README.md

metadata

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: >-
      SentenceTransformer based on
      Omartificial-Intelligence-Space/Arabert-all-nli-triplet-Matryoshka
    results:
      - dataset:
          config: ar
          name: MTEB MIRACLRetrievalHardNegatives (ar)
          revision: 95c8db7d4a6e9c1d8a60601afd63d553ae20a2eb
          split: dev
          type: mteb/miracl-hard-negatives
        metrics:
          - type: main_score
            value: 17.751
        task:
          type: Retrieval
      - dataset:
          config: ara-ara
          name: MTEB MLQARetrieval (ara-ara)
          revision: 397ed406c1a7902140303e7faf60fff35b58d285
          split: test
          type: facebook/mlqa
        metrics:
          - type: main_score
            value: 58.026
        task:
          type: Retrieval
      - dataset:
          config: ar
          name: MTEB MintakaRetrieval (ar)
          revision: efa78cc2f74bbcd21eff2261f9e13aebe40b814e
          split: test
          type: jinaai/mintakaqa
        metrics:
          - type: main_score
            value: 17.121
        task:
          type: Retrieval
      - dataset:
          config: default
          name: MTEB SadeemQuestionRetrieval (default)
          revision: 3cb0752b182e5d5d740df547748b06663c8e0bd9
          split: test
          type: sadeem-ai/sadeem-ar-eval-retrieval-questions
        metrics:
          - type: main_score
            value: 59.306
        task:
          type: Retrieval
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts dev
          type: sts-dev
        metrics:
          - type: pearson_cosine
            value: 0.8383581637565862
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.8389373148442993
            name: Spearman Cosine
          - type: pearson_manhattan
            value: 0.8247947413553784
            name: Pearson Manhattan
          - type: spearman_manhattan
            value: 0.8329104956151686
            name: Spearman Manhattan
          - type: pearson_euclidean
            value: 0.8249963167509389
            name: Pearson Euclidean
          - type: spearman_euclidean
            value: 0.8336591462431132
            name: Spearman Euclidean
          - type: pearson_dot
            value: 0.8071855574990106
            name: Pearson Dot
          - type: spearman_dot
            value: 0.8097706351791779
            name: Spearman Dot
          - type: pearson_max
            value: 0.8383581637565862
            name: Pearson Max
          - type: spearman_max
            value: 0.8389373148442993
            name: Spearman Max
      - task:
          type: semantic-similarity
          name: Semantic Similarity
        dataset:
          name: sts test
          type: sts-test
        metrics:
          - type: pearson_cosine
            value: 0.7907507025363603
            name: Pearson Cosine
          - type: spearman_cosine
            value: 0.7893080660475024
            name: Spearman Cosine
          - type: pearson_manhattan
            value: 0.7923222026451455
            name: Pearson Manhattan
          - type: spearman_manhattan
            value: 0.7946838339078852
            name: Spearman Manhattan
          - type: pearson_euclidean
            value: 0.7903690631114766
            name: Pearson Euclidean
          - type: spearman_euclidean
            value: 0.793426368251902
            name: Spearman Euclidean
          - type: pearson_dot
            value: 0.7404285389360442
            name: Pearson Dot
          - type: spearman_dot
            value: 0.7353599094850335
            name: Spearman Dot
          - type: pearson_max
            value: 0.7923222026451455
            name: Pearson Max
          - type: spearman_max
            value: 0.7946838339078852
            name: Spearman Max

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
• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 768 tokens
• Similarity Function: Cosine Similarity
• Training Datasets:
  • all-nli
  • sts
• Language: ar

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("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 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 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