0548 | 1200 | 0.1873 | - | - |
640
+ | 0.0594 | 1300 | 0.1078 | - | - |
641
+ | 0.0639 | 1400 | 0.158 | - | - |
642
+ | 0.0685 | 1500 | 0.0976 | - | - |
643
+ | 0.0731 | 1600 | 0.1475 | - | - |
644
+ | 0.0776 | 1700 | 0.1735 | - | - |
645
+ | 0.0822 | 1800 | 0.1233 | - | - |
646
+ | 0.0868 | 1900 | 0.113 | - | - |
647
+ | 0.0913 | 2000 | 0.2061 | 0.0174 | 0.7392 |
648
+ | 0.0959 | 2100 | 0.1681 | - | - |
649
+ | 0.1004 | 2200 | 0.1315 | - | - |
650
+ | 0.1050 | 2300 | 0.1805 | - | - |
651
+ | 0.1096 | 2400 | 0.1659 | - | - |
652
+ | 0.1141 | 2500 | 0.1142 | - | - |
653
+ | 0.1187 | 2600 | 0.1001 | - | - |
654
+ | 0.1233 | 2700 | 0.141 | - | - |
655
+ | 0.1278 | 2800 | 0.2741 | - | - |
656
+ | 0.1324 | 2900 | 0.1212 | - | - |
657
+ | 0.1370 | 3000 | 0.1081 | 0.0214 | 0.7236 |
658
+ | 0.1415 | 3100 | 0.1535 | - | - |
659
+ | 0.1461 | 3200 | 0.1588 | - | - |
660
+ | 0.1507 | 3300 | 0.1734 | - | - |
661
+ | 0.1552 | 3400 | 0.1239 | - | - |
662
+ | 0.1598 | 3500 | 0.1515 | - | - |
663
+ | 0.1644 | 3600 | 0.1923 | - | - |
664
+ | 0.1689 | 3700 | 0.2158 | - | - |
665
+ | 0.1735 | 3800 | 0.1589 | - | - |
666
+ | 0.1781 | 3900 | 0.1333 | - | - |
667
+ | 0.1826 | 4000 | 0.1567 | 0.0193 | 0.7444 |
668
+ | 0.1872 | 4100 | 0.128 | - | - |
669
+ | 0.1918 | 4200 | 0.1909 | - | - |
670
+ | 0.1963 | 4300 | 0.0948 | - | - |
671
+ | 0.2009 | 4400 | 0.1284 | - | - |
672
+ | 0.2055 | 4500 | 0.1101 | - | - |
673
+ | 0.2100 | 4600 | 0.1342 | - | - |
674
+ | 0.2146 | 4700 | 0.1431 | - | - |
675
+ | 0.2192 | 4800 | 0.1779 | - | - |
676
+ | 0.2237 | 4900 | 0.1926 | - | - |
677
+ | 0.2283 | 5000 | 0.1413 | 0.0216 | 0.7233 |
678
+ | 0.2329 | 5100 | 0.163 | - | - |
679
+ | 0.2374 | 5200 | 0.1309 | - | - |
680
+ | 0.2420 | 5300 | 0.1381 | - | - |
681
+ | 0.2466 | 5400 | 0.1975 | - | - |
682
+ | 0.2511 | 5500 | 0.0921 | - | - |
683
+ | 0.2557 | 5600 | 0.1378 | - | - |
684
+ | 0.2603 | 5700 | 0.17 | - | - |
685
+ | 0.2648 | 5800 | 0.1614 | - | - |
686
+ | 0.2694 | 5900 | 0.116 | - | - |
687
+ | 0.2739 | 6000 | 0.206 | 0.0177 | 0.7437 |
688
+ | 0.2785 | 6100 | 0.1592 | - | - |
689
+ | 0.2831 | 6200 | 0.102 | - | - |
690
+ | 0.2876 | 6300 | 0.148 | - | - |
691
+ | 0.2922 | 6400 | 0.1497 | - | - |
692
+ | 0.2968 | 6500 | 0.1532 | - | - |
693
+ | 0.3013 | 6600 | 0.1342 | - | - |
694
+ | 0.3059 | 6700 | 0.1463 | - | - |
695
+ | 0.3105 | 6800 | 0.1617 | - | - |
696
+ | 0.3150 | 6900 | 0.1384 | - | - |
697
+ | 0.3196 | 7000 | 0.0824 | 0.0143 | 0.7508 |
698
+ | 0.3242 | 7100 | 0.1129 | - | - |
699
+ | 0.3287 | 7200 | 0.1192 | - | - |
700
+ | 0.3333 | 7300 | 0.1283 | - | - |
701
+ | 0.3379 | 7400 | 0.1421 | - | - |
702
+ | 0.3424 | 7500 | 0.0784 | - | - |
703
+ | 0.3470 | 7600 | 0.1096 | - | - |
704
+ | 0.3516 | 7700 | 0.0684 | - | - |
705
+ | 0.3561 | 7800 | 0.0849 | - | - |
706
