/ Модель

Характеристики

Контекст
514 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
mpnet · dense
Базовая модель
mpnet-base-all-nli-triplet
Библиотека
sentence-transformers
Опубликована
15 июн 2024

Arabic-mpnet-base-all-nli-triplet

ЭмбеддингиТекст → embedding9 профессий

Арабоязычная MPNet-модель создаёт эмбеддинги предложений и абзацев для семантического поиска и сравнения текстов.

557скачиваний за 30 дней10лайковвеса обновлены23 янв 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 оценки34

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

  • MIRACLReranking

    main_score

    Результат

    0,0377

    MTEB

    Публичная таблицадругая ревизия

  • WikipediaRetrievalMultilingual

    main_score

    Результат

    0,1813

    MTEB

    Публичная таблицадругая ревизия

  • IndicGenBenchFloresBitextMining

    main_score

    Результат

    0,0249

    Общий результат 0,0379Общий результат 0,0266Общий результат 0,022
    MTEB

    Публичная таблицадругая ревизия

  • MedicalQARetrieval

    main_score

    Результат

    0,1606

    MTEB

    Публичная таблицадругая ревизия

  • BUCC.v2

    main_score

    Результат

    0,0044

    MTEB

    Публичная таблицадругая ревизия

  • SIB200ClusteringS2S

    main_score

    Результат

    0,0268

    Общий результат 0,0758Общий результат 0,0384Общий результат 0,0318
    MTEB

    Публичная таблицадругая ревизия

  • ScalaClassification

    main_score

    Результат

    0,5014

    MTEB

    Публичная таблицадругая ревизия

  • Ko-StrategyQA

    main_score

    Результат

    0,013

    MTEB

    Публичная таблицадругая ревизия

  • Tatoeba

    main_score

    Результат

    0,06

    Общий результат 0,0284Общий результат 0,0135Общий результат 0,0012
    MTEB

    Публичная таблицадругая ревизия

  • MassiveIntentClassification

    main_score

    Результат

    0,3499

    Общий результат 0,0283
    MTEB

    Публичная таблицадругая ревизия

  • NLPJournalTitleIntroRetrieval

    main_score

    Результат

    0,0406

    MTEB

    Публичная таблицадругая ревизия

  • PpcPC

    main_score

    Результат

    0,7299

    MTEB

    Публичная таблицадругая ревизия

  • BrazilianToxicTweetsClassification

    main_score

    Результат

    0,1772

    MTEB

    Публичная таблицадругая ревизия

  • PublicHealthQA

    main_score

    Результат

    0,3136

    MTEB

    Публичная таблицадругая ревизия

  • NusaXBitextMining

    main_score

    Результат

    0,0483

    MTEB

    Публичная таблицадругая ревизия

  • TempReasonL3Context

    main_score

    Результат

    0,0065

    MTEB

    Публичная таблицадругая ревизия

  • CUREv1

    main_score

    Результат

    0,0025

    MTEB

    Публичная таблицадругая ревизия

  • MIRACLRetrievalHardNegatives

    main_score

    Результат

    0,062

    MTEB

    Публичная таблицадругая ревизия

  • STSBenchmarkMultilingualSTS

    main_score

    Результат

    0,5729

    MTEB

    Публичная таблицадругая ревизия

  • XNLI

    main_score

    Результат

    0,5865

    MTEB

    Публичная таблицадругая ревизия

  • MTOPIntentClassification

    main_score

    Результат

    0,3548

    MTEB

    Публичная таблицадругая ревизия

  • AmazonCounterfactualClassification

    main_score

    Результат

    0,5797

    MTEB

    Публичная таблицадругая ревизия

  • MassiveScenarioClassification

    main_score

    Результат

    0,3557

    Общий результат 0,1299
    MTEB

    Публичная таблицадругая ревизия

  • MLQARetrieval

    main_score

    Результат

    0,0912

    Общий результат 0,0789Общий результат 0,0647
    MTEB

    Публичная таблицадругая ревизия

  • CodeSearchNetRetrieval

    main_score

    Результат

    0,1574

    MTEB

    Публичная таблицадругая ревизия

  • STS22.v2

    main_score

    Результат

    0,1719

    MTEB

    Публичная таблицадругая ревизия

  • AfriSentiClassification

    main_score

    Результат

    0,4261

    MTEB

    Публичная таблицадругая ревизия

  • PawsXPairClassification

    main_score

    Результат

    0,5105

    MTEB

