afrixir-e5-base / README.md
nebhailema's picture
docs: put the comparison under each heading
cf4d520 verified
|
Raw History Blame Contribute Delete
44.1 kB
metadata
language:
  - am
  - ha
  - om
  - sn
  - so
  - sw
  - yo
  - zu
license: apache-2.0
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - information-retrieval
  - african-languages
  - multilingual
  - generated_from_trainer
  - dataset_size:112864
  - loss:MatryoshkaLoss
  - loss:MultipleNegativesRankingLoss
base_model: intfloat/multilingual-e5-base
widget:
  - source_sentence: 'query: ስጋ በል ዕፅዋት'
    sentences:
      - |-
        passage: የንሹ ኢትዮጵያ ውስጥ የሚገኝ አጥቢ  እንስሳ ወገን ነው።

        የእንስሳው ሳይንሳዊ ጸባይ

        አስተዳደግ

        በብዛት የሚገኝበት መልክዓ ምድር  እና ብዛቱ

        የእንስሳው ጥቅም 

        የኢትዮጵያ አጥቢ እንስሳት
        የቶራ አስተኔ
      - >-
        passage: ስጋ በል ዕፅዋት ስጋ የሚበሉ አትክልቶችን የሚወክል ስም ነው። እነዚህ አትክልቶች በትንሹም ሆነ
        በአብዛኛው ንጥረ ነገራቸውን የሚያገኙት ከሚበሉት ስጋ ሲሆን አቅማቸውን ግን ከመሬት ነው።  አብዛኞቹ ስጋ በል
        ዕፅዋት በራሪ ትንኞችን በወጥመዳቸው በመክተት ገድለው ይመገቡ እንጂ አንድ አንዶቹ እስከ አይጥ እስከመያዝ ድረስ
        ሃይል አላቸው። ይህ እንግዳ ተፈጥሮ እነዚህ እፅዋቶች በንጥረ ነገር በትጎሳቆለ መሬት ላይ ለማደግ ያስችላቸዋል።
        ቻርለስ ዳርዊን ስለነዚህ ተክሎች የመጀመሪያውን ታዋቂ ጽሁፍ በ1875 አቅርቧል።


        ማጣቀሻ 


        አትክልት
      - |-
        passage: ዳልጋ ኣንበሳ  ኢትዮጵያ ውስጥ የሚገኝ አጥቢ እንስሳ ነው።

        የእንስሳው ሳይንሳዊ ጸባይ

        አስተዳደግ

        በብዛት የሚገኝበት መልክዓ ምድር  እና ብዛቱ

        የእንስሳው ጥቅም 

        የኢትዮጵያ አጥቢ እንስሳት
        ታላላቅ ድመቶች
      - >-
        passage: ሰም ሀይድሮካርቦን የሚሰራ በዝቅተኛ (ይህም ከ45 °C ወይም 113 °F በላይ በሆነ) መጠነ ሙቀት
        የሚቀልጥ ጥጥር አካል ነው። ሰም በውሀ ውስጥ ኢ-ሟሚ ሲሆን በፔትሮሊየም ውስጥ ግን በቀላሉ ይሟሟል። ከንብ ሰም
        እንደሚገኝ ሁሉ ከዕፅዋትም ይገኛል።


        ውሑዶች
      - >-
        passage: ኣጋም (Carissa ovata) ኢትዮጵያ ውስጥ የሚገኝ ተክል ነው።


        የተክሉ ሳይንሳዊ ጸባይ 

        እስከ ፫ ሜትር ሊደርስ የሚችል ቊጥቋጥ ነው።


        አስተዳደግ 

        በፍጥነት ይስፋፋል። በአውስትራልያ እንደ አረም ሊቆጠር ይችላል።


        በብዛት የሚገኝበት መልክዓ ምድር

        በአፍሪካ፣ እስያና አውስትራልስያ ገሞጂ ይገኛል።


        የተክሉ ጥቅም 


        ትንሽ ፍሬው በሙሉ ጥቁር፣ የበሠለና ጣፋጭ ሲሆን ሊበላ ይችላል። ያልበሠለ (አረንጓዴው) ፍሬ፣ ወይም የተክሉ
        ፈሳሾች፣ መርዛም ናቸው። 


