File size: 10,324 Bytes
919f7cc
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
cc1edd3
919f7cc
88cb56b
 
54ee03e
 
 
 
88cb56b
54ee03e
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
88cb56b
 
 
54ee03e
 
 
 
 
88cb56b
54ee03e
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
88cb56b
 
 
 
54ee03e
 
 
 
88cb56b
54ee03e
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
88cb56b
 
 
 
54ee03e
88cb56b
 
54ee03e
88cb56b
54ee03e
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
88cb56b
 
919f7cc
 
ab2ed1f
919f7cc
ab2ed1f
919f7cc
 
 
 
 
ab2ed1f
919f7cc
 
 
 
ab2ed1f
919f7cc
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
ab2ed1f
919f7cc
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
---
base_model: Omartificial-Intelligence-Space/Arabert-all-nli-triplet-Matryoshka
datasets:
- Omartificial-Intelligence-Space/Arabic-stsb
language:
- ar
library_name: sentence-transformers
metrics:
- pearson_cosine
- spearman_cosine
- pearson_manhattan
- spearman_manhattan
- pearson_euclidean
- spearman_euclidean
- pearson_dot
- spearman_dot
- pearson_max
- spearman_max
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:947818
- loss:SoftmaxLoss
- loss:CosineSimilarityLoss
widget:
- source_sentence: امرأة تكتب شيئاً
  sentences:
  - مراهق يتحدث إلى فتاة عبر كاميرا الإنترنت
  - امرأة تقطع البصل الأخضر.
  - مجموعة من كبار السن يتظاهرون حول طاولة الطعام.
- source_sentence: تتشكل النجوم في مناطق تكوين النجوم، والتي تنشأ نفسها من السحب الجزيئية.
  sentences:
  - لاعب كرة السلة على وشك تسجيل نقاط لفريقه.
  - المقال التالي مأخوذ من نسختي من "أطلس البطريق الجديد للتاريخ الوسطى"
  - قد يكون من الممكن أن يوجد نظام شمسي مثل نظامنا خارج المجرة
- source_sentence: تحت السماء الزرقاء مع الغيوم البيضاء، يصل طفل لمس مروحة طائرة واقفة
    على حقل من العشب.
  sentences:
  - امرأة تحمل كأساً
  - طفل يحاول لمس مروحة طائرة
  - اثنان من عازبين عن الشرب يستعدون للعشاء
- source_sentence: رجل في منتصف العمر يحلق لحيته في غرفة ذات جدران بيضاء والتي لا
    تبدو كحمام
  sentences:
  - فتى يخطط اسمه على مكتبه
  - رجل ينام
  - المرأة وحدها وهي نائمة في غرفة نومها
- source_sentence: الكلب البني مستلقي على جانبه على سجادة بيج، مع جسم أخضر في المقدمة.
  sentences:
  - شخص طويل القامة
  - المرأة تنظر من النافذة.
  - لقد مات الكلب
model-index:
- name: Omartificial-Intelligence-Space/Arabert-all-nli-triplet-Matryoshka
  results:
  - dataset:
      config: ar
      name: MTEB MintakaRetrieval (ar)
      revision: efa78cc2f74bbcd21eff2261f9e13aebe40b814e
      split: test
      type: mintaka/mmteb-mintaka
    metrics:
      - type: main_score
        value: 17.121
      - type: map_at_1
        value: 9.805
      - type: map_at_3
        value: 12.574
      - type: map_at_5
        value: 13.468
      - type: map_at_10
        value: 14.294
      - type: ndcg_at_1
        value: 9.805
      - type: ndcg_at_3
        value: 13.504
      - type: ndcg_at_5
        value: 15.114
      - type: ndcg_at_10
        value: 17.121
      - type: recall_at_1
        value: 9.805
      - type: recall_at_3
        value: 16.205
      - type: recall_at_5
        value: 20.109
      - type: recall_at_10
        value: 26.328
      - type: precision_at_1
        value: 9.805
      - type: precision_at_3
        value: 5.402
      - type: precision_at_5
        value: 4.022
      - type: precision_at_10
        value: 2.633
      - type: mrr_at_1
        value: 9.8048
      - type: mrr_at_3
        value: 12.5738
      - type: mrr_at_5
        value: 13.468
      - type: mrr_at_10
        value: 14.2936
    task:
      type: Retrieval
  - dataset:
      config: ar
      name: MTEB MIRACLRetrievalHardNegatives (ar)
      revision: 95c8db7d4a6e9c1d8a60601afd63d553ae20a2eb
      split: dev
      type: miracl/mmteb-miracl-hardnegatives
    metrics:
      - type: main_score
        value: 17.751
      - type: map_at_1
        value: 6.057
      - type: map_at_3
        value: 9.526
      - type: map_at_5
        value: 10.812
      - type: map_at_10
        value: 12.51
      - type: ndcg_at_1
        value: 8.9
      - type: ndcg_at_3
        value: 11.773
      - type: ndcg_at_5
        value: 13.94
      - type: ndcg_at_10
        value: 17.751
      - type: recall_at_1
        value: 6.057
      - type: recall_at_3
        value: 13.244
      - type: recall_at_5
        value: 18.536
      - type: recall_at_10
        value: 28.793
      - type: precision_at_1
        value: 8.9
      - type: precision_at_3
        value: 7.1
      - type: precision_at_5
        value: 6.02
      - type: precision_at_10
        value: 4.84
      - type: mrr_at_1
        value: 8.9
      - type: mrr_at_3
        value: 13.5833
      - type: mrr_at_5
        value: 15.2683
      - type: mrr_at_10
        value: 16.9415
    task:
      type: Retrieval
  - dataset:
      config: ar
      name: MTEB MLQARetrieval (ar)
      revision: 397ed406c1a7902140303e7faf60fff35b58d285
      split: validation
      type: mlqa/mmteb-mlqa
    metrics:
      - type: main_score
        value: 58.026
      - type: map_at_1
        value: 42.553
      - type: map_at_3
        value: 50.709
      - type: map_at_5
        value: 51.899
      - type: map_at_10
        value: 52.972
      - type: ndcg_at_1
        value: 42.553
      - type: ndcg_at_3
        value: 53.336
      - type: ndcg_at_5
        value: 55.484
      - type: ndcg_at_10
        value: 58.026
      - type: recall_at_1
        value: 42.553
      - type: recall_at_3
        value: 60.928
      - type: recall_at_5
        value: 66.151
      - type: recall_at_10
        value: 73.888
      - type: precision_at_1
        value: 42.553
      - type: precision_at_3
        value: 20.309
      - type: precision_at_5
        value: 13.23
      - type: precision_at_10
        value: 7.389
      - type: mrr_at_1
        value: 42.5532
      - type: mrr_at_3
        value: 50.7092
      - type: mrr_at_5
        value: 51.8988
      - type: mrr_at_10
        value: 52.9717
    task:
      type: Retrieval
  - dataset:
      config: default
      name: MTEB SadeemQuestionRetrieval (ar)
      revision: 3cb0752b182e5d5d740df547748b06663c8e0bd9
      split: test
      type: sadeem/mmteb-sadeem
    metrics:
      - type: main_score
        value: 59.306
      - type: map_at_1
        value: 25.945
      - type: map_at_3
        value: 47.766
      - type: map_at_5
        value: 48.994
      - type: map_at_10
        value: 49.675
      - type: ndcg_at_1
        value: 25.945
      - type: ndcg_at_3
        value: 55.479
      - type: ndcg_at_5
        value: 57.679
      - type: ndcg_at_10
        value: 59.306
      - type: recall_at_1
        value: 25.945
      - type: recall_at_3
        value: 77.98
      - type: recall_at_5
        value: 83.293
      - type: recall_at_10
        value: 88.272
      - type: precision_at_1
        value: 25.945
      - type: precision_at_3
        value: 25.993
      - type: precision_at_5
        value: 16.659
      - type: precision_at_10
        value: 8.827
      - type: mrr_at_1
        value: 24.988
      - type: mrr_at_3
        value: 47.056
      - type: mrr_at_5
        value: 48.2671
      - type: mrr_at_10
        value: 48.9239
    task:
      type: Retrieval
---

