File size: 77,380 Bytes
b92e808 89d2a0b b92e808 89d2a0b b92e808 89d2a0b b92e808 89d2a0b b92e808 89d2a0b b92e808 89d2a0b b92e808 89d2a0b b92e808 89d2a0b b92e808 89d2a0b b92e808 89d2a0b b92e808 89d2a0b b92e808 89d2a0b b92e808 89d2a0b b92e808 89d2a0b b92e808 b3f15e2 b92e808 |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 |
---
language:
- am
license: apache-2.0
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:28046
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
base_model: yosefw/roberta-medium-am-embed
widget:
- source_sentence: በከፍተኛ ትምህርትና ስልጠና ተቋማት ከኮሮና ቫይረስ ጋር የተገናኙ ጉዳዮችን የሚከታተል ግብረ ሃይል ተቋቋመ
sentences:
- >-
በመተማ ዮሐንስ ቤት ውስጥ ተደብቀው ተኩስ በከፈቱ አካላት በሰዎች ላይ የሞትና የአካል መቁሰል አደጋ መድረሱን የምዕራብ
ጎንደር ዞን ፖሊስ መምሪያ አስታወቀ።የመምሪያው ኃላፊ ኮማንደር ጌትነት አልታሰብ እንደገለፁት ግለሰቦቹ በከፈቱት ተኩስ
የ3 ሰዎች ህይወት ሲያልፍ በ20 ሰዎች ላይ ቀላልና ከባድ የአካል ጉዳት ደርሷል።ከተጎጂዎች መካከልም አንድ የፀጥታ
አካልን ጨምሮ ሴቶችና ወጣቶች ይገኙበታል ብለዋል።የቅማንት ማህበረሰብ ተቆርቋሪ ነን በሚሉ አካላት ጉዳቱ ሊደርስ መቻሉንም
ኃላፊው ገልፀዋል።ጉዳቱን ካደረሱት አካላት መካከልም አራቱ እጃቸውን የሠጡ ሲሆን ቀሪዎቹም በሰላማዊ መንገድ ለፀጥታ
ኃይሎች እጃቸውን እንዲሠጡ እየተጠየቁ ስለመሆኑ ኃላፊው ተናግረዋል፡፡ጉዳት ካደረሱት ግለሰቦችም 9 የክላሽንኮቭ፣ አንድ
ኤፍ ኤን መሳሪያ፣አንድ ሽጉጥ፣ አንድ ቦንብና በርካታ ጥይቶች በቁጥጥር ስራ መዋላቸውን ኮማንደር ጌትነት
አስታውቀዋል።ጉዳት የደረሰባቸው ሰዎች በመተማ ዮሐንስ ጤና ጣቢያ፣ በገንዳ ውሃ ሆስፒታልና በጎንደር ሪፈራል ሆስፒታል
ህክምና እየተደረጋላቸ ነው ብለዋል።ለዘመናት ተሳስሮ በኖረው የአማራና የቅማንት ማህበረሰብ መካከል ግጭት ለመፍጠር
የሚንቀሳቀሱ አካላት ከድርጊታቸው እንዲቆጠቡ ያሳሰቡት ኮማንደሩ፤ ችግሩ እስኪበርድ የአካባቢው የሃይማኖት አባቶችና የሃገር
ሽማግሌዎች ህብረተሰቡን በማስተማር የድርሻቸውን ሊወጡ ይገባል ብለዋል።ወጣቱ የአካባቢውን ሰላም በመጠበቅና ከፀጥታ ሃይሉ
ጎን በመሰለፍ ጥፋተኞችን በመለየት ለህግ እንዲያቀርብ ጥሪ አቅርበዋል።የተፈጠረውን ግጭት ላማረጋጋት የመከላከያ ሰራዊት፣
የክልሉ ልዩ ኃይል፣ የፖሊስ አባላትና የአካባቢ ሚሊሻዎች በጋራ በመሆን ወደ እየሰሩ ናቸው ሲሉ ኮማንደሩ
ጠቅሰዋል፡፡(ኢዜአ)
- >-
አዲስ አበባ፣ መጋቢት 9፣ 2012(ኤፍ.ቢ.ሲ) በሁሉም ከፍተኛ ትምህርትና ስልጠና ተቋማት ከኮሮና ቫይረስ ጋር የተገናኙ
ጉዳዮችን የሚከታተል ግብረ ሃይል በሳይንስና ከፍተኛ ትምህርት ሚኒስቴር ተቋቁሞ እየሰራ እንደሚገኝ ተገለጸ።ግብረ ሃይሉ
ከመጋቢት 7 ቀን 2012 ዓ.ም ጀምሮ የከፍተኛ ትምህርትና ስልጠና ተቋማት ተማሪዎች የክፍል ውስጥ ትምህርት አቁመው አጋዥ
መፅሐፍት (ሃንድ አውት)፣ ማጣቃሻ መፅሐፍት፣ በበይነ መረብ በመታገዝ እና ሶፍት ኮፒ ለቀጣዮቹ 2 ሳምንታት በግላቸው
እንዲያነቡ አቅርቧል።በዩኒቨርሲቲዎች ተማሪዎች እጃቸውን አዘውትረው እንዲያፀዱም የውሃ አቅርቦትን የማሻሻል፣ የመታጠቢያ
ሳሙናዎችንና አስፈላጊ ግብዓቶችን የማሟላትና የማቅረብ ስራዎች እየተከናወኑ መሆኑንም ሚኒስቴሩ ገልጿል።ከዚህ ባለፈም
ስለቫይረሱ ለተማሪዎች እና ለከፍተኛ ትምህርት ተቋማት ማህበረሰቡ ግንዛቤ ለመፍጠር ዩኒቨርሲቲዎች የተለያዩ መንገዶችን
እየተከተሉ መሆኑ ተጠቁሟል።በሁለት ሳምንታ እድሜያቸው ከ60 ዓመት በላይ የሆኑና የልብ ወይም የካንሰር እንዲሁም የስኳርና
ሌሎች ተዛማጅ ህመሞች ያሉባቸው፣ የአስምና የመተንፈሻ አካላት ችግር ያሉባቸው ሠራተኞች ከሌሎች የበለጠ ጥንቃቄ ማድረግ
እንደሚገባቸው መመከሩን ከሳይንስና ከፍተኛ ትምህርት ሚኒስቴር ያገኘነው መረጃ ያመለክታል።
- >-
አዲስ አበባ፤ ነሐሴ 3/2005 (ዋኢማ) – በትግራይ ክልል በሚገኙ ሦስት ታሪካዊና ጥንታዊ ቦታዎች ላይ የቅርሶች ጥበቃ፣
የመካነ ቅርስ ቁፋሮና የምርምር ስራዎች እያካሄደ መሆኑን የመቀሌ ዩኒቨርስቲ አስታወቀ፡፡የዩኒቨርስቲው ፕሬዚዳንት ዶክተር
ክንደያ ገብረ ህይወት እንደገለጹት ዩኒቨርስቲው ምርምሩን በማካሄድ ላይ ያለው ከዚህ በፊት በሌሎች አካላት የቅርስ ጥበቃ፣
የመካነ ቅርስ ቁፋሮና የምርምር ስራዎች ባልተካሄዱባቸው አካባቢዎች ነው፡በዚህም ዩኒቨርስቲው በሓውዜን ወረዳ ዓንዛ ማሪያም
ጥንታዊ ቤተክርስትያን ያሉ ጥንታዊ መካነ ቅርሶች ላይ ተገቢውን ጥበቃ በማድረግ አከባቢውን አስመልክቶ የሚነገሩ አፈ
ታሪኮችን ትክክለኛነት ለማረጋገጥ በቁፋሮ ጥልቅ የምርምር ስራ እያካሄደ ነው።እንዲሁም በእንደርታ ወረዳ ልዩ ስሙ ”ዓዲ
መዓር(ድርባ)”በተባለ ቦታ ላይ በአውነ አሳይ ጥንታዊ ቤትክርስትያን ላይ በተለያዩ ምክንያቶች የደረሰበትን የመፍረስ አደጋ
መልሶ በመገንባት በውስጡ የሚገኙ የተንቀሳቃሽ ቅርሶች ጥበቃ እያካሄደ ሲሆን፣ በአፈ ታሪክ የሚነገሩ ድንቅ ታሪኮቹም
በሳይንሳዊ መንገድ ተጠንተው ለቱሪዝም ልማት ጥቅም ላይ እንዲውሉ እየሰራ መሆኑን ዶክተር ክንደያ ተናግረዋል።በተጨማሪ
ዩኒቨርስቲው የጣሊያን ወራሪ ሃይል የኢትዮጵያ አባት አርበኞች ትግል ለመመከት በመቀሌ ከተማ በእንዳ እየሱስ ተራራ ላይ
”ፎርቶ” በሚል ስም የሚታወቀው ስፍራ ላይ ታሪካዊነቱ በሚያጎላ መልኩ እድሳት ተደርጎለት ለመዝናኛ አገልግሎት እንዲውል
የተለያዩ ግንባታዎች እያካሄደ መሆኑን ፕሬዚዳንቱ ገልጸዋል።ዩኒቨርስቲው በትግራይ ክልል የሚገኙ ታሪካዊና ጥንታዊ ቅርሶች
ተገቢው ጥበቃ እንዲደረግላቸውና በመካነ ቅርስ ቁፋሮ የምርምር ስራ የበኩሉን ድርሻ እንዲወጣ በዩኒቨርስቲው የባህልና ቅርስ
ጥበቃ የትምህርት ክፍል ከፍቶ በመጀመሪያ ዲግሪ እያሰለጠ ይገኛል።ዩኒቨርስቲው በኢትዮጵያ ውሰጥ ያሉ የተለያዩ ብሄር
ብሄረሰቦች ባህሎችና ጥንታዊ ቅርሶች እንዲጠበቁ በማድረግ ለቱሪዝም ልማት እንዲውሉ ለማድረግ ባለፈው ሳምንት ዓለም አቀፍ
አውደ ጥናት በማዘጋጀት የተለያዩ ጠቃሚ ልምዶች ማግኘቱን ዶክተር ክንደያ ገብረ ህይወት ገልጸዋል ሲል ኢዜአ ዘግቧል።
- source_sentence: የደቡብ ክልል ም/ርዕሰ መስተዳድር አቶ ርስቱ ይርዳው በደቡብ ኦሞ ዞን ኛንጋቶም ወረዳ የተከናወኑ የልማት ስራዎችን ጎበኙ
sentences:
- >-
አዲስ አበባ፦ የኢትዮጵያ እግር ኳስ ፌዴሬሽን 12ኛ መደበኛ ጠቅላላ ጉባዔውን ትናንት አካሂዷል፡፡ ያለፈው ዓመት ባጋጠሙ
በርካታ ውጣ ውረዶች ስፖርቱ አሉታዊ ተጽእኖ ቢደርስበትም የተሻለ አፈጻጸም የተመዘገበበት መሆኑ ተመላክቷል፡፡ በተለይም
በአዲስ አበባ ከተማ የሚገኘውን የካፍ አካዳሚን በማስጠገን ለአገልግሎት መብቃቱ፤ ፌዴሬሽኑ ለብሔራዊ ቡድን ዝግጅት
የሚያወጣውን ከፍተኛ ወጪ ታድጓል። የአህጉርና ዓለም አቀፍ ግንኙነትን በማጠናከር ረገድም ጠንካራ ሥራ በመከናወኑ ኢትዮጵያ