        በፍቼ ወረዳ በተዘገበ ጥናት፣ የአጋም ቡቃያ ለእባብ ነከስ ይኘካል። እንዲሁም

        በደብረ ሊባኖስ ዙሪያ በተዘገበ ሌላ ጥናት፣ የአጋም ሥር መኘካትና ጭማቂው ለእባብ ነከስ በአፍ ይሰጣል። የአጋም
        ሥር፣ የጌሾ ሥርና የጫት ቅጠል አንድላይ ደግሞ ለእባብ ነከስ ይኘካል። 


        ወባንም ለማከም፣ የአጋም ሥር፣ የጉመሮ ሥር፣ የመናሄ ሥር፣ የጊዜዋ ሥር፣ የዱርሽት (ዱባ ሓረግ) ቅጠልና አገዶች፣
        ተድቅቀው በጢስ ይናፈሳሉ።


        በኬንያ በሚኖር ማሳይ ብሔር መሃል፣ ተክሉ (ያልተወሰነ ክፍል) ለጡንቻና ለአንጓ ሕመም ይጠቀማል።


        የኢትዮጵያ እጽዋት

        ወባ
  - source_sentence: 'query: ሃድጎ -አህያ ሸራህያ'
    sentences:
      - >-
        passage: ጋዜጠኛው አረፋይኔ ሀጎስ ስለ አለቃ ገብረ ሃና መጽሀፍ ጽፏል። ታዲያ አለቃ ከአጼ ተዎድሮስ ጊዜ
        ጀመሮ የነበሩ የቤተክርስቲያን ምሁር እንደሆኑ ነው መጽሀፉ የሚያወራው። ከጊዜው ቀልዳቸው አንዱ እንዲህ ይላል።
        በአጼ ተዎድሮስ ቤተመንግስት ሀድጎ የሚባል ባለሟል ነበረ ታዲያ ምንም እንኳን ንጉሱ ቀልድ የማያውቁ ኮስታራ ቢሆኑም
        አለቃ ግን መኮመኪያ ምክንያት አላጡም። እናም ሀድጎን ባገኙት ጊዜ ሁሉ አድጊ ብለው ነበር አሉ የሚጠሩት። አህያ
        ለማለት። ሀድጎም መረረውና ጃንሆይ ዘንድ ከሰሳቸው።. ንጉሱ አለቃን አስጠርተው ለምን ሀድጊ እያሉ እንደሚሳደቡ
        ቢጠይቋቸው አይ ጃንሆይ እኔ «አህያ ሸራህያ» እያልኩ ስጸልይ ሰምቶኝ እንጂ አልሰደብኩትም ብለው በብልሀት አመለጡ።


        የኢትዮጵያ ቀልዶች
      - >-
        passage: ኒያላ በደቡባዊ አፍሪካ የሚገኝ አጥቢ  እንስሳ ነው።  ስሙ «ኒያላ» ከደቡብ አፍሪካ ቋንቋ ከጾንግኛ
        ደርሷል።  


        ሌላው የአጋዘን ወይም የድኩላ ዘመድ በተለመደው «የተራራ ኒያላ» ተብሎ በኢትዮጵያ ብቻ ሲገኝ፣ ይህ አይነት ኒያላ
        በደንብ «የደጋ አጋዘን» ይባላል።


        የእንስሳው ሳይንሳዊ ጸባይ


        አስተዳደግ


        በብዛት የሚገኝበት መልክዓ ምድር


        የእንስሳው ጥቅም 


        የቶራ አስተኔ
      - |-
        passage: ሳላ ኢትዮጵያ፣ አፍሪካና አረቢያ ውስጥ የሚገኝ አጥቢ  እንስሳ ነው።

        የእንስሳው ሳይንሳዊ ጸባይ

        አስተዳደግ

        በብዛት የሚገኝበት መልክዓ ምድር  እና ብዛቱ

        የእንስሳው ጥቅም 

        የኢትዮጵያ አጥቢ እንስሳት
        የቶራ አስተኔ
      - >-
        passage: ውሻ Canis lupus familiaris በሚባለው ሳይንሳዊ ስም የሚታወቅ ከተኩላ የተላመደ
        የCanidae ቤተሰብ አባል ነው። የሠው ልጅ ከረጅም አመታት በፊት ቅድሚያ ካለመዳቸው እንስሳት መካከል ይጠቀሳል።