+ | 0.3607 | 7900 | 0.1183 | - | - |
707
+ | 0.3653 | 8000 | 0.0873 | 0.0101 | 0.7599 |
708
+ | 0.3698 | 8100 | 0.1331 | - | - |
709
+ | 0.3744 | 8200 | 0.0238 | - | - |
710
+ | 0.3790 | 8300 | 0.1123 | - | - |
711
+ | 0.3835 | 8400 | 0.0816 | - | - |
712
+ | 0.3881 | 8500 | 0.1117 | - | - |
713
+ | 0.3927 | 8600 | 0.2178 | - | - |
714
+ | 0.3972 | 8700 | 0.0752 | - | - |
715
+ | 0.4018 | 8800 | 0.1138 | - | - |
716
+ | 0.4064 | 8900 | 0.1039 | - | - |
717
+ | 0.4109 | 9000 | 0.119 | 0.0125 | 0.7596 |
718
+ | 0.4155 | 9100 | 0.1164 | - | - |
719
+ | 0.4201 | 9200 | 0.1008 | - | - |
720
+ | 0.4246 | 9300 | 0.1605 | - | - |
721
+ | 0.4292 | 9400 | 0.1103 | - | - |
722
+ | 0.4338 | 9500 | 0.0518 | - | - |
723
+ | 0.4383 | 9600 | 0.1239 | - | - |
724
+ | 0.4429 | 9700 | 0.1076 | - | - |
725
+ | 0.4474 | 9800 | 0.077 | - | - |
726
+ | 0.4520 | 9900 | 0.0753 | - | - |
727
+ | 0.4566 | 10000 | 0.1535 | 0.0113 | 0.7597 |
728
+ | 0.4611 | 10100 | 0.136 | - | - |
729
+ | 0.4657 | 10200 | 0.164 | - | - |
730
+ | 0.4703 | 10300 | 0.0494 | - | - |
731
+ | 0.4748 | 10400 | 0.1561 | - | - |
732
+ | 0.4794 | 10500 | 0.0658 | - | - |
733
+ | 0.4840 | 10600 | 0.0464 | - | - |
734
+ | 0.4885 | 10700 | 0.0794 | - | - |
735
+ | 0.4931 | 10800 | 0.1572 | - | - |
736
+ | 0.4977 | 10900 | 0.0902 | - | - |
737
+ | 0.5022 | 11000 | 0.0808 | 0.0104 | 0.7770 |
738
+ | 0.5068 | 11100 | 0.0452 | - | - |
739
+ | 0.5114 | 11200 | 0.0555 | - | - |
740
+ | 0.5159 | 11300 | 0.0754 | - | - |
741
+ | 0.5205 | 11400 | 0.122 | - | - |
742
+ | 0.5251 | 11500 | 0.1165 | - | - |
743
+ | 0.5296 | 11600 | 0.1068 | - | - |
744
+ | 0.5342 | 11700 | 0.0813 | - | - |
745
+ | 0.5388 | 11800 | 0.1062 | - | - |
746
+ | 0.5433 | 11900 | 0.1105 | - | - |
747
+ | 0.5479 | 12000 | 0.1126 | 0.0104 | 0.7788 |
748
+ | 0.5525 | 12100 | 0.0947 | - | - |
749
+ | 0.5570 | 12200 | 0.0803 | - | - |
750
+ | 0.5616 | 12300 | 0.0945 | - | - |
751
+ | 0.5662 | 12400 | 0.1576 | - | - |
752
+ | 0.5707 | 12500 | 0.0798 | - | - |
753
+ | 0.5753 | 12600 | 0.0743 | - | - |
754
+ | 0.5799 | 12700 | 0.0441 | - | - |
755
+ | 0.5844 | 12800 | 0.0529 | - | - |
756
+ | 0.5890 | 12900 | 0.0562 | - | - |
757
+ | 0.5936 | 13000 | 0.046 | 0.0100 | 0.7845 |
758
+ | 0.5981 | 13100 | 0.0735 | - | - |
759
+ | 0.6027 | 13200 | 0.1007 | - | - |
760
+ | 0.6073 | 13300 | 0.1 | - | - |
761
+ | 0.6118 | 13400 | 0.0784 | - | - |
762
+ | 0.6164 | 13500 | 0.0663 | - | - |
763
+ | 0.6209 | 13600 | 0.0446 | - | - |
764
+ | 0.6255 | 13700 | 0.1207 | - | - |
765
+ | 0.6301 | 13800 | 0.1348 | - | - |
766
+ | 0.6346 | 13900 | 0.0741 | - | - |
767
+ | 0.6392 | 14000 | 0.0535 | 0.0088 | 0.7948 |
768
+ | 0.6438 | 14100 | 0.1341 | - | - |
769
+ | 0.6483 | 14200 | 0.0866 | - | - |
770
+ | 0.6529 | 14300 | 0.1242 | - | - |
771
+ | 0.6575 | 14400 | 0.0314 | - | - |
772