በሴካፋ የመሪነት ቦታ ማግኘቷም በጉባኤው ላይ መነሳቱን የኢፌዴሪ ስፖርት ኮሚሽን በድረ-ገጹ አስነብቧል፡፡ በጉባኤው
በቀረበው የ2012 በጀት ዓመት የአፈጻጸም ሪፖርት ላይም ፌዴሬሽኑ የገንዘብ አቅሙን ማሳደጉ ተገልጧል፡፡ ለዓመታት
የክለቦች ጥያቄ የነበረውን የሊግ ካምፓኒ ምስረታ እውን ማድረጉንም እንደ ስኬት ተነስቷል፡፡ በቀረበው ሪፖርት እና
የ2013 በጀት ዓመት ዕቅድ ላይም በጉባኤው አባላት ውይይት ተደርጓል፡፡ በመጨረሻም የሲዳማ ክልል የጉባኤው አባልነት
ጥያቄን ተቀብሎ በማፅደቅ እና በአጭር ጊዜ ውስጥ በተሻሻለው መተዳደሪያ ደንብ ላይ ለመወያየት እና ለማጽደቅ በሀዋሳ ከተማ
አስቸኳይ ጉባኤ እንደሚካሄድ በመወሰን ጉባኤው መጠናቀቁን በዘገባው ተመላክቷል።አዲስ ዘመን ህዳር 28/2013
- >-
አዲስ አበባ፣ መስከረም 9፣ 2013 (ኤፍ.ቢ.ሲ) የደቡብ ክልል ምክትል ርዕሰ መስተዳድር አቶ ርስቱ ይርዳው በደቡብ ኦሞ
ዞን ኛንጋቶም ወረዳ የተከናወኑ የልማት ስራዎችን ጎብኝተዋል።ወደ ደቡብ ኦሞ ዞን ያቀናው በምክትል ርዕሰ መስተዳድር አቶ
እርስቱ ይርዳው የተመራውና የክልሉ ከፍተኛ የስራ ሀላፊዎች ያካተተው ቡድን የኦሞ ወንዝን በመስኖ በመጠቀም እየለማ ያለ
የሙዝ እርሻን መጎብኘታቸውን የክልሉ የመነግስት ኮሙዩኒኬሽን ጉዳዮች ቢሮ መረጃ ያመለክታል።በኛንጋቶም ወረዳ በናፕሱመሪያ
ቀበሌ በማህበር ተደራጅተው ሙዝ እያለሙ ያሉ ሴቶችን የስራ እንቅስቃሴ የጎበኙ ሲሆን፥ በዚሁ ወቅት “የሙዝ እርሻ እያለሙ
ያሉ አርብቶ አደር እንደመሆናችን ከዚህ ቀደም በእርሻ ስራ ላይ ተሳትፎ እያደረግን አልነበረም እናም አሁን መንግስት
ባደረገልን ድጋፍ ሙዝ እያለማን ነው” ብለዋል።አስተያየት ሰጪዎቹ ገለጻ እያለሙት ያለውን የሙዝ እርሻ ስኬታማ ለማድረግ
የውሀ መሳቢያ ፓምፕ ችግር እያጋጠማቸው መሆኑን ጠቁመዋል።“በመንደር እንድንሰባሰብ ከተደረገ በኅላ የንጹህ መጠጥ ውሃ
መጠለያና ተዛማጅ ተግባራት ሊሟላልን ይገባል” ሲሉም ጠይቀዋል።ምክትል ርዕሰ መስተዳድር አቶ ርስቱ ይርዳው፥ ከአርብቶ
አደሩ ማህበረሰብ ለተነሳላቸው ጥያቄ በሰጡት ምላሽ በመስኖ ዙሪያ ያጋጠማቸውን ችግር የክልሉ መንግስት እንደሚገነዘበው
ጠቅሰዋል።በቀጣይ የህብረተሰቡን ህይወት ለመቀየር መንግስት የመስኖ ልማት ስራን እንደሚደግፍ በመግለፅ፤ የፓምፕ ችግሮችን
ለመፍታት ጥረት እንደሚደረግም አስታውቀዋል።አሁን በስፋት እየለማ ያለውን ሙዝ ወደ የገበያ ለማቅረብ የገበያ ትስስር
ለመፍጠርም ድጋፍ እንደሚደረግም ምክትል ርእሰ መስተዳድሩ አስታውቅዋል።የተጀመረው የልማት ስራ ተጠናክሮ እንዲቀጥል
ያስታወቁት አቶ ርስቱ፥ ቀበሌን ከወረዳ የሚያገናኙ መንገዶችን ለመገንባት ጥረት እንደሚደረግም ተናግረዋል።
- ' የኢትዮጵያ ሰብአዊ መብቶች ጉባኤ፤ የአርቲስት ሃጫሉ ሁንዴሳ ግድያን ተከትሎ በተፈጠረው ሁከትና ግርግር በኦሮሚያ የደረሰውን የሰብአዊ ጉዳት የሚመረምር ቡድን ከሣምንቱ አጋማሽ ጀምሮ ማሠማራቱን ለአዲስ አድማስ አስታውቋል:: ተቋሙ ሁከትና ግርግር በተፈጠረባቸውና ጉዳት በደረሰባቸው ሁሉም የኦሮሚያ አካባቢዎች የምርመራ ቡድን ማሰማራቱን አመልክቷል፡፡ በምርመራው የሚገኙ ውጤቶችን ከዓለማቀፍ የሰብአዊ መብት ድንጋጌዎች አንፃር በመመዘን የተፈፀመው ድርጊት ምንድን ነው? ምን ያህል ጉዳት አጋጥሟል? መንግስት የወሰደው እርምጃስ ምንድን ነው? እነማን በድርጊቱ ተሳትፈዋል? የሚለውን የመለየት ተግባር እንደሚከናወን ታውቋል፡፡ '
- source_sentence: የኢትዮጵያ ልማት ባንክ አራት አዳዲስ ምክትል ፕሬዚዳንቶችን ሾመ
sentences:
- >-
በጃፓን ላለፉት 30 ዓመታት ንጉስ ሆነው ያገለገሉት የ85 ዓመት ንጉስ አክሂቶ በገዛ ፈቃዳቸው ስልጣናቸውን ለመልቀቅ
ተስማምተዋል፡፡ንጉሱ ከ200 ዓመታት ወዲህ በፍላጎት ስልጣን ለመልቀት የተስማሙት የመጀመሪያ ንጉስ ናቸው ተብሏል፡፡ንጉሱ
ስልጣናቸውን ለመልቀቅ የተስማሙት እድሜቸው እየገፋ በመሄዱና የጤናቸው ሁኔታ ስራቸውን መስራት አስቸጋሪ በማድረጉ ነው
የተባለው፡፡የንጉሱ ስልጣን የመልቀቅ ጥያቄ በአገሪቱ ህጋዊ ፍቃድ አግኝቶ በዛሬው እለት የስልጣን ርክክብ ሂደት
ተጀምሯል፡፡ንጉስ በአገሪቱ ምንም የፖለቲካ ስልጣን ሚና ባይኖረውም ለጃፓን እንደ ብሄራዊ አርማ ተደርጎ ይወሰዳል ነው
የተባለው፡፡ንጉስ አክሂቶ በልጃቸው ናሩሂቶ የሚተኩ ሲሆን፣ ናሩሂቶ ከነገ ጀምረው የጃፓን ንጉስ ይሆናሉ ነው
የተባለው፡፡(ምንጭ፡- ቢቢሲ)
- >-
የኢትዮጵያ ልማት ባንክ አራት አዳዲስ ምክትል ፕሬዚዳንቶችን መሾሙን አስታወቀ ።የባንኩ የኮርፖሬት
ማስተዋወቅናግንኙነት ተጠባባቂ ዳይሬክተር አቶ ኃይሉ ምስጋናው እንደገለጹት የሊዝ ፋይናንስ እና ቅርንጫፎች ሥራ ምክትል
ፕሬዚዳንት ከሆኑት አቶ ተሾመ ዓለማየሁ በስተቀር ሌሎቹ አራት የባንኩ ምክትል ፕሬዚዳንቶችን ከኃላፊነታቸው በማንሳት
በአዳዲስ እንዲተኩ ተደርጓል ።ባንኩ አዲስ የሾማቸው አቶ ጌታቸው ዋቄ በፕሮጀክት ፋይናንስ ምክትል ፕሬዚዳንት፣ አቶ
ኃይለእየሱስ በቀለ በብድር አገልግሎት ምክትል ፕሬዚዳንት ፣ አቶ ሃዱሽ ገብረእግዚአብሄር የኮርፖሬት አገልግሎት ምክትል
ፕሬዚዳንት እና አቶ እንዳልካቸው ምህረቱ የፋይናንስና ባንኪንግ ምክትል ፕሬዚዳንት በመሆን ነው ።የኢትዮጵያ ልማት ባንክ
በለውጥ ሂደት ውስጥ በመሆኑና ለዚህ አዲስ አደረጃጀት እየሰራ መሆኑም ለምክትል ፕሬዚዳንቶቹ መነሳት ምክንያት ነው
ተብሏል።ባንኩ የዘረጋውን አዲስ መዋቅር መሠረት በማድረግ በቅርቡ ፕሬዚዳንት መሾሙ ይታወሳል።ባንኩ አደረጃጀቱን በአዲስ
የሰው ኃይል ለማሟላት እየሰራ እንደሆነም ነው የተነገረው።ለተሰናባቾቹ ምክትል ፕሬዚዳንቶች የደረሰው ደብዳቤም
ለአገልግሎታቸው ምስጋናን ያካተተ መሆኑ ተመልክቷል።
- >-
ባለፈው ቅዳሜ በሰሜን ምሥርቅ ናይጀርያ በታጠቁ ሽፍቶችና በመንደር ነዋሪዎች መካከል በተካሄደ ግጭት 45 ሰዎች
ተገድለዋል።
ሽፍቶቹ ካዱና በተባለው ሰሜናዊ ክፍለ፡ሀገር በሚገኘው ግዋስካ ድንበር ላይ ጥቃት ከፈቱ። የአካባቢ ጥበቃ ኃይል አባል
የሆነ ሰው በተናገረው መሰረት ሽፍቶቹ የጥበቃ ኃይሉን በማጥቃት በልጆች ላይ ተኩስ ከፍቷል። መኖርያ ቤቶችንም በእሳት
አጋይተዋል።ማንነቱ ያልተገለፀው የጥበቃ ኃይል አባል አጥቂዎቹ በአቅራቢያው ከሚገኘው ዛምፋራ ክፍለ፡ሀገር የመጡ ናቸው
ብሏል።
- source_sentence: በሲዳማ የህዝብ ውሳኔ ጥቅም ላይ በሚውሉ ምልክቶች ዙሪያ ውይይት እየተደረገ ነው
sentences:
- >-
– በአገሪቱ በኢንዱስትሪው ዘርፍ ፈጣን የሆነ ዕድገት ለማስመዝገብ በየደረጃው የሚገኙ አስፈጻሚው አካላት የበኩላቸውን ሚና
እንዲጫወቱ የኢንዱስትሪ ሚኒስቴር ጥሪ አቀረበ።ጥሪው የቀረበው ሚኒስቴሩ በሥሩ ከሚገኙት ተጠሪ ተቋማት ለተውጣጡ 150
አመራሮች በአገሪቱ ኢንዱስትሪ ልማት ስትራቴጂ ላይ ለሶስት ተከታታይ ቀናት በሰጠው ሥልጠና ማጠናቀቂያ ላይ
ነው።የኢንዱስትሪ ሚኒስትር ክቡር አቶ አህመድ አብተው በወቅቱ እንደገለጹት የኢንዱስትሪ ልማቱን ዕድገት ለማፋጠን
የአስፈጻሚ አካላት ሚና ወሳኝ ነው።የአስፈጻሚ አካላት ሚናቸውን እንዲወጡም በኢንዱስትሪ ልማት እስትራቴጂው ላይ ያላቸው
ግንዛቤና የማስፈጸም ብቃት ወሳኝ እንደሆነም ሚኒስትሩ ተናግረዋል።ለሦስት ተከታታይ ቀናት የተሠጠው ሥልጠና አመራሩ
በተግባር ወቅት የሚያጋጥሙትን ችግሮች እንዲፈታና በዘርፉ ያለውን ዕድገት ለማሻሻል እንደሚያግዝ ሚኒስትሩ መናገራቸውን