        የውሻ አስተኔ ውስጥ አንዳንድ ሌሎች ዝርዮች ደግሞ በስማቸው «ውሻ» ይባላሉ፣ እንጂ የለማዳው ውሻ ዝርያ አይደሉም።
        እነሱም፦ 

         የአፍሪካ ኣውሬ ውሻ
         የእስያ አውሬ ውሻ
         አጭር ጆሮ ውሻ (ደቡብ አሜሪካ)
         የጫካ ውሻ (ደቡብ አሜሪካ)
         የራኩን ውሻ (ምሥራቅ እስያ)

        እንዲሁም በዘራይጥ መደብ ውስጥ በስሜን አሜሪካ የሚገኝ አንድ የሽኮኮ ወገን «የሜዳ ውሻ» ይባላል፤ እሱ በውነት
        የውሻ አስተኔ አባል አይደለም።  


        ለማዳ እንስሶች
      - >-
        passage: ጃርት አጥቢ  እንስሳ አይነት ነው። በሥነ ሕይወት ረገድ በዘራይጥ ክፍለመደብ ውስጥ 2 ልዩ ልዩ
        አስተኔዎች አላቸው፤ የምሥራቅ ክፍለአለም ጃርቶችና የምዕራብ ክፍለአለም ጃርቶች ናቸው። 