+ | 0.6620 | 14500 | 0.0682 | - | - |
773
+ | 0.6666 | 14600 | 0.1194 | - | - |
774
+ | 0.6712 | 14700 | 0.0723 | - | - |
775
+ | 0.6757 | 14800 | 0.1074 | - | - |
776
+ | 0.6803 | 14900 | 0.0737 | - | - |
777
+ | 0.6849 | 15000 | 0.1153 | 0.0081 | 0.7988 |
778
+ | 0.6894 | 15100 | 0.0791 | - | - |
779
+ | 0.6940 | 15200 | 0.072 | - | - |
780
+ | 0.6986 | 15300 | 0.0453 | - | - |
781
+ | 0.7031 | 15400 | 0.1049 | - | - |
782
+ | 0.7077 | 15500 | 0.0948 | - | - |
783
+ | 0.7123 | 15600 | 0.0588 | - | - |
784
+ | 0.7168 | 15700 | 0.0733 | - | - |
785
+ | 0.7214 | 15800 | 0.071 | - | - |
786
+ | 0.7260 | 15900 | 0.0485 | - | - |
787
+ | 0.7305 | 16000 | 0.1058 | 0.0083 | 0.7949 |
788
+ | 0.7351 | 16100 | 0.0568 | - | - |
789
+ | 0.7397 | 16200 | 0.1078 | - | - |
790
+ | 0.7442 | 16300 | 0.0616 | - | - |
791
+ | 0.7488 | 16400 | 0.0693 | - | - |
792
+ | 0.7534 | 16500 | 0.101 | - | - |
793
+ | 0.7579 | 16600 | 0.05 | - | - |
794
+ | 0.7625 | 16700 | 0.0707 | - | - |
795
+ | 0.7671 | 16800 | 0.1209 | - | - |
796
+ | 0.7716 | 16900 | 0.0474 | - | - |
797
+ | 0.7762 | 17000 | 0.0418 | 0.0090 | 0.7955 |
798
+ | 0.7808 | 17100 | 0.0636 | - | - |
799
+ | 0.7853 | 17200 | 0.1196 | - | - |
800
+ | 0.7899 | 17300 | 0.1044 | - | - |
801
+ | 0.7944 | 17400 | 0.0641 | - | - |
802
+ | 0.7990 | 17500 | 0.0582 | - | - |
803
+ | 0.8036 | 17600 | 0.0582 | - | - |
804
+ | 0.8081 | 17700 | 0.048 | - | - |
805
+ | 0.8127 | 17800 | 0.0612 | - | - |
806
+ | 0.8173 | 17900 | 0.023 | - | - |
807
+ | 0.8218 | 18000 | 0.0586 | 0.0088 | 0.7990 |
808
+ | 0.8264 | 18100 | 0.0874 | - | - |
809
+ | 0.8310 | 18200 | 0.0544 | - | - |
810
+ | 0.8355 | 18300 | 0.0764 | - | - |
811
+ | 0.8401 | 18400 | 0.0342 | - | - |
812
+ | 0.8447 | 18500 | 0.0507 | - | - |
813
+ | 0.8492 | 18600 | 0.0586 | - | - |
814
+ | 0.8538 | 18700 | 0.059 | - | - |
815
+ | 0.8584 | 18800 | 0.074 | - | - |
816
+ | 0.8629 | 18900 | 0.0579 | - | - |
817
+ | 0.8675 | 19000 | 0.0515 | 0.0081 | 0.8050 |
818
+ | 0.8721 | 19100 | 0.0799 | - | - |
819
+ | 0.8766 | 19200 | 0.0267 | - | - |
820
+ | 0.8812 | 19300 | 0.0721 | - | - |
821
+ | 0.8858 | 19400 | 0.0539 | - | - |
822
+ | 0.8903 | 19500 | 0.0279 | - | - |
823
+ | 0.8949 | 19600 | 0.0777 | - | - |
824
+ | 0.8995 | 19700 | 0.0446 | - | - |
825
+ | 0.9040 | 19800 | 0.0463 | - | - |
826
+ | 0.9086 | 19900 | 0.1307 | - | - |
827
+ | 0.9132 | 20000 | 0.0858 | 0.0077 | 0.8088 |
828
+ | 0.9177 | 20100 | 0.0789 | - | - |
829
+ | 0.9223 | 20200 | 0.0582 | - | - |
830
+ | 0.9269 | 20300 | 0.0916 | - | - |
831
+ | 0.9314 | 20400 | 0.0698 | - | - |
832
+ | 0.9360 | 20500 | 0.059 | - | - |
833
+ | 0.9406 | 20600 | 0.0616 | - | - |
834
+ | 0.9451 | 20700 | 0.1104 | - | - |
835
+ | 0.9497 | 20800 | 0.0268 | - | - |
836
+ | 0.9543 | 20900 | 0.0397 | - | - |
837
+ | 0.9588 | 21000 | 0.0473 | 0.0075 | 0.8107 |