ዋልታ ዘግቧል።
- >-
ያለፉትን ሁለት ዓመታት የኢትዮጵያ ብሔራዊ ቡድንን በማሰልጠን የቆዩት ኢንስትራክተር አብርሀም መብራቱ ከሁለት ቀናት በኃላ
ሐምሌ ሠላሳ ኮንትራታቸው የሚያበቃ ይሆናል። ፌዴሬሽኑ በበኩሉ የአሰልጣኙን ውል በተለያዩ ምክንያቶች እንደማያድስ በይፋ
መግለፁ ይታወቃል። በዚህ መነሻነት አሰልጣኙ ከተለያዩ ክለቦች ጋር ስማቸው እየተያያዘ ይገኛል። ስለሚነሳው ጉዳይ እና
በቀጣይ የብሔራዊ ቡድን ኮንትራታቸው ካበቃ በኋላ እቅዳቸው ምን ይሆን በማለት ላቀረብንላቸው ጥያቄ ተከታዩን ምላሽ
ሰጥተውናል።“እስካሁን ከማንም ጋር በዚህ ጉዳይ አልተነጋገርኩም። እስከ ሐምሌ ሠላሳ የፌዴሬሽኑ ሠራተኛ ነኝ፤ በዚህ መሐል
ከማንም ጋር መነጋገር አልችልም። ከዚህ ክለብ ጋር ተስማምቷል የሚሉ ነገሮችን በተለያዩ መገናኛ ብዙሀን እሰማለው። እኔ
ግን በግልፅ ከአንዳቸው ጋር አልተነጋገርኩም። ከካፍ እና ከፊፋ ጋር የምሰራቸው ሥራዎች (የቪዲዮ ኮንፍረሶች) አሉ።
እነርሱ ሥራ ላይ ትኩረት እያደረኩ ነው ያለሁት። በቀጣይ ከፈጣሪ ጋር ማረፊያዬን አሳውቃለው። እዚሁ በሀገሬ እየሰራው
የምቆይ ይመስለኛል። ለማንኛውም ከሐምሌ ሠላሳ በኃላ የሚሆነውን አብረን እናያለን።” ብለዋል።
- >-
የሲዳማ ዞን ክልል ሆኖ ለመደራጀት በሚካሄደው የህዝብ ውሳኔ ጥቅም ላይ በሚውሉ ምልክቶች ውይይት እየተደረገ መሆኑን
የኢትዮጵያ ብሔራዊ ምርጫ ቦርድ አስታውቋል፡፡በምልክቶቹ የመጀመሪያው ረቂቅ ላይ ለመወሰን የደቡብ ክልል ምክር ቤት ውይይት
እየተደረገ መሆኑን በኢትዮጵያ ብሔራዊ ምርጫ ቦርድ ኮምዩኒኬሽንስ አማካሪ ወ/ት ሶሊያና ሽመልስ ተናግረዋል፡፡በህዝበ
ውሳኔው የሚቀርቡ ምልክቶቹ ምን አይነት ይሁኑ በሚለው እና ምልክቶቹ በተቀመጠው መስፈርት መሰረት ገለልተኛ፣ የማህበረሰቡን
ምስል የሚያሳዩ እንዲሁም ጥያቄዎቹ ግልጽ እንዲሆኑ እየተሰራ ነው ተብሏል፡፡በውይይቱ ላይ ስምምነት የተደረሰባቸው ምልክቶች
ለህዝብ ይፋ እንደሚደረጉ ተጠቁሟል፡፡የህዝበ ውሳኔው አፈጻጸሞች በክልሉ ጥያቄ ለተወሰኑ ቀናቶች ከተራዘሙት ውጪ አብዛኞቹ
በተያዘላቸው መርሀ ግብር እየተከናወኑ እንደሆነም ተነግሯል፡፡የህግ አስፈጻሚ እና የጸጥታ አካላት እንዲሁም የቦርዱ የስራ
አመራር አባላት የህዝበ ውሳኔውን አፈጻጸም ሰላማዊነት ለማረጋገጥ ውይይት ማካሄዳቸው ታውቋል፡፡የድምፅ ሰጪዎች ምዝገባ፣
እንዲሁም የድምፅ መስጫ እና ድህረ ምርጫ ሂደቱን ሰላማዊነት ለማረጋገጥ እንዲሁም የምርጫ አስፈጻሚዎችን ደህንነት
ለማስጠበቅ የህግ አስፈጻሚ አካላት ትብብር እንደሚያስፈልግ ቦርዱ ለተሳታፊዎቹ ማስገንዘቡ ተገልጿል፡፡ለህዝበ ውሳኔ ምርጫ
አስፈፃሚዎች ስልጠና በአዲስ አበባ ከተማ ከመስከረም 24 እስከ 30 ከተሰጠ በኋላ እንደሚሰማሩም የኢቢሲ ዘገባ
አመልክቷል፡፡በቀጣይ የሚካሄዱ ተግባራትም በመርሃ ግብሩ መሰረት ለማከናወን ዝግጅቶች እየተካሄዱ እንዳለ ለማወቅ
ተችሏል፡፡በተያያዘ ዜና የኢትዮጵያ ብሔራዊ ምርጫ ቦርድ በመጪው ህዳር 3 ቀን 2012 ዓ.ም የሲዳማ ዞን የክልልነት
ጥያቄን ህዝበ ውሳኔ አማራጭ ሃሳቦችና የሚወከሉበት ምልክቶችን ይፋ አድርጓልበዚህም መሰረት “ሲዳማ በደቡብ ብሔር
ብሔረሰቦችና ህዝቦች ክልል ውስጥ እንዲቆይ እፈልጋለሁ” ለሚለው አማራጭ የጎጆ ቤት ምልክት፣ “ሲዳማ ራሱን ችሎ
በክልልነት እንዲደራጅ እፈልጋለሁ” ለሚለው አማራጭ የሻፌታ ምልክት ሆኖ ለህዝበ ውሳኔው ድምጽ መስጫነት እንዲያገለግል
ተወስኗል ።
- source_sentence: ሁለት የብአዴን አመራሮች ላይ ያነጣጠረ ጥቃት በደብረ ማርቆስ መፈጸሙ ተሰማ
sentences:
- >-
አንድነት ለዲሞክራሲና ለፍትህ ፓርቲ በሚቀጥሉት የምርጫ ወራት በሚልዮኖች ድምጽ ለነጻና ፍትሀዊ ምርጫ የኢትዮጵያ ህዝብ
የስልጣን ባለቤት እንዲሆን እናደርጋለን ሲል ዛሬ ረፋዱ ላይ በጽህፈት ቤቱ በሰጠው መግለጫ ላይ ባሰራጨው ጽሁፍ ግልጽ
አድርጓል።ከዚህ ቀደም ፓርቲው ያካሄዳቸውን የሚልዮኖች ድምጽ ለነጻነትና የሚልዮኖች ድምጽ ለመሬት ባለቤትነት ንቅናቄዎች
አስታውሶ በተለይ በመጀመርያው እንቅስቃሴ የፈለገውን ውጤት እንዳገኘ የፓርቲው የውጭ ግንኙነት ሃላፊ አቶ ዳንኤል ተፈራ
አብራርተዋል።ሶስተኛውና የመጨረሻው የአንድነቶች የሚልዮኖች ድምጽ እንቅስቃሴ ይኸው የሚልዮኖች ድምጽ ለነጻነትና ለፍትሀዊ
ምርጫ የሚል መሆኑንም የጽሁፉ መግለጫ ይጠቁማል። አንድነት በሰላማዊ መንገድ የስልጣን ሽግግር ለማምጣት ላቀደው ዋነኛ
የትግል ምዕራፍ በሀገራችን እውነተኛ ለውጥ እንዲመጣ የሚፈልጉ ዜጎች ሁሉ ፓርቲውን በአበላነትና በደጋፊነት በመቀላቀል
የለውጡ አካል እንዲሆኑ የሚያደርግ ተደራጅ 2007 ለለውጥ የሚል ሰፊ የማደረጀትና የቅስቀሳ ዘመቻ ለማካሄድ ዝግጅቱን
እንዳጠናቀቀ ገልጿል። ሙሉውን ዘገባ ያድምጡ።
- >
የእንግሊዙ ጠቅላይ ሚኒስትር ቦሪስ ጆንሰን የጣሉትን ጥብቅ የእንቅስቃሴ እና የጉዞ እገዳ በመተላለፍ ወደ ቤተሰባቸው
አቅንተዋል የተባሉ አማካሪያቸውን ከኃላፊነት እንዲያነሱ የቀረበላቸውን ጥሪ ውድቅ አድርገዋል፡፡
የ2016ቱን የእንግሊዝን ከአውሮፓ ህብረት የመነጠል ሂደት (ብሬግዚት) በበላይነት የመሩት ዶሚኒኪ ከሚንግስ 400 ኪሎ
ሜትሮችን አቆራርጠው በሰሜናዊ እንግሊዝ ዱርሃም ወደሚገኙ ቤተሰቦቻቸው ያቀኑት ጆንሰን እገዳውን ባስተላለፉበት ባሳለፍነው
ወርሃ መጋቢት ነበር፡፡
በወቅቱ የከሚንግስ ባለቤት የኮሮና ህመም ምልክቶችን ያሳዩ ነበር የተባለ ሲሆን የአንድ ልጃቸውን ሁኔታ ለመመልከት ወደ
ቤተሰባቸው ማቅናታቸውም ይነገራል፡፡
ሆኖም የልጃቸውን ሁኔታ ቤተሰባቸው ሊከታተል እንደሚችል የሚናገሩ የተፎካካሪ ፖለቲካ ፓርቲዎች እገዳውን በመተላለፋቸው
ከኃላፊነት ሊነሱ ይገባል ሲሉ ድምጻቸውን አሰምተዋል፡፡
የጠቅላይ ሚኒስትሩ ጽህፈት ቤት ግን ጥያቄውን አልተቀበለም ሮይተርስ እንደዘገበው ከሆነ፡፡
አማካሪው የጥንቃቄ መርሆዎችን አክብረው የልጃቸውን ሁኔታ ለመመልከት ወደ ቤተሰባቸው ቢያቀኑም በአጎራባች መንደሮች ሆነው
ሁኔታዎችን ከመከታተል ውጪ ከቤተሰባቸው እንዳልተቀላቀሉም አስታውቋል፡፡
ከአማካሪያቸው ጉዞ ጥቂት ቀናት በፊት እገዳ ስለመጣላቸው አስታውቀው የነበሩት ጆንሰን ራሳቸው በቫይረሱ ተይዘው እንደነበር
የሚታወስ ነው፡፡
- >-
ሁለት የብሔረ አማራ ዴሞክራሲያዊ ንቅናቄ (ብአዴን) ከፍተኛ አመራሮች ላይ ያነጣጠረ የጥቃት ሙከራ በደብረ ማርቆስ ከተማ
መፈጸሙ ተሰማ።የጥቃት ሙከራው የብአዴን መስራችና የቀድሞ የፖሊሲ ጥናትና ምርምር ማዕከል ምክትል ዋና ዳይሬክተርና
የመንግሥት ኮሙዩኒኬሽን ጉዳዮች ሚኒስትር የነበሩት አቶ በረከት ስምዖንና ሌላ የብአዴን ማዕከላዊ ኮሚቴ አባል በሆኑት አቶ
ምግባሩ ከበደ ላይ መሆኑን ከክልሉ መንግሥት የኮሙዩኒኬሽን ጉዳዮች ቢሮ ኃላፊ አቶ ንጉሡ ጥላሁን ያገኘነው መረጃ
ያመለክታል።ሁለቱ የብአዴን አባላት በከተማው ታይተዋል የሚል ወሬ በማኅበራዊ ድረ ገጾች መናፈሱን ተከትሎ፣ ግለሰቦቹ ለሌላ
ተልዕኮ እየተንቀሳቀሱ እንደሆኑ የጠረጠሩ የከተማው ነዋሪዎች በደብረ ማርቆስ ሆቴል ላይ ጉዳት ሲያደርሱ ትኩረት
ከተደረገባቸው ፖለቲከኞች የአንዱ ነው ተብሎ የተጠረጠረ ተሽከርካሪ በእሳት ማቃጠላቸውንም ለማወቅ ተችሏል።አቶ ንጉሡ
ድርጊቱን ያወገዙ ሲሆን፣ በከተማው ታይተዋል ከተባሉ አመራሮች አንዱ አቶ ምግባሩ በባህር ዳር የክልሉ ምክር ቤት ስብሰባ