# GATE-AraBert-v0

This is a General Arabic Text Embedding trained using SentenceTransformers in a multi-task setup. The system trains on the AllNLI and on the STS dataset.

## Model Details

### Model Description
- **Model Type:** Sentence Transformer
- **Base model:** [Omartificial-Intelligence-Space/Arabic-Triplet-Matryoshka-V2](https://huggingface.co/Omartificial-Intelligence-Space/Arabic-Triplet-Matryoshka-V2) <!-- at revision 5ce4f80f3ede26de623d6ac10681399dba5c684a -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 768 tokens
- **Similarity Function:** Cosine Similarity
- **Training Datasets:**
    - [all-nli](https://huggingface.co/datasets/Omartificial-Intelligence-Space/Arabic-NLi-Pair-Class)
    - [sts](https://huggingface.co/datasets/Omartificial-Intelligence-Space/arabic-stsb)
- **Language:** ar


## Usage

### Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

```bash
pip install -U sentence-transformers
```

Then you can load this model and run inference.
```python
from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("Omartificial-Intelligence-Space/GATE-AraBert-v0")
# Run inference
sentences = [
    'الكلب البني مستلقي على جانبه على سجادة بيج، مع جسم أخضر في المقدمة.',
    'لقد مات الكلب',
    'شخص طويل القامة',
]
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

#### Semantic Similarity
* Dataset: `sts-dev`
* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)

| Metric              | Value      |
|:--------------------|:-----------|
| pearson_cosine      | 0.8384     |
| **spearman_cosine** | **0.8389** |
| pearson_manhattan   | 0.8248     |
| spearman_manhattan  | 0.8329     |
| pearson_euclidean   | 0.825      |
| spearman_euclidean  | 0.8337     |
| pearson_dot         | 0.8072     |
| spearman_dot        | 0.8098     |
| pearson_max         | 0.8384     |
| spearman_max        | 0.8389     |

#### Semantic Similarity
* Dataset: `sts-test`
* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)

| Metric              | Value      |
|:--------------------|:-----------|
| pearson_cosine      | 0.7908     |
| **spearman_cosine** | **0.7893** |
| pearson_manhattan   | 0.7923     |
| spearman_manhattan  | 0.7947     |
| pearson_euclidean   | 0.7904     |
| spearman_euclidean  | 0.7934     |
| pearson_dot         | 0.7404     |
| spearman_dot        | 0.7354     |
| pearson_max         | 0.7923     |
| spearman_max        | 0.7947     |