838
+ | 0.9634 | 21100 | 0.0697 | - | - |
839
+ | 0.9679 | 21200 | 0.0889 | - | - |
840
+ | 0.9725 | 21300 | 0.042 | - | - |
841
+ | 0.9771 | 21400 | 0.0359 | - | - |
842
+ | 0.9816 | 21500 | 0.0995 | - | - |
843
+ | 0.9862 | 21600 | 0.0745 | - | - |
844
+ | 0.9908 | 21700 | 0.0492 | - | - |
845
+ | 0.9953 | 21800 | 0.0597 | - | - |
846
+ | 0.9999 | 21900 | 0.0113 | - | - |
847
+
848
+ </details>
849
+
850
+ ### Framework Versions
851
+ - Python: 3.10.14
852
+ - Sentence Transformers: 3.2.1
853
+ - Transformers: 4.45.1
854
+ - PyTorch: 2.4.0
855
+ - Accelerate: 0.34.2
856
+ - Datasets: 3.0.1
857
+ - Tokenizers: 0.20.0
858
+
859
+ ## Citation
860
+
861
+ ### BibTeX
862
+
863
+ #### Sentence Transformers
864
+ ```bibtex
865
+ @inproceedings{reimers-2019-sentence-bert,
866
+ title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
867
+ author = "Reimers, Nils and Gurevych, Iryna",
868
+ booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
869
+ month = "11",
870
+ year = "2019",
871
+ publisher = "Association for Computational Linguistics",
872
+ url = "https://arxiv.org/abs/1908.10084",
873
+ }
874
+ ```
875
+
876
+ #### MultipleNegativesRankingLoss
877
+ ```bibtex
878
+ @misc{henderson2017efficient,
879
+ title={Efficient Natural Language Response Suggestion for Smart Reply},
880
+ 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},
881
+ year={2017},
882
+ eprint={1705.00652},
883
+ archivePrefix={arXiv},
884
+ primaryClass={cs.CL}
885
+ }
886
+ ```
887
+
888
+ <!--
889
+ ## Glossary
890
+
891
+ *Clearly define terms in order to be accessible across audiences.*
892
+ -->
893
+
894
+ <!--
895
+ ## Model Card Authors
896
+
897
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
898
+ -->
899
+
900
+ <!--
901
+ ## Model Card Contact
902
+
903
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
904
+ -->
config.json ADDED
@@ -0,0 +1,28 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "intfloat/multilingual-e5-base",
3
+ "architectures": [
4
+ "XLMRobertaModel"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "bos_token_id": 0,
8
+ "classifier_dropout": null,
9
+ "eos_token_id": 2,
10
+ "hidden_act": "gelu",
11
+ "hidden_dropout_prob": 0.1,
12
+ "hidden_size": 768,
13
+ "initializer_range": 0.02,
14
+ "intermediate_size": 3072,
15
+ "layer_norm_eps": 1e-05,
16
+ "max_position_embeddings": 514,
17
+ "model_type": "xlm-roberta",
18
+ "num_attention_heads": 12,
19
+ "num_hidden_layers": 12,
20
+ "output_past": true,
21
+ "pad_token_id": 1,
22
+ "position_embedding_type": "absolute",
23
+ "torch_dtype": "float32",
24
+ "transformers_version": "4.45.1",
25
+ "type_vocab_size": 1,
26
+ "use_cache": true,
27
+ "vocab_size": 250002
28
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "__version__": {
3
+ "sentence_transformers": "3.2.1",