ላይ አብረዋቸው እየተሳተፉ እንደሚገኙ ገልጸዋል።‹‹ማንኛውም አመራርም ሆነ ዜጋ በየትኛውም ቦታ የመንቀሳቀስ መብቱን
ሊገድብ የሚችል ነገር ሊኖር አይገባም፤›› ያሉት አቶ ንጉሡ፣ ‹‹ሰሞኑን የአንዳንድ አመራሮች ስም እየተጠቀሰ ሕዝቡን
በማደናገርና ብጥብጥ በማንገስ በክልላችን የተገኘውን ሰላም ለመቀልበስ የሐሰት መረጃዎች እየተናፈሱ በመሆኑ ሕዝባችን ታላቅ
ጥንቃቄ ማድረግ ይገባዋል፤›› ሲሉ አሳስበዋል።ሁለቱ የብአዴን ፖለቲከኞች ለራሳቸው የፖለቲካ ፍላጎት በደብረ ማርቆስ ከተማ
በድብቅ ሕዝብ በማወያየት ላይ እንደሚገኙ የሚገልጽ ሐሰተኛ ወሬ የጥቃቱ ምክንያት እንደሆነ ተገልጿል።
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- cosine_accuracy@1
- cosine_accuracy@3
- cosine_accuracy@5
- cosine_accuracy@10
- cosine_precision@1
- cosine_precision@3
- cosine_precision@5
- cosine_precision@10
- cosine_recall@1
- cosine_recall@3
- cosine_recall@5
- cosine_recall@10
- cosine_ndcg@10
- cosine_mrr@10
- cosine_map@100
model-index:
- name: RoBERTa Amharic Text Embedding Medium
results:
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 512
type: dim_512
metrics:
- type: cosine_accuracy@1
value: 0.629451395572666
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7629130574270132
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.8055822906641001
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8610843760025666
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.629451395572666
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.254304352475671
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.16111645813282002
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08610843760025665
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.629451395572666
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7629130574270132
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.8055822906641001
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8610843760025666
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7440549236092329
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.7068235635608099
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.7115345565787713
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 384
type: dim_384
metrics:
- type: cosine_accuracy@1
value: 0.6256015399422522
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7651588065447545
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.8055822906641001
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8594802694898941
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.6256015399422522
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.2550529355149182
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.16111645813282002
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08594802694898941
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.6256015399422522
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7651588065447545
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.8055822906641001
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8594802694898941
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7422092119290026
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.7048027712849652
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.7096776455711555
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 256
type: dim_256
metrics:
- type: cosine_accuracy@1
value: 0.6233557908245108
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7577799165864614
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7985242220083414
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8530638434392044
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.6233557908245108
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.2525933055288204
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.15970484440166827
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08530638434392043
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.6233557908245108
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7577799165864614
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7985242220083414
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8530638434392044
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7375795877075221
