许可证：apache-2.0
数据集：

• truro7/vn-law-questions-and-corpus
  语言：
• vi

基础模型：hiieu/halong_embedding

库名称：sentence-transformers

评估指标：

• 余弦准确率@1
• 余弦准确率@3
• 余弦准确率@5
• 余弦准确率@10
• 余弦精确率@1
• 余弦精确率@3
• 余弦精确率@5
• 余弦精确率@10
• 余弦召回率@1
• 余弦召回率@3
• 余弦召回率@5
• 余弦召回率@10
• 余弦归一化折损累积增益@10
• 余弦平均倒数排名@10
• 余弦平均精度@100

管道标签：句子相似度

标签：

• 法律
• 句子转换器
• 句子相似度
• 特征提取
• 训练生成
• 损失函数：MatryoshkaLoss
• 损失函数：MultipleNegativesRankingLoss

模型索引：

• 名称：越南法律嵌入模型
  结果：
  • 任务：
    类型：信息检索
    名称：信息检索
    指标：
    • 类型：余弦准确率@1
      值：0.623
      名称：余弦准确率@1
    • 类型：余弦准确率@3
      值：0.792
      名称：余弦准确率@3
    • 类型：余弦准确率@5
      值：0.851
      名称：余弦准确率@5
    • 类型：余弦准确率@10
      值：0.900
      名称：余弦准确率@10
    • 类型：余弦精确率@1
      值：0.623
      名称：余弦精确率@1
    • 类型：余弦精确率@3
      值：0.412
      名称：余弦精确率@3
    • 类型：余弦精确率@5
      值：0.310
      名称：余弦精确率@5
    • 类型：余弦精确率@10
      值：0.184
      名称：余弦精确率@10
    • 类型：余弦召回率@1
      值：0.353
      名称：余弦召回率@1
    • 类型：余弦召回率@3
      值：0.608
      名称：余弦召回率@3
    • 类型：余弦召回率@5
      值：0.722
      名称：余弦召回率@5
    • 类型：余弦召回率@10
      值：0.823
      名称：余弦召回率@10
    • 类型：余弦归一化折损累积增益@10
      值：0.706
      名称：余弦归一化折损累积增益@10
    • 类型：余弦平均倒数排名@10
      值：0.717
      名称：余弦平均倒数排名@10
    • 类型：余弦平均精度@100
      值：0.645
      名称：余弦平均精度@100

越南法律嵌入模型

越南法律嵌入模型是一个专为检索增强生成（RAG）设计的越南语文本嵌入模型，旨在精准检索法律文件以回答法律问题。

该模型基于越南法律问题及相关法律文件的数据集进行训练，并通过信息检索评估器进行评估。

训练过程中使用了Matryoshka损失函数，支持截断至更小维度，从而在不牺牲性能的前提下加速查询与文档之间的比较。

使用方法

直接使用

from sentence_transformers import SentenceTransformer
import torch
import torch.nn.functional as F

model = SentenceTransformer("truro7/vn-law-embedding", truncate_dim = 128)

query = "盗窃行为将如何处理？" 

corpus = """

[100_2015_QH13]

刑法
第173条 盗窃财产罪

第1款：

1. 盗窃他人财产价值在200万越南盾至5000万越南盾以下，或虽不足200万越南盾但符合下列情形之一的，处3年以下非监禁改造或6个月至3年有期徒刑：
a) 曾因侵占财产行为受到行政处罚又再犯；
b) 曾因本罪或本法第168、169、170、171、172、174、175及290条规定的任一罪名被判刑，尚未撤销前科又再犯；
c) 对社会治安秩序造成恶劣影响；
d) 财产为被害人及其家庭主要生活来源；或财产为对被害人具有特殊精神价值的纪念物、遗物、祭祀用品。
    
"""

embedding = torch.tensor([model.encode(query)])
corpus_embeddings = torch.tensor([model.encode(corpus)])

cosine_similarities = F.cosine_similarity(embedding, corpus_embeddings)

print(cosine_similarities.item()) #0.81

检索前k个相关文档

from sentence_transformers import SentenceTransformer
import torch
import torch.nn.functional as F

model = SentenceTransformer("truro7/vn-law-embedding", truncate_dim = 128)

all_docs = read_all_docs() # 读取所有法律文档 -> 文档内容列表 
top_k = 3
embedding_docs = torch.load(vectordb_path, weights_only=False).to(self.device) # 向量数据库

query = "盗窃行为将如何处理？" 
embedding = torch.tensor(model.encode(query))

cosine_similarities = F.cosine_similarity(embedding.unsqueeze(0).expand(self.embedding_docs.shape[0], 1, 128), self.embedding_docs, dim = -1).view(-1)
top_k = cosine_similarities.topk(k)

top_k_indices = top_k.indices
top_k_values = top_k.values

print(top_k_values)  #相似度分数

for i in top_k_indices:     #展示前k个相关文档
    print(all_docs[i])
    print("___________________________________________")