metadata

language: []
library_name: sentence-transformers
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:400000
  - loss:LoggingBAS
base_model: Ammar-alhaj-ali/arabic-MARBERT-sentiment
datasets: []
widget:
  - source_sentence: |-
      السلام عليكم 
      رجاءً تواصلو معي على الخاص ضروري
    sentences:
      - ياليت والله أنا في المدينة لكن سعر الرحلات غالي 🥺
      - متوفر ملزمه عامر قدره معرفيه
      - الف مبرووك
  - source_sentence: >-
      قسم بايات الله اسوء موظفين من يوم يشوف وجهي يقول لي تعال الاسبوع الجاي ولي
      اسبوعين على ذا الحال واليوم اروح يقول لي الموظف مو موجود تعال بكرة

      وانا كل شوي بخرج من الدوام على حساب مزاج الموظف وقت ما يبي يشتغل يخي وش
      الخدمة ذي

      هذا كله كمان علشان اخذ حقي الله يشغلكم في نفسكم بس
    sentences:
      - >-
        امس شاركت بمسابقه وطلعت احتيال واخذوا اخر ١٠٠ بحسابي الله يعوضني العوض
        الجميل المبارك فيه 🧡..
      - >-
        اسوء وازبل بنك بالتاريخ وانا راح اغرد بالموضوع وادفع عليه فلوس نشر واخلي
        العالم كلها تشوف التسيب والمصخره اللي انتم فيها
      - متوفر عندكم معمول خاص بالدايت ( خالي من السكر ) ؟ 🌹
  - source_sentence: >-
      أجر لك وأجر لي ساهم معي في التبرع لـ (عليه امر بالتنفيذ وحكم بالسجن عمره
      33 عاما متزوج لديه طفل متبقى عليه مبلغ 159342ريال) عبر #منصة_إحسان:
    sentences:
      - تكفى ي يزيد انا في وجهك
      - >-
        طلبت بطاقة سفر بلس قبل حوالي شهر والى الان ماوصلت مع العلم أنه عند
        إصدارها كان الوقت المستغرق خمسة ايام من تاريخ الإصدار لمن هم خارج الرياض
      - >-
        أسأل الله العلي العظيم ان يوفق الجميع بكل خير وان يارب
        ❤️❤️🇸🇦🇸🇦🇸🇦💚💚💚💙💙💙
  - source_sentence: الله ياليت
    sentences:
      - |-
        الله يسعد ايامك
        #حاضر_وموجود
      - |-
        حجز عمره 
        حجز الصلاة بالروضة
         ب اسعار مناسبه وسرعه بالانجاز🕔⏳
        لتواصل 
         0531927254
      - >-
        #يوم_السعادة_العالمي 

        #حاضر_وموجود 

        #الماجد_للعود 


        هذا العطر يسعدني برائحته الزكية وتبقى ذكرياته الجميلة وعبقه الرائع في
        المكان.

        إنه عطر (برستيج روبي) 

        (PRESTIGE RUBY )

        العطر الأجمل والأفضل

        بين كل العطور .
  - source_sentence: دائماً موفقين 👍
    sentences:
      - العذر اقبح من ذنب مصرف فاشل
      - >-
        مصرف الانماء 

        ممكن اعرف ايش يعني هذا في كشف الحساب ومين الدائن ومين المدين ؟من امي
        اسال محد رد ؟!
      - |-
        متجر سبونج يوفر لكم اشتراك رسمي وباسعار مناسبه للجميع ❤️👌🏻 
        وموثقين في معروف وتقدر تشوف تقييماتنا بالموقع الخاص فينا 🫡
pipeline_tag: sentence-similarity

SentenceTransformer based on Ammar-alhaj-ali/arabic-MARBERT-sentiment

This is a sentence-transformers model finetuned from Ammar-alhaj-ali/arabic-MARBERT-sentiment. 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: Ammar-alhaj-ali/arabic-MARBERT-sentiment
Maximum Sequence Length: 35 tokens
Output Dimensionality: 768 tokens
Similarity Function: Cosine Similarity