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.7007484557292056
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.7059391882331173
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 128
type: dim_128
metrics:
- type: cosine_accuracy@1
value: 0.6047481552775105
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7407763875521335
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7882579403272377
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8456849534809111
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.6047481552775105
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.24692546251737782
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.15765158806544755
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.0845684953480911
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.6047481552775105
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7407763875521335
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7882579403272377
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8456849534809111
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.723455759813643
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6846326596085966
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6898943714041005
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 64
type: dim_64
metrics:
- type: cosine_accuracy@1
value: 0.5784408084696824
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7221687520051331
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7702919473853064
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.823227462303497
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5784408084696824
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.24072291733504436
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.15405838947706124
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08232274623034969
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5784408084696824
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7221687520051331
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7702919473853064
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.823227462303497
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7004538338453421
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6611845690045874
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6669656335749551
name: Cosine Map@100
---
# RoBERTa Amharic Text Embedding Medium
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [yosefw/roberta-medium-am-embed](https://huggingface.co/yosefw/roberta-medium-am-embed) on the json dataset. It maps sentences & paragraphs to a 512-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:** [yosefw/roberta-medium-am-embed](https://huggingface.co/yosefw/roberta-medium-am-embed) <!-- at revision 0817d28818bfed6dc319aa24c31b1a7f6b362ede -->
- **Maximum Sequence Length:** 510 tokens
- **Output Dimensionality:** 512 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- json
- **Language:** en
- **License:** apache-2.0
### Model Sources
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
### Full Model Architecture
```
SentenceTransformer(
(0): Transformer({'max_seq_length': 510, 'do_lower_case': False}) with Transformer model: XLMRobertaModel
(1): Pooling({'word_embedding_dimension': 512, '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})
(2): Normalize()
)
```
## 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("rasyosef/roberta-amharic-text-embedding-medium")
# Run inference
sentences = [
"የተደጋገመው የመሬት መንቀጥቀጥና የእሳተ ገሞራ ምልክት በአፋር ክልል",
"ከተደጋጋሚ መሬት መንቀጥቀጥ በኋላ አፋር ክልል እሳት ከመሬት ውስጥ ሲፈላ ታይቷል፡፡ ከመሬት ውስጥ እሳትና ጭስ የሚተፋው እንፋሎቱ ዛሬ ማለዳውን 11 ሰዓት ግድም ከከባድ ፍንዳታ በኋላየተስተዋለ መሆኑን የአከባቢው ነዋሪዎች እና ባለስልጣናት ለዶቼ ቬለ ተናግረዋል፡፡ አለት የሚያፈናጥር እሳት ነው የተባለው እንፋሎቱ በክልሉ ጋቢረሱ (ዞን 03) ዱለቻ ወረዳ ሰጋንቶ ቀበሌ መከሰቱን የገለጹት የአከባቢው የአይን እማኞች ከዋናው ፍንዳታ በተጨማሪ በዙሪያው ተጨማሪ ፍንዳታዎች መታየት ቀጥሏል ባይ ናቸው፡፡",