    Публичная таблицадругая ревизия

  • AmazonReviewsClassification

    main_score

    Результат

    0,219

    MTEB

    Публичная таблицадругая ревизия

  • NorQuadRetrieval

    main_score

    Результат

    0,0166

    MTEB

    Публичная таблицадругая ревизия

  • LeCaRDv2

    main_score

    Результат

    0,1208

    MTEB

    Публичная таблицадругая ревизия

  • XPQARetrieval

    main_score

    Результат

    0,2352

    MTEB

    Публичная таблицадругая ревизия

  • MTOPDomainClassification

    main_score

    Результат

    0,5128

    MTEB

    Публичная таблицадругая ревизия

  • WinoGrande

    main_score

    Результат

    0,0368

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это арабоязычная модель Sentence Transformers от Omartificial-Intelligence-Space, дообученная на наборе arabic-n_li-triplet на основе tomaarsen/mpnet-base-all-nli-triplet. Архитектура MPNet формирует плотные векторы размерностью 768 для предложений и абзацев; сходство можно оценивать косинусной мерой. Максимальная длина входа — 512 токенов.

Модель предназначена для семантического сравнения арабских текстов, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Обучение на парах и тройках текстов и результаты оценки на STS-тестах поддерживают её применение для задач сходства, но качество зависит от данных и сценария. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск документов по смыслу на арабском языке
  • сравнение семантической близости арабских предложений
  • поиск перефразировок в арабских текстах
  • кластеризация арабских текстов по тематике
  • подготовка эмбеддингов арабских текстов для классификации

Ограничения

Вход ограничен 512 токенами. Оценки на STS-наборах характеризуют сходство текстов и не гарантируют качество для других задач или доменов.

Для каких профессий подходит9

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

SentenceTransformer based on tomaarsen/mpnet-base-all-nli-triplet

This is a sentence-transformers model finetuned from tomaarsen/mpnet-base-all-nli-triplet on the Omartificial-Intelligence-Space/arabic-n_li-triplet 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: tomaarsen/mpnet-base-all-nli-triplet
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 768 tokens
  • Similarity Function: Cosine Similarity
  • Training Dataset:
    • Omartificial-Intelligence-Space/arabic-n_li-triplet

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: MPNetModel 
  (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("Omartificial-Intelligence-Space/mpnet-base-all-nli-triplet-Arabic-mpnet_base")
# Run inference
sentences = [
    'يجلس شاب ذو شعر أشقر على الحائط يقرأ جريدة بينما تمر امرأة وفتاة شابة.',
    'ذكر شاب ينظر إلى جريدة بينما تمر إمرأتان بجانبه',
    'الشاب نائم بينما الأم تقود ابنتها إلى الحديقة',
]
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

MetricValue
pearson_cosine0.6699
spearman_cosine0.6757
pearson_manhattan0.6943
spearman_manhattan0.684
pearson_euclidean0.6973
spearman_euclidean0.6873
pearson_dot0.5534
spearman_dot0.5422
pearson_max0.6973
spearman_max0.6873

Semantic Similarity

MetricValue
pearson_cosine0.6628
spearman_cosine0.6703
pearson_manhattan0.6917
spearman_manhattan0.6816
pearson_euclidean0.6949
spearman_euclidean0.6853
pearson_dot0.5229
spearman_dot0.5114
pearson_max0.6949
spearman_max0.6853

Semantic Similarity

MetricValue
pearson_cosine0.6368
spearman_cosine0.6513
pearson_manhattan0.6832
spearman_manhattan0.6746
pearson_euclidean0.6844
spearman_euclidean0.676
pearson_dot0.4266
spearman_dot0.4179
pearson_max0.6844
spearman_max0.676

Semantic Similarity

MetricValue
pearson_cosine0.6148
spearman_cosine0.6355
pearson_manhattan0.6731
spearman_manhattan0.6653
pearson_euclidean0.6764
spearman_euclidean0.6691
pearson_dot0.3513
spearman_dot0.3445
pearson_max0.6764
spearman_max0.6691

Semantic Similarity

MetricValue
pearson_cosine0.5789
spearman_cosine0.6081
pearson_manhattan0.6579
spearman_manhattan0.6519
pearson_euclidean0.663
spearman_euclidean0.6571
pearson_dot0.2403
spearman_dot0.2331
pearson_max0.663
spearman_max0.6571

