/ Модель

Характеристики

Контекст
512 токенов
Параметры
162 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-base-arabertv02
Библиотека
sentence-transformers
Опубликована
22 мая 2025

DIMI-embedding-matryoshka-arabic

ЭмбеддингиТекст → embedding8 профессий

Арабская модель эмбеддингов для поиска смыслового сходства, семантического поиска и задач вывода отношений между предложениями.

98скачиваний за 30 дней4лайкавеса обновлены30 мая 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DIMI Embedding — модель эмбеддингов предложений, разработанная AhmedZaky1 на основе AraBERTv0.2-base и дообученная для арабского Natural Language Inference с использованием Matryoshka Representation Learning. Она создаёт векторные представления арабских текстов размером 768, 512, 256, 128 или 64 измерения; в README также описана бинарная классификация отношений «следование» и «противоречие». Модель подходит для оценки смыслового сходства, семантического поиска, извлечения релевантных документов и получения признаков для последующих NLP-задач на арабском языке.

Архитектура — BERT; размер модели составляет 162,4 млн параметров, библиотека — Sentence Transformers, максимальная длина контекста — 512 токенов. README сообщает результаты проверки на задаче NLI и заявляет, что сокращённые векторы сохраняют качество, однако эти показатели относятся к описанным автором экспериментам. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск семантически похожих арабских предложений
  • ранжирование арабских документов по релевантности запросу
  • семантический поиск по арабским текстам
  • определение следования или противоречия между арабскими предложениями
  • получение признаков для классификации арабских текстов

Ограничения

Модель рассчитана на арабский язык, а контекст ограничен 512 токенами. Заявленные показатели качества приведены в README и могут зависеть от используемых данных и сценария применения.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DIMI Embedding model

State-of-the-art Arabic Sentence Embeddings

Model Description

This model is a Matryoshka representation learning version of AraBERT specifically fine-tuned for Arabic Natural Language Inference (NLI) tasks. It generates embeddings that can be truncated to different dimensions (768, 512, 256, 128, 64) while maintaining strong performance across all sizes.

The model is based on aubmindlab/bert-base-arabertv02 and trained using the Matryoshka Representation Learning approach, which allows for flexible embedding dimensions without retraining.

Key Features

  • 🔄 Flexible Dimensions: Single model supports embeddings of size 768, 512, 256, 128, and 64
  • 🚀 High Performance: Consistently outperforms base model across all dimensions
  • 📊 Arabic NLI Optimized: Specifically trained on Arabic Natural Language Inference tasks
  • ⚡ Efficient: Smaller dimensions offer faster inference with minimal performance loss
  • 🎯 Binary Classification: Optimized for entailment vs contradiction classification

Performance Results

Our model shows significant improvements over the base AraBERT model across all embedding dimensions:

DimensionMatryoshka AccuracyBase AccuracyMatryoshka F1Base F1Improvement
76880.3%56.8%81.15%41.94%+39.21%
51280.6%56.9%81.36%44.32%+37.05%
25680.95%55.65%81.42%38.7%+42.72%
12881.25%56.7%81.37%40.6%+40.77%
6481.0%55.8%80.51%37.92%+42.59%

Quick Start

Installation

pip install sentence-transformers torch

Basic Usage

from sentence_transformers import SentenceTransformer

# Load the model
model = SentenceTransformer('AhmedZaky1/arabic-bert-nli-matryoshka')

# Example sentences
sentences = [
    "الطقس جميل اليوم",
    "إنه يوم مشمس وجميل", 
    "أحب قراءة الكتب"
]

# Generate embeddings (default: full 768 dimensions)
embeddings = model.encode(sentences)
print(f"Full embeddings shape: {embeddings.shape}")

# Use different dimensions by truncating
embeddings_256 = embeddings[:, :256]  # Use first 256 dimensions
embeddings_128 = embeddings[:, :128]  # Use first 128 dimensions
embeddings_64 = embeddings[:, :64]    # Use first 64 dimensions

print(f"256-dim embeddings shape: {embeddings_256.shape}")

Similarity Computation

from sentence_transformers import util

# Compute similarity between sentences
sentence1 = "القطة تجلس على السجادة"
sentence2 = "الكلب يلعب في الحديقة"

embeddings = model.encode([sentence1, sentence2])
similarity = util.cos_sim(embeddings[0], embeddings[1])
print(f"Similarity: {similarity.item():.4f}")

NLI Classification

def classify_nli_pair(premise, hypothesis, threshold=0.6):
    """
    Classify Natural Language Inference relationship

    Args:
        premise: The premise sentence
        hypothesis: The hypothesis sentence  
        threshold: Similarity threshold for classification

    Returns:
        str: 'entailment' if similarity > threshold, else 'contradiction'
    """
    embeddings = model.encode([premise, hypothesis])
    similarity = util.cos_sim(embeddings[0], embeddings[1]).item()

    return 'entailment' if similarity > threshold else 'contradiction'

# Example usage
premise = "الرجل يقرأ كتاباً في المكتبة"
hypothesis = "شخص يقرأ في مكان هادئ"

result = classify_nli_pair(premise, hypothesis)
print(f"Relationship: {result}")

Choosing the Right Dimension

  • 768 dimensions: Maximum accuracy for critical applications
  • 512 dimensions: Best balance of performance and efficiency
  • 256 dimensions: Good performance with 3x faster inference
  • 128 dimensions: Suitable for real-time applications
  • 64 dimensions: Ultra-fast inference for large-scale processing

Training Details

Dataset

  • Training Data: Arabic-NLI-Pair-Class dataset from Omartificial-Intelligence-Space
  • Language: Modern Standard Arabic (MSA)
  • Task Type: Binary classification (entailment vs contradiction)

Training Configuration

  • Base Model: aubmindlab/bert-base-arabertv02
  • Max Sequence Length: 75 tokens
  • Batch Size: 64
  • Epochs: 5
  • Matryoshka Dimensions: [768, 512, 256, 128, 64]
  • Loss Function: MatryoshkaLoss with CosineSimilarityLoss
  • Optimization: AdamW with automatic mixed precision (AMP)

Use Cases

  1. Arabic Text Similarity: Measure semantic similarity between Arabic texts
  2. Natural Language Inference: Determine logical relationships between Arabic sentences
  3. Information Retrieval: Find relevant Arabic documents based on queries
  4. Semantic Search: Build Arabic search engines with semantic understanding
  5. Text Classification: Use embeddings as features for downstream Arabic NLP tasks

Citation

If you use this model in your research, please cite:

@model{arabic-bert-nli-matryoshka,
  title={Arabic BERT NLI Matryoshka Embeddings},
  author={Ahmed Mouad},
  year={2025},
  url={https://huggingface.co/AhmedZaky1/arabic-bert-nli-matryoshka}
}

Acknowledgments

  • AraBERT Team: For the excellent base model (aubmindlab/bert-base-arabertv02)
  • Sentence Transformers: For the robust training framework
  • Matryoshka Representation Learning: For the innovative approach to nested embeddings
  • Arabic NLI Dataset: Omartificial-Intelligence-Space for the training data

License

This model is released under the Apache 2.0 License.


Model Version: 1.0
Last Updated: May 2025
Framework: sentence-transformers
Language: Arabic (العربية)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
17c71bd

0 моделей