"ለኢትዮጵያ ብሔራዊ ባንክ ዋጋን የማረጋጋት ቀዳሚ ዓላማ ጋር የተጣጣሙ የገንዘብ ፖሊሲ ምክረ ሀሳቦችን እንዲሰጥ የተቋቋመው የኢትዮጵያ ብሔራዊ ባንክ የገንዘብ ፖሊሲ ኮሚቴ እስካለፈው ህዳር ወር የነበረው እአአ የ2024 የዋጋ ግሽበት በተለይምምግብ ነክ ምርቶች ላይ ከአንድ ዓመት በፊት ከነበው ጋር ሲነጻጸር መረጋጋት ማሳየቱን ጠቁሟል፡፡ ዶይቼ ቬለ ያነጋገራቸው የአዲስ አበባ ነዋሪዎች ግን በዚህ የሚስማሙ አይመስልም፡፡ ከአምና አንጻር ያልጨመረ ነገር የለም ባይ ናቸው፡፡ የኢኮኖሚ ባለሙያም በሰጡን አስተያየት ጭማሪው በሁሉም ረገድ የተስተዋለ በመሆኑ የመንግስት ወጪን በመቀነስ ግብርናው ላይ አተኩሮ መስራት ምናልባትም የዋጋ መረጋጋቱን ሊያመጣ ይችላል ይላሉ፡፡"
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 512]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
```
<!--
### Direct Usage (Transformers)
<details><summary>Click to see the direct usage in Transformers</summary>
</details>
-->
<!--
### Downstream Usage (Sentence Transformers)
You can finetune this model on your own dataset.
<details><summary>Click to expand</summary>
</details>
-->
<!--
### Out-of-Scope Use
*List how the model may foreseeably be misused and address what users ought not to do with the model.*
-->
## Evaluation
### Metrics
#### Information Retrieval
* Datasets: `dim_512`, `dim_384`, `dim_256`, `dim_128` and `dim_64`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | dim_512 | dim_384 | dim_256 | dim_128 | dim_64 |
|:--------------------|:-----------|:-----------|:-----------|:-----------|:-----------|
| cosine_accuracy@1 | 0.6295 | 0.6256 | 0.6234 | 0.6047 | 0.5784 |
| cosine_accuracy@3 | 0.7629 | 0.7652 | 0.7578 | 0.7408 | 0.7222 |
| cosine_accuracy@5 | 0.8056 | 0.8056 | 0.7985 | 0.7883 | 0.7703 |
| cosine_accuracy@10 | 0.8611 | 0.8595 | 0.8531 | 0.8457 | 0.8232 |
| cosine_precision@1 | 0.6295 | 0.6256 | 0.6234 | 0.6047 | 0.5784 |
| cosine_precision@3 | 0.2543 | 0.2551 | 0.2526 | 0.2469 | 0.2407 |
| cosine_precision@5 | 0.1611 | 0.1611 | 0.1597 | 0.1577 | 0.1541 |
| cosine_precision@10 | 0.0861 | 0.0859 | 0.0853 | 0.0846 | 0.0823 |
| cosine_recall@1 | 0.6295 | 0.6256 | 0.6234 | 0.6047 | 0.5784 |
| cosine_recall@3 | 0.7629 | 0.7652 | 0.7578 | 0.7408 | 0.7222 |
| cosine_recall@5 | 0.8056 | 0.8056 | 0.7985 | 0.7883 | 0.7703 |
| cosine_recall@10 | 0.8611 | 0.8595 | 0.8531 | 0.8457 | 0.8232 |
| **cosine_ndcg@10** | **0.7441** | **0.7422** | **0.7376** | **0.7235** | **0.7005** |
| cosine_mrr@10 | 0.7068 | 0.7048 | 0.7007 | 0.6846 | 0.6612 |
| cosine_map@100 | 0.7115 | 0.7097 | 0.7059 | 0.6899 | 0.667 |
<!--
## Bias, Risks and Limitations
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
-->
<!--
### Recommendations
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
-->
## Training Details
### Training Dataset
#### json
* Dataset: json
* Size: 28,046 training samples
* Columns: <code>anchor</code> and <code>positive</code>
* Approximate statistics based on the first 1000 samples:
| | anchor | positive |
|:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 4 tokens</li><li>mean: 14.56 tokens</li><li>max: 47 tokens</li></ul> | <ul><li>min: 42 tokens</li><li>mean: 204.24 tokens</li><li>max: 510 tokens</li></ul> |
* Samples:
| anchor | positive |
|:---------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>የዱር እንስሳት ከሰዎች ጋር በሚኖራቸው ቁርኝት ለኮሮናቫይረስ ተጋላጭ እንዳይሆኑ የመከላከል ተግባራትን እያከናወኑ መሆኑን ባለስልጣኑ አስታወቀ፡፡</code> | <code>ባሕርዳር፡ ግንቦት 18/2012 ዓ.ም (አብመድ) የአማራ ክልል የአካባቢ፣ የደንና የዱር እንስሳት ጥበቃና ልማት ባለስልጣን በሚያስተዳድራቸው ብሔራዊ ፓርኮች እና የማኅበረሰብ ጥብቅ ሥፍራዎች ከኮሮናቫይረስ ተጋላጭነት ለመከላከል እየሠራ መሆኑን አስታውቋል፡፡የባለስልጣኑ የኮሙዩኒኬሽን ዳይሬክተር ጋሻው እሸቱ 10 በሚሆኑ ብሔራዊ ፓርኮችና የማኅበረሰብ ጥብቅ ሥፍራዎች የኮሮና ቫይረስን መከላከል በሚቻልባቸው ቅድመ ተግባራት እና ርምጃዎች ላይ መምከራቸውን ተናግረዋል፡፡ የዱር እንስሳት በመንጋ የሚኖሩ፣ እርስ በርሳቸው ተመጋጋቢ፣ ከሰዎች እና ከቤት እንስሳቶች ጋር ሊቀላቀሉ የሚችሉ በመሆናቸው በኮሮናቫይረስ ከተጋለጡ ‘‘የኮሮናቫይረስ ተጋላጭነት በብርቅየ የዱር እንስሳት ብዝኃ ሕይወት ላይ ስጋት መሆን የለበትም’’ ያሉት አቶ ጋሻው በፓርኮቹ ውስጥ ለሚሠሩ የጥበቃ፣ ስካውት እና ለጽሕፈት ቤት ሠራተኞች በዘርፉ ላይ ያተኮረ የኮሮናቫይረስ መከላከያ ትምህርቶችን እና የቁሳቁስ ድጋፎችን ማድረጋቸውን አስታውቀዋል፡፡</code> |
| <code>የትግራይ ክልል የአየር መሥመር ለአገልግሎት ክፍት ሆነ፡፡</code> | <code><br>የትግራይ ክልል የአየር መሥመር ለአገልግሎት ክፍት ሆነ፡፡<br>ባሕር ዳር፡ ታኅሣሥ 05/2013 ዓ.ም (አብመድ) በሰሜን ኢትዮጵያ ትግራይ ክልል የህግ ማስከበር ሂደትን ተከትሎ ተዘግቶ የነበረው የአየር ክልል ከዛሬ ታህሣሥ 5/2013 ዓ.ም ከቀኑ 8 ሰዓት ጀምሮ በሰሜን የኢትዮጵያ የአየር ክልል ውስጥ የሚያቋርጡ የአለም አቀፍ እና የሃገር ውስጥ የበረራ መስመሮች ለአገልግሎት ክፍት ሆነዋል፡፡ አገልግሎት መሥጠት የሚችሉ ኤርፖርቶች በረራ ማስተናገድ የሚችሉ መሆኑንም የኢትዮጵያ ሲቪል አቪዬሽን ባለስልጣን ገልጿል::<br></code> |