Training Details

Training Dataset

Omartificial-Intelligence-Space/arabic-n_li-triplet

  • Dataset: Omartificial-Intelligence-Space/arabic-n_li-triplet
  • Size: 557,850 training samples
  • Columns: anchor, positive, and negative
  • Approximate statistics based on the first 1000 samples:
    anchorpositivenegative
    typestringstringstring
    detailsmin: 12 tokensmean: 23.93 tokensmax: 155 tokensmin: 9 tokensmean: 29.62 tokensmax: 117 tokensmin: 13 tokensmean: 33.95 tokensmax: 149 tokens
  • Samples:
    anchorpositivenegative
    شخص على حصان يقفز فوق طائرة معطلةشخص في الهواء الطلق، على حصان.شخص في مطعم، يطلب عجة.
    أطفال يبتسمون و يلوحون للكاميراهناك أطفال حاضرونالاطفال يتجهمون
    صبي يقفز على لوح التزلج في منتصف الجسر الأحمر.الفتى يقوم بخدعة التزلجالصبي يتزلج على الرصيف
  • Loss: MatryoshkaLoss with these parameters:
    {
        "loss": "MultipleNegativesRankingLoss",
        "matryoshka_dims": [
            768,
            512,
            256,
            128,
            64
        ],
        "matryoshka_weights": [
            1,
            1,
            1,
            1,
            1
        ],
        "n_dims_per_step": -1
    }
    

Evaluation Dataset

Omartificial-Intelligence-Space/arabic-n_li-triplet

  • Dataset: Omartificial-Intelligence-Space/arabic-n_li-triplet
  • Size: 6,584 evaluation samples
  • Columns: anchor, positive, and negative
  • Approximate statistics based on the first 1000 samples:
    anchorpositivenegative
    typestringstringstring
    detailsmin: 12 tokensmean: 49.5 tokensmax: 246 tokensmin: 8 tokensmean: 23.66 tokensmax: 103 tokensmin: 9 tokensmean: 25.33 tokensmax: 82 tokens
  • Samples:
    anchorpositivenegative
    امرأتان يتعانقان بينما يحملان حزمةإمرأتان يحملان حزمةالرجال يتشاجرون خارج مطعم
    طفلين صغيرين يرتديان قميصاً أزرق، أحدهما يرتدي الرقم 9 والآخر يرتدي الرقم 2 يقفان على خطوات خشبية في الحمام ويغسلان أيديهما في المغسلة.طفلين يرتديان قميصاً مرقماً يغسلون أيديهمطفلين يرتديان سترة يذهبان إلى المدرسة
    رجل يبيع الدونات لعميل خلال معرض عالمي أقيم في مدينة أنجليسرجل يبيع الدونات لعميلامرأة تشرب قهوتها في مقهى صغير
  • Loss: MatryoshkaLoss with these parameters:
    {
        "loss": "MultipleNegativesRankingLoss",
        "matryoshka_dims": [
            768,
            512,
            256,
            128,
            64
        ],
        "matryoshka_weights": [
            1,
            1,
            1,
            1,
            1
        ],
        "n_dims_per_step": -1
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • per_device_train_batch_size: 64
  • per_device_eval_batch_size: 64
  • warmup_ratio: 0.1
  • fp16: True
  • batch_sampler: no_duplicates

All Hyperparameters

  • overwrite_output_dir: False
  • do_predict: False
  • prediction_loss_only: True
  • per_device_train_batch_size: 64
  • per_device_eval_batch_size: 64
  • per_gpu_train_batch_size: None
  • per_gpu_eval_batch_size: None
  • gradient_accumulation_steps: 1
  • eval_accumulation_steps: None
  • learning_rate: 5e-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: 0.1
  • 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
  • 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: auto
  • 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: False
  • 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, '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: auto
  • 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_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional

Training Logs

EpochStepTraining Losssts-test-128_spearman_cosinests-test-256_spearman_cosinests-test-512_spearman_cosinests-test-64_spearman_cosinests-test-768_spearman_cosine
0.022920021.5318-----
0.045940017.2344-----
0.068860015.393-----
0.091880013.7897-----
0.1147100013.534-----
0.1377120012.2683-----
0.1606140010.9271-----
0.1835160011.071-----
0.2065180010.0153-----
0.229420009.8463-----
0.2524220010.0194-----
0.275324009.8371-----
0.298326009.6315-----
0.321228008.9858-----
0.344230009.1876-----
0.367132008.8028-----
0.390034008.6075-----
0.413036008.4285-----
0.435938008.1258-----
0.458940008.2508-----
0.481842007.8037-----
0.504844007.7133-----
0.527746007.5006-----
0.550648007.7025-----
0.573650007.7593-----
0.596552007.6305-----
0.619554007.7502-----
0.642456007.5624-----
0.665458007.5287-----
0.688360007.4261-----
0.711362007.239-----
0.734264007.1631-----
0.757166007.6865-----
0.780168007.6124-----
0.803070006.9936-----
0.826072006.7331-----
0.848974006.4542-----
0.871976006.1994-----
0.894878005.9798-----
0.917780005.7808-----
0.940782005.6952-----
0.963684005.5082-----
0.986686005.4421-----
1.009588003.0309-----
1.002690001.1835-----
1.025692008.1196-----
1.048594008.0326-----
1.071596008.5028-----
1.094498007.6923-----
1.1174100008.029-----
1.1403102007.5052-----
1.1632104007.1177-----
1.1862106006.9594-----
1.2091108006.6662-----
1.2321110006.6903-----
1.2550112006.9523-----
1.2780114006.676-----
1.3009116006.7141-----
1.3238118006.568-----
1.3468120006.8938-----
1.3697122006.3745-----
1.3927124006.2513-----
1.4156126006.2589-----
1.4386128006.1388-----
1.4615130006.1835-----
1.4845132005.9004-----
1.5074134005.7891-----
1.5303136005.6184-----
1.5533138005.9762-----
1.5762140005.9737-----
1.5992142005.8563-----
1.6221144005.8904-----
1.6451146005.8484-----
1.6680148005.8906-----
1.6909150005.7613-----
1.7139152005.5744-----
1.7368154005.6569-----
1.7598156005.7439-----
1.7827158005.5593-----
1.8057160005.2935-----
1.8286162005.088-----
1.8516164005.0167-----
1.8745166004.84-----
1.8974168004.6731-----
1.9204170004.6404-----
1.9433172004.6413-----
1.9663174004.4495-----
1.9892176004.4262-----
2.0122178002.01-----
2.0053180001.8418-----
2.0282182006.2714-----
2.0512184006.1742-----
2.0741186006.5996-----
2.0971188006.0907-----
2.1200190006.2418-----
2.1429192005.7817-----
2.1659194005.7073-----
2.1888196005.2645-----
2.2118198005.3451-----
2.2347200005.2453-----
2.2577202005.6161-----
2.2806204005.2289-----
2.3035206005.3888-----
2.3265208005.2483-----
2.3494210005.5791-----
2.3724212005.1643-----
2.3953214005.1231-----
2.4183216005.1055-----
2.4412218005.1778-----
2.4642220005.0466-----
2.4871222004.8321-----
2.5100224004.7056-----
2.5330226004.6858-----
2.5559228004.9189-----
2.5789230004.912-----
2.6018232004.8289-----
2.6248234004.8959-----
2.6477236004.9441-----
2.6706238004.9334-----
2.6936240004.8328-----
2.7165242004.601-----
2.7395244004.834-----
2.7624246005.152-----
2.7854248004.9232-----
2.8083250004.6556-----
2.8312252004.6229-----
2.8542254004.5768-----
2.8771256004.3619-----
2.9001258004.3608-----
2.9230260004.2834-----
2.940326151-0.63550.65130.67030.60810.6757

Framework Versions

  • Python: 3.9.18
  • Sentence Transformers: 3.0.1
  • Transformers: 4.40.0
  • PyTorch: 2.2.2+cu121
  • Accelerate: 0.26.1
  • Datasets: 2.19.0
  • Tokenizers: 0.19.1

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",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning}, 
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply}, 
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

Acknowledgments

The author would like to thank Prince Sultan University for their invaluable support in this project. Their contributions and resources have been instrumental in the development and fine-tuning of these models.

## Citation

If you use the Arabic Matryoshka Embeddings Model, please cite it as follows:

@misc{nacar2024enhancingsemanticsimilarityunderstanding,
      title={Enhancing Semantic Similarity Understanding in Arabic NLP with Nested Embedding Learning}, 
      author={Omer Nacar and Anis Koubaa},
      year={2024},
      eprint={2407.21139},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2407.21139}, 
}

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
MPNetModel
Ревизия весов
0b6e2e7

0 моделей