metadata

base_model: abdoelsayed/AraDPR
datasets:
  - hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET
library_name: sentence-transformers
metrics:
  - map
  - mrr@10
  - ndcg@10
pipeline_tag: sentence-similarity
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:5000000
  - loss:MarginMSELoss
widget:
  - source_sentence: الاختلاف السرقة السطو
    sentences:
      - >-
        على عكس السطو ، يتم فرض تهمة السرقة إذا أخذ الفرد وحمل قطعة من الممتلكات
        التي لا تخصه بغرض حرمان المالك من الحيازة .
      - >-
        يستغرق شحن Oral - B 5000 40 دقيقة لتنظيفه مرة واحدة فقط بعد أن تبدأ
        البطارية في الإشارة إلى أنها منخفضة . لإعادة شحن الوحدة بالكامل ، يستغرق
        الأمر ما يقرب من 24 ساعة ، وهي ليست مشكلة بالنسبة لي لأنني لا أستخدمها
        إلا في الصباح .
      - >-
        المشاهد الأولية هي المكان الذي وقعت فيه الجريمة بالفعل ( اغتصاب ، سطو ،
        قتل . . ) المشاهد الثانوية حيث يمكن العثور على أدلة أخرى ، فيما يتعلق
        بالمشهد الأولي ( محل إقامة الموضوع ، زقاق في الشارع ، إلخ . . ) المشاهد
        الأولية هي المكان الذي وقعت فيه الجريمة بالفعل ( اغتصاب ، سطو ، قتل . .
        )
  - source_sentence: ما هي السيارات القديمة والكلاسيكية ؟
    sentences:
      - >-
        في يونيو 1997 ، تم استبدال العبارات أخيرا بوصلة دائمة ، جسر الكونفدرالية
        . يعد الجسر أحد أكثر المشاريع الهندسية التي تم بناؤها تحديا على الإطلاق
        . تم الانتهاء من تصميمها وبنائها على مدى 4 سنوات من قبل أكثر من 2000 شخص
        . الهيكل النهائي ضخم . يبلغ طوله حوالي 12 . 9 كيلومترا - بطول 117 ملعب
        كرة قدم . يزن ما يقرب من 3 . 5 مليار كيلوغرام . إذا كان الشخص العادي يزن
        حوالي 70 كيلوغراما ( 155 رطلا ) ، فإن الجسر يعادل 50000000 شخص - أي أكثر
        من مرة ونصف عدد سكان كندا !
      - >-
        سيارة قديمة . تعتبر سيارة بنتلي سبيد سيكس تورر عام 1926 سيارة بريطانية
        مشهورة من العصر القديم . السيارة القديمة ، بالمعنى العام ، هي سيارة
        قديمة ، وبالمعنى الضيق لعشاق السيارات وهواة جمعها ، فهي سيارة من الفترة
        من 1919 إلى 1930 . يمتلك هؤلاء المتحمسون مخططات تصنيف لعصور السيارات
        التي تفرض التمييز بين السيارات العتيقة والسيارات القديمة والسيارات
        الكلاسيكية وما إلى ذلك .
      - >-
        نحن السلطة العالمية للمراكب المائية الفاخرة . يمتد تفانينا إلى أربعين
        عاما وأربعة أجيال . نحافظ على أصالة وحرفية وجمال وقيمة الماهوجني العتيق
        للأجيال القادمة . ( 952 ) 495 - 0007 .
  - source_sentence: ما هو شكل الاستنزاف الجغرافي
    sentences:
      - >-
        رمي في الاستنزاف والتخرج والتوقف والتسرب ، وسرعان ما يدرك المرء سبب وجود
        الكثير من الجهد والبحث في عالم المثابرة والاحتفاظ . [اقرأ : " لماذا
        تتمتع الدورات التدريبية عبر الإنترنت بمعدلات استبقاء منخفضة - وكيفية
        تعزيزها . ' ] . بغض النظر عن الجهد والبحث المذكور ، لا يزال الالتباس
        قائما .
      - >-
        من ناحية أخرى ، تنتج جروح الاستنزاف عن الاحتكاك أو الاحتكاك مثل طحن
        الأسنان . 4 . يحدث التآكل عندما تصطدم إحدى الصخور بسطح آخر . يمكن وصف
        الاستنزاف بأنه شكل من أشكال تآكل الأنهار أو الساحل حيث يتم جرف السطح
        بعيدا ، وهناك أيضا معنى آخر للاستنزاف . يشير الاستنزاف أيضا إلى تخفيض
        عدد الموظفين في الشركات من خلال العملية المعتادة مثل الاستقالة أو