| <code>የአውሮፓ ኢንቨስትመንት ባንክ ለመንግሥት 76 ሚሊዮን ዶላር ሊያበድር ነው</code> | <code>በዳዊት እንደሻውየአውሮፓ ኢንቨስትመንት ባንክ ጽሕፈት ቤቱን በአዲስ አበባ ከከፈተ ከሁለት ዓመት በኋላ ትልቅ ነው የተባለለትን የ76 ሚሊዮን ዶላር ብድር ስምምነት ለመፈራረም፣ ኃላፊዎቹን ወደ ኢትዮጵያ ይልካል፡፡ከወር በፊት በኢትዮጵያ መንግሥትና በባንኩ መካከል የተደረገው ይኼ የብድር ስምምነት፣ የኢትዮጵያ ልማት ባንክ በሊዝ ፋይናንሲንግ ለአነስተኛና ለመካከለኛ ኢንተርፕራይዞች ለሚያደርገው እገዛ ይውላል፡፡የአውሮፓ ኢንቨስትመንት ባንክ ምክትል ፕሬዚዳንት ፒም ቫን በሌኮም፣ እንዲሁም ሌሎች ኃላፊዎች ይመጣሉ ተብሎ ይጠበቃል፡፡በዚህም መሠረት የባንኩ ኃላፊዎች ከገንዘብና ኢኮኖሚ ትብብር ሚኒስቴር ጋር አድርገውት ከነበረው ስምምነት የሚቀጥልና ተመሳሳይ የሆነ ስምምነት፣ ከኢትዮጵያ ልማት ባንክ ጋር እንደሚያደርጉ ይጠበቃል፡፡እ.ኤ.አ. እስከ 2022 ድረስ የሚቀጥለው አነስተኛና መካከለኛ ኢንተርፕራይዞችን የማገዝ ፕሮጀክት 276 ሚሊዮን ዶላር ወጪ የሚያስወጣ ሲሆን፣ ባለፈው ዓመት የዓለም ባንክ ወደ 200 ሚሊዮን ዶላር ብድር ሰጥቷል፡፡በአውሮፓ ኢንቨስትመንት ባንክ የሚሰጠው ብድር፣ የኢትዮጵያ ልማት ባንክን የሊዝ ፋይናንሲንግ ሥራ እንደሚያግዝ ጉዳዩ የሚመለከታቸው የልማት ባንክ ኃላፊዎች ለሪፖርተር ተናግረዋል፡፡ ‹‹በተጨማሪም የውጭ ምንዛሪ እጥረቱን ለማቃለል ያግዛል፤›› ሲሉ ኃላፊው ገልጸዋል፡፡በልማት ባንክ በኩል የሚደረገው እገዛ በሁለት መስኮቶች የሚወጣ ሲሆን፣ አንደኛው በቀጥታ በባንክ እንደ ሊዝ ፋይናንሲንግ ሲሰጥ ሌላው ደግሞ እንደ መሥሪያ ካፒታል ልማት ባንክ ለመረጣቸው 12 ባንኮችና ዘጠኝ ማይክሮ ፋይናንሶች ይሰጣል፡፡የአውሮፓ ኢንቨስትመንት ባንክ በኢትዮጵያ መንቀሳቀስ ከጀመረ ከ1980ዎቹ ጀምሮ ወደ ግማሽ ቢሊዮን ዶላር የሚጠጋ ለኃይል፣ ለኮሙዩኒኬሽንና ለግሉ ዘርፍ ኢ...</code> |
* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
```json
{
"loss": "MultipleNegativesRankingLoss",
"matryoshka_dims": [
512,
384,
256,
128,
64
],
"matryoshka_weights": [
1,
1,
1,
1,
1
],
"n_dims_per_step": -1
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: epoch
- `per_device_train_batch_size`: 64
- `per_device_eval_batch_size`: 64
- `gradient_accumulation_steps`: 2
- `num_train_epochs`: 4
- `lr_scheduler_type`: cosine
- `warmup_ratio`: 0.1
- `fp16`: True
- `load_best_model_at_end`: True
- `optim`: adamw_torch_fused
- `batch_sampler`: no_duplicates
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: epoch
- `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`: 2
- `eval_accumulation_steps`: None
- `torch_empty_cache_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`: 4
- `max_steps`: -1
- `lr_scheduler_type`: cosine
- `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
- `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`: 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`: True
- `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_fused
- `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`: None
- `hub_always_push`: False
- `gradient_checkpointing`: False
- `gradient_checkpointing_kwargs`: None
- `include_inputs_for_metrics`: False
- `include_for_metrics`: []
- `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
- `eval_on_start`: False
- `use_liger_kernel`: False
- `eval_use_gather_object`: False
- `average_tokens_across_devices`: False
- `prompts`: None
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
| Epoch | Step | Training Loss | dim_512_cosine_ndcg@10 | dim_384_cosine_ndcg@10 | dim_256_cosine_ndcg@10 | dim_128_cosine_ndcg@10 | dim_64_cosine_ndcg@10 |
|:----------:|:-------:|:-------------:|:----------------------:|:----------------------:|:----------------------:|:----------------------:|:---------------------:|
| 0.0456 | 10 | 11.8849 | - | - | - | - | - |
| 0.0911 | 20 | 7.1441 | - | - | - | - | - |
| 0.1367 | 30 | 3.2143 | - | - | - | - | - |
| 0.1822 | 40 | 1.9274 | - | - | - | - | - |
| 0.2278 | 50 | 1.6303 | - | - | - | - | - |
| 0.2733 | 60 | 1.4033 | - | - | - | - | - |
| 0.3189 | 70 | 1.2537 | - | - | - | - | - |
| 0.3645 | 80 | 1.1911 | - | - | - | - | - |
| 0.4100 | 90 | 1.109 | - | - | - | - | - |
| 0.4556 | 100 | 1.0423 | - | - | - | - | - |
| 0.5011 | 110 | 0.9095 | - | - | - | - | - |
| 0.5467 | 120 | 0.9452 | - | - | - | - | - |
| 0.5923 | 130 | 0.8793 | - | - | - | - | - |
| 0.6378 | 140 | 0.9144 | - | - | - | - | - |
| 0.6834 | 150 | 0.7442 | - | - | - | - | - |
| 0.7289 | 160 | 0.8695 | - | - | - | - | - |
| 0.7745 | 170 | 0.7871 | - | - | - | - | - |
| 0.8200 | 180 | 0.8961 | - | - | - | - | - |
| 0.8656 | 190 | 0.7394 | - | - | - | - | - |
| 0.9112 | 200 | 0.9141 | - | - | - | - | - |