4
+ "transformers": "4.45.1",
5
+ "pytorch": "2.4.0"
6
+ },
7
+ "prompts": {},
8
+ "default_prompt_name": null,
9
+ "similarity_fn_name": null
10
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:360ded5f1d1a2eb11fca8be4436d3692100ab5308fb8e027e014155aa90e4b21
3
+ size 1112197096
modules.json ADDED
@@ -0,0 +1,20 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [
2
+ {
3
+ "idx": 0,
4
+ "name": "0",
5
+ "path": "",
6
+ "type": "sentence_transformers.models.Transformer"
7
+ },
8
+ {
9
+ "idx": 1,
10
+ "name": "1",
11
+ "path": "1_Pooling",
12
+ "type": "sentence_transformers.models.Pooling"
13
+ },
14
+ {
15
+ "idx": 2,
16
+ "name": "2",
17
+ "path": "2_Normalize",
18
+ "type": "sentence_transformers.models.Normalize"
19
+ }
20
+ ]
sentence_bert_config.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "max_seq_length": 512,
3
+ "do_lower_case": false
4
+ }
sentencepiece.bpe.model ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:cfc8146abe2a0488e9e2a0c56de7952f7c11ab059eca145a0a727afce0db2865
3
+ size 5069051
special_tokens_map.json ADDED
@@ -0,0 +1,51 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "<s>",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "cls_token": {
10
+ "content": "<s>",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "eos_token": {
17
+ "content": "</s>",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "mask_token": {
24
+ "content": "<mask>",
25
+ "lstrip": true,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "pad_token": {
31
+ "content": "<pad>",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ },
37
+ "sep_token": {
38
+ "content": "</s>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false
43
+ },
44
+ "unk_token": {
45
+ "content": "<unk>",
46
+ "lstrip": false,
47
+ "normalized": false,
48
+ "rstrip": false,
49
+ "single_word": false
50
+ }
51
+ }
tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:883b037111086fd4dfebbbc9b7cee11e1517b5e0c0514879478661440f137085
3
+ size 17082987
tokenizer_config.json ADDED
@@ -0,0 +1,54 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "<s>",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "1": {
12
+ "content": "<pad>",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "2": {
20
+ "content": "</s>",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "3": {
28
+ "content": "<unk>",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "250001": {
36
+ "content": "<mask>",
37
+ "lstrip": true,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "bos_token": "<s>",
45
+ "clean_up_tokenization_spaces": true,
46
+ "cls_token": "<s>",
47
+ "eos_token": "</s>",
48
+ "mask_token": "<mask>",
49
+ "model_max_length": 512,
50
+ "pad_token": "<pad>",
51
+ "sep_token": "</s>",
52
+ "tokenizer_class": "XLMRobertaTokenizer",
53
+ "unk_token": "<unk>"
54
+ }