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': 35, '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("sentence_transformers_model_id")
# Run inference
sentences = [
    'دائماً موفقين 👍',
    'متجر سبونج يوفر لكم اشتراك رسمي وباسعار مناسبه للجميع ❤️👌🏻 \nوموثقين في معروف وتقدر تشوف تقييماتنا بالموقع الخاص فينا \U0001fae1',
    'العذر اقبح من ذنب مصرف فاشل',
]
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]

Training Details

Training Dataset

Unnamed Dataset

Size: 400,000 training samples
Columns: sentence_0, sentence_1, and label
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1 label
type string string float
details
min: 3 tokens
mean: 21.12 tokens
max: 35 tokens

min: 3 tokens
mean: 19.25 tokens
max: 35 tokens

min: -1.0
mean: -0.3
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 3 tokens mean: 21.12 tokens max: 35 tokens	min: 3 tokens mean: 19.25 tokens max: 35 tokens	min: -1.0 mean: -0.3 max: 1.0

Samples:

sentence_0	sentence_1	label
`سددت مخالفات لسياره الوالد بمبلغ ١٥٠٠ ريال وبقيت معلقه وحاولت اسوي استرداد ولم يتم إرجاع المبلغ واضطريت اسوي سداد للمخالفات مره وراجعت احد فروع بنك الراجحي لارجاع المبلغ يدوياً ولم يتم إرجاع المبلغ وش الحل`	`ي اخي اسوء بنك كيف م اقدر اطلع مبلغ مسحوب في سنه ٢٠٢٢ ولازم اراجع البنك ع سبب تافه من المفترض اقدر اسويه وانا ف البيت انتم في اي عصر`	`1.0`
`ياليت بس اتمنى اشتري مقاضي العيد ولكن حالتي لايسمح 😔💔💸 . . ولكن من أفضل الحسابات حاليا بوجهة نظري انتم ❤️✋️`	`انا شاري وحدة سكنية عام 1441 من البنك الاهلي والان يوجد اضرار وقدمت ع البنك وحولت معاملتي على التامين المتعاقد مع البنك ورفض معاملتي بحجة ان الشركة المتعاقدة الاولى مع البنك تقلت وهذي الشركة جديده والا تتدخل في الشركة الاولى افادوا ان اللي يعوض البنك . حسبي الله عليكم`	`-1.0`
`عندي مشكله بطاقتي انتهت وجاني وحده جديده مو قادره اضيفها ف الجوال لا يدوي ولا بالمسح ولا حتى بالموقع حقكم ايش الحل`	`السلام عليكم عندما احاول تسديد اي فاتورة لوزارة العدل والتنفيذ القضائي (للمعسرين) يظهر لي المبلغ المستحق صفر في حين اذا فتحت الفاتورة من بنك آخر يظهر المبلغ مازال موجود المشكلة في بنك الإنماء فقط عندي وعند كذا شخص من معارفي أرجو حلها في أسرع وقت`	`1.0`

Loss: main.LoggingBAS with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim"
}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 256
per_device_eval_batch_size: 256
num_train_epochs: 2
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: no
prediction_loss_only: True
per_device_train_batch_size: 256
per_device_eval_batch_size: 256
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
num_train_epochs: 2
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.0
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: False
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, '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: 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_eval_metrics: False
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin

Training Logs

Epoch	Step	Training Loss
0.3199	500	5.7094
0.6398	1000	5.4777
0.9597	1500	5.438
1.2796	2000	5.4277
1.5995	2500	5.4283
1.9194	3000	5.4247

Framework Versions

Python: 3.10.13
Sentence Transformers: 3.0.1
Transformers: 4.41.2
PyTorch: 2.1.2
Accelerate: 0.32.1
Datasets: 2.19.2
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",
}

LoggingBAS

@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}
}