| 0.9567 | 210 | 0.7696 | - | - | - | - | - |
| 1.0 | 220 | 0.7702 | 0.7003 | 0.7011 | 0.6957 | 0.6746 | 0.6420 |
| 1.0456 | 230 | 0.7403 | - | - | - | - | - |
| 1.0911 | 240 | 0.7455 | - | - | - | - | - |
| 1.1367 | 250 | 0.6595 | - | - | - | - | - |
| 1.1822 | 260 | 0.4895 | - | - | - | - | - |
| 1.2278 | 270 | 0.4027 | - | - | - | - | - |
| 1.2733 | 280 | 0.4019 | - | - | - | - | - |
| 1.3189 | 290 | 0.4096 | - | - | - | - | - |
| 1.3645 | 300 | 0.3425 | - | - | - | - | - |
| 1.4100 | 310 | 0.3226 | - | - | - | - | - |
| 1.4556 | 320 | 0.3169 | - | - | - | - | - |
| 1.5011 | 330 | 0.2479 | - | - | - | - | - |
| 1.5467 | 340 | 0.2753 | - | - | - | - | - |
| 1.5923 | 350 | 0.2442 | - | - | - | - | - |
| 1.6378 | 360 | 0.229 | - | - | - | - | - |
| 1.6834 | 370 | 0.2123 | - | - | - | - | - |
| 1.7289 | 380 | 0.2301 | - | - | - | - | - |
| 1.7745 | 390 | 0.2151 | - | - | - | - | - |
| 1.8200 | 400 | 0.2333 | - | - | - | - | - |
| 1.8656 | 410 | 0.2255 | - | - | - | - | - |
| 1.9112 | 420 | 0.2443 | - | - | - | - | - |
| 1.9567 | 430 | 0.1856 | - | - | - | - | - |
| 2.0 | 440 | 0.2232 | 0.7299 | 0.7293 | 0.7250 | 0.7070 | 0.6824 |
| 2.0456 | 450 | 0.217 | - | - | - | - | - |
| 2.0911 | 460 | 0.2246 | - | - | - | - | - |
| 2.1367 | 470 | 0.1401 | - | - | - | - | - |
| 2.1822 | 480 | 0.1482 | - | - | - | - | - |
| 2.2278 | 490 | 0.1247 | - | - | - | - | - |
| 2.2733 | 500 | 0.1184 | - | - | - | - | - |
| 2.3189 | 510 | 0.1165 | - | - | - | - | - |
| 2.3645 | 520 | 0.1035 | - | - | - | - | - |
| 2.4100 | 530 | 0.1019 | - | - | - | - | - |
| 2.4556 | 540 | 0.0866 | - | - | - | - | - |
| 2.5011 | 550 | 0.0761 | - | - | - | - | - |
| 2.5467 | 560 | 0.1086 | - | - | - | - | - |
| 2.5923 | 570 | 0.0787 | - | - | - | - | - |
| 2.6378 | 580 | 0.0836 | - | - | - | - | - |
| 2.6834 | 590 | 0.0757 | - | - | - | - | - |
| 2.7289 | 600 | 0.1006 | - | - | - | - | - |
| 2.7745 | 610 | 0.0742 | - | - | - | - | - |
| 2.8200 | 620 | 0.0853 | - | - | - | - | - |
| 2.8656 | 630 | 0.0848 | - | - | - | - | - |
| 2.9112 | 640 | 0.0891 | - | - | - | - | - |
| 2.9567 | 650 | 0.0789 | - | - | - | - | - |
| 3.0 | 660 | 0.0889 | 0.7411 | 0.7401 | 0.7356 | 0.7198 | 0.6940 |
| 3.0456 | 670 | 0.098 | - | - | - | - | - |
| 3.0911 | 680 | 0.1058 | - | - | - | - | - |
| 3.1367 | 690 | 0.0571 | - | - | - | - | - |
| 3.1822 | 700 | 0.0565 | - | - | - | - | - |
| 3.2278 | 710 | 0.0551 | - | - | - | - | - |
| 3.2733 | 720 | 0.0504 | - | - | - | - | - |
| 3.3189 | 730 | 0.0622 | - | - | - | - | - |
| 3.3645 | 740 | 0.0591 | - | - | - | - | - |
| 3.4100 | 750 | 0.0564 | - | - | - | - | - |
| 3.4556 | 760 | 0.0533 | - | - | - | - | - |
| 3.5011 | 770 | 0.0446 | - | - | - | - | - |
| 3.5467 | 780 | 0.0621 | - | - | - | - | - |
| 3.5923 | 790 | 0.0407 | - | - | - | - | - |
| 3.6378 | 800 | 0.0458 | - | - | - | - | - |
| 3.6834 | 810 | 0.0455 | - | - | - | - | - |
| 3.7289 | 820 | 0.0643 | - | - | - | - | - |
| 3.7745 | 830 | 0.0471 | - | - | - | - | - |
| 3.8200 | 840 | 0.0523 | - | - | - | - | - |
| 3.8656 | 850 | 0.0509 | - | - | - | - | - |
| 3.9112 | 860 | 0.0549 | - | - | - | - | - |
| 3.9567 | 870 | 0.0572 | - | - | - | - | - |
| **3.9841** | **876** | **-** | **0.7441** | **0.7422** | **0.7376** | **0.7235** | **0.7005** |
* The bold row denotes the saved checkpoint.
### Framework Versions
- Python: 3.10.12
- Sentence Transformers: 3.3.1
- Transformers: 4.47.1
- PyTorch: 2.5.1+cu121
- Accelerate: 1.2.1
- Datasets: 3.2.0
- Tokenizers: 0.21.0
## Citation
### BibTeX
#### Sentence Transformers
```bibtex
@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
```bibtex
@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
```bibtex
@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}
}
```
<!--
## Glossary
*Clearly define terms in order to be accessible across audiences.*
-->
<!--
## Model Card Authors
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
-->
<!--
## Model Card Contact
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
--> |