        التقاعد . ملخص . 1 . يقتصر التآكل على التدمير السطحي . الاستنزاف لا
        يقتصر على هذا التدمير . 2 .
      - >-
        فيديو : نيك ستويبرل لديه أطول لسان في العالم . يشارك . يعرض Nick
        Stoeberl كل لسانه المذهل البالغ طوله 10 . 1 سم لاقتناص سجله المليء
        باللسان . استعد لتندهش من أطول لسان في العالم ! نيك ستويبرل البالغ من
        العمر 24 عاما من كاليفورنيا بالولايات المتحدة الأمريكية لديه حقا الرقم
        القياسي العالمي لأطول لسان لعق .
  - source_sentence: الفرق بين حزب سياسي ومجموعة المصالح هو أن الهدف الرئيسي
    sentences:
      - >-
        " الفرق بين الحزب السياسي ومجموعة المصالح هو أن الهدف الرئيسي للحزب
        السياسي هو انتخاب أعضائه في مناصب سياسية . الجواب على سؤالك هو " " ب " "
        . أتمنى أن تكون هذه هي الإجابة التي كنت تبحث عنها وقد ساعدتك . تعليقات .
        "
      - >-
        تجنب استخدام لغة نمطية أو متحيزة بأي شكل من الأشكال . غالبا ما تحدث
        اللغة المتحيزة مع نوع الجنس ، ولكنها قد تسيء أيضا إلى مجموعات من الأشخاص
        على أساس التوجه الجنسي أو العرق أو الاهتمام السياسي أو العرق . اللغة
        النمطية هي أي لغة تفترض صورة نمطية عن مجموعة من الناس .
      - >-
        ميدلتاون هي مدينة تقع في مقاطعة أورانج ، نيويورك ، الولايات المتحدة .
        تقع في منطقة وادي هدسون بنيويورك ، بالقرب من نهر والكيل وسفوح جبال
        شاوانجونك . تقع ميدلتاون بين بورت جيرفيس ونيوبورج ، نيويورك . اعتبارا من
        تعداد الولايات المتحدة لعام 2010 ، كان عدد سكان المدينة 28 ، 086 ، مما
        يعكس زيادة قدرها 2 ، 698 من 25 ، 388 محسوبا في تعداد عام 2000 . الرمز
        البريدي هو 10940 . تقع ميدلتاون في منطقة العاصمة نيويورك .
  - source_sentence: ماذا تعني كلمة الحمى القرمزية
    sentences:
      - >-
        الحمى القرمزية ( Scarletina ) هي حمى معدية تتميز بالتهاب الحلق واندفاع
        أحمر منتشر على الجلد ، يليه تساقط الجزء السطحي من الجلد . يعد التهاب
        الأذنين والكلى من المضاعفات الشائعة .
      - >-
        من ويكيبيديا ، الموسوعة الحرة . سيليكون RTV ( سيليكون تقسية درجة حرارة
        الغرفة ) هو نوع من مطاط السيليكون مصنوع من نظام مكون من عنصرين ( قاعدة
        بالإضافة إلى العلاج ؛ A + B ) متوفر في نطاق صلابة من النعومة إلى
        المتوسطة - عادة من 15 Shore A إلى 40 Shore . من أجل أن يقوم سيليكون RTV
        بإعادة إنتاج نسيج السطح ، يتم الاهتمام بنظافة الأصل . يعمل نزع الهواء
        بالتفريغ على إزالة فقاعات الهواء المحبوسة من خليط السيليكون والمحفز
        لضمان قوة الشد المثلى ، مما يؤثر على أوقات التكاثر .
      - >-
        يمكن تصنيف الحمى حسب الأعراض المصاحبة لها وسببها ونمطها . يمكن أن تكون
        الحمى منخفضة الدرجة ( درجة حرارة الجسم أقل من 101 درجة فهرنهايت ) أو
        عالية الدرجة ( درجة الحرارة أعلى من 104 درجة فهرنهايت ) . غالبا ما يساعد
        نمط الحمى في تشخيص المرض . فيما يلي أنواع الحمى وفقا للنمط النموذجي
        للحمى .
model-index:
  - name: SentenceTransformer based on abdoelsayed/AraDPR
    results:
      - task:
          type: reranking
          name: Reranking
        dataset:
          name: Unknown
          type: unknown
        metrics:
          - type: map
            value: 0.5210777953321174
            name: Map
          - type: mrr@10
            value: 0.5216256613756614
            name: Mrr@10
          - type: ndcg@10
            value: 0.5898436795948834
            name: Ndcg@10