        ሌላ ዘራይጥ ያልሆነ እንስሳ ትድግ ደግሞ «ግራጭ ጃርት» ይባላል።


        የእንስሳው ሳይንሳዊ ጸባይ


        አስተዳደግ


        በብዛት የሚገኝበት መልክዓ ምድር  እና ብዛቱ


        የእንስሳው ጥቅም 


        አጥቢ እንስሳት

        የዱር አራዊት
  - source_sentence: >-
      query: ጠቅላይ ሚኒስትር ዐቢይ አህመድ በመተከል ዞን ነዋሪዎችን ባወያዩበት ማግስት ጭፍጨፋ መፈጸሙ ለሰጡት የሥራ
      መመሪያ የቤኒሻንጉል ጉሙዝ ክልል አመራሮች ተገዢ አለመሆናቸውን እንደሚያሳይ ተገለጸ፡፡
    sentences:
      - >-
        passage: በጉባ ወረዳ አቡጃር ቀበሌ በሚኖሩ የአማራ ክልል ተወላጆች ላይ የታጠቁ ኃይሎች ትናንት ሌሊት
        በድንገት ጥቃት መፈጸማቸውን የአካባቢው ነዋሪዎች ለአብመድ አረጋግጠዋል፡፡ በዚህም የንጹኃን ሕይወት ጠፍቷል፤
        ለአካል ጉዳትም ተዳርገዋል፡፡ ተጎጂዎች የሕክምና ዕርዳታ እየተደረገላቸው እንደሆነም ምንጮቻችን ነግረውናል፡፡
      - >-
        passage: ጠቅላይ ሚኒስትር ዐቢይ አህመድ በመተከል ዞን ነዋሪዎችን ባወያዩበት ማግስት ጭፍጨፋ መፈጸሙ ለሰጡት
        የሥራ መመሪያ የቤኒሻንጉል ጉሙዝ ክልል አመራሮች ተገዢ አለመሆናቸውን እንደሚያሳይ ተገለጸ፡፡በመተከል ዞን ቡለን
        ወረዳ ዛሬም ዘርን መሰረት ያደረገ ጭፍጨፋ እንደተፈጸመ ነዋሪዎች ለአብመድ ገልጸዋል፡፡ድርጊቱ ካሁን ቀደም
        በተደጋጋሚ የተፈጸመ ቢሆንም አሁንም እየተባበሰ መምጣቱን ነዋሪዎች ተናግረዋል፡፡ጭፍጨፋው ዘር ተኮር በመሆኑ ሁሉም
        የኢትዮጵያ ህዝቦች ድርጊቱን በማውገዝ የጋራ ድምጽ ማሰማት እንዳለባቸው የሕግ አማካሪዉ አስረስ ማረ ገልጸዋል፡፡
      - >-
        passage: በቤንሻንጉል ጉሙዝ ክልል መተከል ዞን ዛሬ ታኅሳስ 14/2013 በንጹሐን ዜጎች ላይ ጥቃት መፈጸሙን
        አዲስ ማለዳ ከወረዳው ኗሪዎች ከደረሳት መረጃ ለማወቅ ተችሏል። በቡለን ወረዳ በኩጅ ቀበሌ የሚገኙ ኗሪዎች ላይ
        የታጠቁ ኃይሎች ከማለዳው 11 ስዓት ጀምሮ በአራት ማዕዘን ከበው ጥቃቱን እንደፈጸሙት ገልጸዋል፡፡ በጥቃቱ
        ሕይወታቸውን ያጡ ሰዎች ቁጥር ለጊዜው አልታወቀም፡፡ ጥቃት ደርሶባቸው እስካሁን በቡለን ወረዳ የመጀመሪያ ደረጃ
        ሆስፒታል ህክምና ለማግኘት ከ20 በላይ ዜጎች መግባታቸውን አዲስ ማለዳ ከስፍራው ካሉ ምንጮቿ
        አረጋግጣለች፡፡በመተከል ዞን የኢፌዲሪ ጠቅላይ ሚንስትር አቢይ አሕመድ (ዶ/ር) በትናንትናው ዕለት ታኅሳስ
        13/2013 ከአካባቢው ነዋሪዎች እና የተለያዩ የሕብረተሰብ ክፍሎች ጋር በአካባቢው ዘላቂ ሰላም ለማምጣት ሲመክሩ
        እንደነበር የሚታወስ ነው። በውይይቱም ጠቅላይ ሚንስትሩ በተፈጠሩት ችግሮች ተሳተፉ ከክልል እስከ ፌደራል የሚገኙ
        አመራሮች ለሕግ እንደሚቀርቡም መናገራቸው አይዘነጋም።
      - >-
        passage: ባሕር ዳር፡ ኅዳር 03/2013 ዓ.ም (አብመድ) የጠቅላይ ሚኒስትር ጽሕፈት ቤት በይፋዊ ገጹ
        መልዕክት አስተላላፏል፡፡“እውቅና ያላቸውን ዓለም አቀፍ ድርጅቶች ጨምሮ ሁሉም ግለሰብ በወቅታዊ ሁኔታዎች ላይ
        በመሬት ላይ ያለውን እውነታ የማያንፀባርቅና ያልተረጋገጠ መረጃ ከማሰራጨት እንዲቆጠቡ እናሳስባለን” ብሏል፡፡
      - >-
        passage:  በተለይም በቤንሻንጉል ጉዝም ክልል መተከል ዞን ዳንጉር ወረዳ ሕዝብ ላይ ጥቃት መድረሱ ተቀባይነት
        የሌለውና አሳዛኝ መሆኑን ገልፀው የመንግሥት የፀጥታ ኃይሎች፣ የሕግ የባላይነትና ሰላም የማስከበሩብ ኃላፊነት
        እንደሚወጡ ተናግረዋል፡፡ጉዳዩ የሚያስቆጭና የሚያስቆጣ ቢሆንም ግን ሕዝብ ለሕዝብ የራሱ ያፀፋ ዕርምጃ እንዳይወስድ
        መክረዋል፡፡  
  - source_sentence: >-
      query: ኣብ ዓመጺ - ንኡስ ዞባ በሪኽ ኣብ መንጎ ደቂ ዓዲ ዝጸንሐ ዘይምርድዳእ፡ ብመዓስ ኣብ ዝተኻየደ
      ስነ-ስርዓት ብዕርቂ ተፈቲሑ?
    sentences:
      - >-
        passage: ቁንጣሮ ብዛዕባ ሓርማዝ