SentenceTransformer based on abdoelsayed/AraDPR

This is a sentence-transformers model finetuned from abdoelsayed/AraDPR on the raraelectr_aand_raraber_tused_dataset dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

Model Type: Sentence Transformer
Base model: abdoelsayed/AraDPR
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- raraelectr_aand_raraber_tused_dataset

Model Sources

Documentation: Sentence Transformers Documentation
Repository: Sentence Transformers on GitHub
Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (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("hatemestinbejaia/AraDPR2_initialversion0")
# Run inference
sentences = [
    'ماذا تعني كلمة الحمى القرمزية',
    'الحمى القرمزية ( Scarletina ) هي حمى معدية تتميز بالتهاب الحلق واندفاع أحمر منتشر على الجلد ، يليه تساقط الجزء السطحي من الجلد . يعد التهاب الأذنين والكلى من المضاعفات الشائعة .',
    'يمكن تصنيف الحمى حسب الأعراض المصاحبة لها وسببها ونمطها . يمكن أن تكون الحمى منخفضة الدرجة ( درجة حرارة الجسم أقل من 101 درجة فهرنهايت ) أو عالية الدرجة ( درجة الحرارة أعلى من 104 درجة فهرنهايت ) . غالبا ما يساعد نمط الحمى في تشخيص المرض . فيما يلي أنواع الحمى وفقا للنمط النموذجي للحمى .',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Reranking

Evaluated with RerankingEvaluator

Metric	Value
map	0.5211
mrr@10	0.5216
ndcg@10	0.5898

Training Details

Training Dataset

raraelectr_aand_raraber_tused_dataset

Dataset: raraelectr_aand_raraber_tused_dataset at 41662fd
Size: 5,000,000 training samples
Columns: query, pos, neg, and label

Approximate statistics based on the first 1000 samples:

	query	pos	neg	label
type	string	string	string	float
details	min: 5 tokens mean: 13.93 tokens max: 37 tokens	min: 15 tokens mean: 124.04 tokens max: 386 tokens	min: 21 tokens mean: 113.55 tokens max: 278 tokens	min: -2.88 mean: 12.91 max: 21.92

Samples:

query	pos	neg	label
`القليل من الكافيين جيد أثناء الحمل`	`نحن لا نعرف الكثير عن تأثيرات الكافيين أثناء الحمل عليك وعلى طفلك . لذلك فمن الأفضل أن تحد من المبلغ الذي تحصل عليه كل يوم . إذا كنت حاملا ، قللي من تناول الكافيين إلى 200 ملليجرام يوميا . هذا هو الكمية الموجودة في فنجان واحد سعة 8 أونصات من القهوة أو فنجان قهوة سعة 12 أونصة .`	`من الآمن عموما أن تتناول النساء الحوامل الشوكولاتة لأن الدراسات أثبتت وجود فوائد معينة لتناول الشوكولاتة أثناء الحمل . ومع ذلك ، يجب على النساء الحوامل التأكد من أن تناول الكافيين أقل من 200 مجم في اليوم .`	`4.0280589908361435`
`ما هي الفاكهة الأصلية في أستراليا`	Passiflora herbertiana . فاكهة العاطفة النادرة موطنها أستراليا . الثمار ذات قشرة خضراء ، بيضاء اللون ، مع تصنيف غير معروف للأكل . تسرد بعض المصادر الفاكهة على أنها صالحة للأكل وحلوة ولذيذة ، بينما يسرد البعض الآخر الفاكهة على أنها مرة وغير صالحة للأكل . فاكهة العاطفة النادرة موطنها أستراليا . الثمار ذات قشرة خضراء ، بيضاء اللون ، مع تصنيف غير معروف للأكل . تسرد بعض المصادر الفاكهة على أنها صالحة للأكل وحلوة ولذيذة ، بينما يسرد البعض الآخر الفواكه على أنها مرة وغير صالحة للأكل .	`جوز الكولا هو ثمرة شجرة الكولا ، وهي جنس ( كولا ) من الأشجار التي تنتمي إلى الغابات الاستوائية المطيرة في إفريقيا .`	`10.18145449956258`
`ما هو حجم الجيش الكندي`	`القوات المسلحة الكندية . 1 بدأت أول مهمة حفظ سلام كندية واسعة النطاق في مصر في 24 نوفمبر 1956 . 2 هناك ما يقرب من 65000 من القوات النظامية و 25000 من أفراد الاحتياط في الجيش الكندي . 3 في كندا ، تم تحديد يوم 9 أغسطس كيوم حفظة السلام الوطنيين .`	`المعهد الكندي لصحة الأطباء ( CPHI ) هو برنامج وطني تم إنشاؤه في عام 2012 كتعاون بين الجمعية الطبية الكندية ( CMA ) والمؤسسة الطبية الكندية ( CMF ) والجمعيات الطبية الإقليمية والإقليمية ( PTMAs ) .`	`16.420575777689614`

Loss: main.MarginMSELoss

Evaluation Dataset

raraelectr_aand_raraber_tused_dataset

Dataset: raraelectr_aand_raraber_tused_dataset at 41662fd
Size: 10,000 evaluation samples
Columns: query, pos, neg, and label

Approximate statistics based on the first 1000 samples:

	query	pos	neg	label
type	string	string	string	float
details	min: 3 tokens mean: 13.59 tokens max: 45 tokens	min: 26 tokens mean: 119.29 tokens max: 367 tokens	min: 22 tokens mean: 111.89 tokens max: 290 tokens	min: -0.75 mean: 13.72 max: 22.62

Samples:

query	pos	neg	label
`ما هو اسم د . كوين`	اعرض الشخصيات المختلفة التي لعبها نفس الممثل . الدكتورة ميكايلا كوين . ولدت ميكايلا في 15 فبراير 1833 في بوسطن ، ماساتشوستس ، لأبوين جوزيف وإليزابيث كوين . هناك نشأت مع شقيقاتها الأربع : ماري ( التي تم تغيير اسمها إلى ريبيكا ) ، ومارجوري ، وكلوديت ، ومورين . كان والدها يريد ابنا ، لذلك عندما ولدت أطلق عليها اسم ميكايلا ( الملقب مايك ) .	`ليس لدى د . ماكفارلاند أي تأمينات مدرجة . إذا كنت دكتور ماكفارلاند وترغب في إضافة تأمينات تقبلها ، يرجى تحديث ملفك التعريفي المجاني . الانتساب إلى المستشفى ينتمي د . ماكفارلاند إلى المستشفيات التالية .`	`15.524045944213867`
`من يلعب دور بيرني مادوف`	`ساحر الأكاذيب هو واحد من اثنين من مشاريع Madoff التلفزيونية قيد الإعداد . ABC لديها مسلسل قصير قادم يسمى مادوف ، من بطولة ريتشارد دريفوس وبليث دانر . قصص ذات الصلة . روبرت دي نيرو يسجل الدخول للعب بيرني مادوف في فيلم HBO المحتمل .`	`اتهمت السلطات الأمريكية مسؤول تنفيذي للمحاسبة يزعم أنه ساعد برنارد مادوف في مخطط بونزي الذي تبلغ تكلفته عدة مليارات من الدولارات ، والذي يوسع نطاق تحقيقه في الاحتيال بعد خمس سنوات من اكتشافه .`	`13.17703644434611`
`كم قدم مكعب في طن من حصى البازلاء`	لذلك 1 طن لديه 2000 - 100 أو 20 قدم مكعب من الحصى . الفناء المكعب هو 3x3x3 = 27 قدما مكعبا من الفناء المكعب ، الإجابة 20 - 27 أو 0 . 74 ياردة مكعبة . العوامل الأخرى التي تؤثر على حجم الحصى هي محتوى الرطوبة ودرجات المواد . يحتوي حصى البازلاء على سبيل المثال على جميع الجزيئات ذات الحجم المحدد ، على سبيل المثال ، 1 - 4 بوصة ، حوالي 120 رطلا للإشارة فقط : 1 قدم مكعب = 6 . 25 جالون ( إمبراطوري ) ، جالون من الماء يزن 10 أرطال ، لذا فإن القدم المكعبة من الماء تزن 62 . 5 رطلا . هذا يعني أن الجاذبية النوعية للحصى هي 120 - 62 . 5 ، أو أقل قليلا من 2 .	`1 كيس قدم مكعب واحد ( التربة والمهاد ) يغطي ما يقرب من 8 أقدام مربعة إلى عمق 3 . 2 كيس واحد 75 رطلا ( الحصى والرمل ) يغطي حوالي 4 أقدام مربعة إلى عمق 3 . 3 بوصات سميكة ستغطي حوالي 300 قدم مربع . سيغطي سمك 1 حوالي 150 قدما مربعا .`	`10.34702980518341`

Loss: main.MarginMSELoss

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 16
gradient_accumulation_steps: 8
learning_rate: 7e-05
warmup_ratio: 0.07
fp16: True
half_precision_backend: amp
load_best_model_at_end: True
fp16_backend: amp

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 8
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 8
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 7e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 3
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.07
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: amp
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: True
ignore_data_skip: False
fsdp: []
fsdp_min_num_params: 0
fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
fsdp_transformer_layer_cls_to_wrap: None
accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch
optim_args: None
adafactor: False
group_by_length: False
length_column_name: length
ddp_find_unused_parameters: None
ddp_bucket_cap_mb: None
ddp_broadcast_buffers: False
dataloader_pin_memory: True
dataloader_persistent_workers: False
skip_memory_metrics: True
use_legacy_prediction_loop: False
push_to_hub: False
resume_from_checkpoint: None
hub_model_id: None
hub_strategy: every_save
hub_private_repo: False
hub_always_push: False
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
eval_do_concat_batches: True
fp16_backend: amp
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
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	Validation Loss	map
1.8944	74000	0.8809	0.7718	0.5197
1.9456	76000	0.8809	0.7716	0.5140
1.9968	78000	0.8808	0.7713	0.5211

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.10.14
Sentence Transformers: 3.3.1
Transformers: 4.45.1
PyTorch: 2.4.0
Accelerate: 0.34.2
Datasets: 3.0.1
Tokenizers: 0.20.0

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",
}

MarginMSELoss

@misc{hofstätter2021improving,
    title={Improving Efficient Neural Ranking Models with Cross-Architecture Knowledge Distillation},
    author={Sebastian Hofstätter and Sophia Althammer and Michael Schröder and Mete Sertkan and Allan Hanbury},
    year={2021},
    eprint={2010.02666},
    archivePrefix={arXiv},
    primaryClass={cs.IR}
}