        ኣብቲ ኣብ ኬንያ ዝርከብ ሰፊሕ ሃገራዊ መናፈሻ እምቦሶሊ ድሕሪ ቐትሪ ኣብ ግዜ ሃሩር: ብዙሓት መጓሰ ሓራምዝ ኣብ
        ሰፈሮም ዝህውኾም ነገራት ዘይብሎም ቀሲኖም ዝነብሩ ኢዮም ዝመስሉ። ይኹን እምበር: ካብቲ ትሑት ዕርምርም ዝብል
        ድምጺ ጀሚርካ ኽሳዕ እቲ ብርቱዕ ገዓር: እርታ: ነብሒ: ኩርፍታ እተፈላለየ “ዘረባ ሓርማዝ” ይስማዕ ኢዩ። ገለ
        መጠን ናይቲ ድምጺ ትሑት ፍሪኰንሲ ስለ ዘለዎ ወድሰብ ክሰምዖ ዘይክእል እኳ እንተዀነ ኣዝዩ ብርቱዕ ካብ ምዃኑ
        እተላዕለ ሓያሎ ኪሎ ሜተራት ርሒቑ ዘሎ ሓርማዝ ግን ክሰምዖ ይኽእል ኢዩ።
      - >-
        passage: ዓመጺ፡ ኣብ መንጎ ደቂ ዓዲ ዝጸንሐ ዘይምርድዳእ ብዕርቂ ተፈቲሑ

        ኣብ ዓመጺ - ንኡስ ዞባ በሪኽ ኣብ መንጎ ደቂ ዓዲ ዝጸንሐ ዘይምርድዳእ፡ ብ22 ለካቲት ኣብ ዝተኻየደ ስነ-ስርዓት
        ብዕርቂ ተፈቲሑ።


        ወኪል ሚኒስትሪ ዞባዊ ምምሕዳር፡ መራሕቲ ሃይማኖት፡ ኣባላት ባይቶን ተወለድቲ ዓድን ኣብ ዝተረኽቡሉ ስነ- ስርዓት፡
        ኣመሓዳሪ ዞባ ማእከል ሜጀር ጀነራል ሮሞዳን ዑስማን ኣውልያይ ኣብ ዘስመዖ ቃል፡ ናጽነት ፍረ ሓያል ሓድነትን ክቡር
        መስዋእትነትን ምዃኑ ድሕሪ ምጥቃስ፡ እዚ ክብርታት’ዚ’ውን ኣብ ህንጸት ሃገር መሰረታዊ ብምዃኑ፡ ዜጋታት ዕጥቆም
        ክገብርዎ ኣዘኻኺሩ።
      - >-
        passage: ንጸጸር ኩሊት ዘቃልዑ ዋሕዲ ፈሰስቲ፡- እዚ ሓደ ካብቶም ቀንዲ ጠንቅታትን ተኽእሎታት ጸጸር ኩሊት
        ዘጋድዱን እዩ። ሓደ ሰብ ኣብ መዓልቲ ክሳብ ሰለስተ ሊትሮ ማይ የድልዮ። እዚ ማይ’ዚ ብመልክዕ ጽሩይ ማይ፡
        ፈሰስቲ፡ ወይ ምስ መግቢ ናብ ኣካላት ይኣቱ። ኣብ ዝተፈላለዩ ጥቕምታት ምስ ወዓለ ኣብ ኩሊት ይጻረ’ሞ ብመልክዕ
        ሽንቲ ንደገ ይወጽእ። እዚ መጠን ማይ ኣብ ኣካላትና ብዝተፈላለዩ ምኽንያታት ምስዘይህሉ፡ ጸጸር ኣብ ኩሊት ወይ
        ስርዓተ ሽንቲ ክኽሰት ዘለዎ ተኽእሎ ኣዝዩ ይዓቢ።
      - >-
        passage: ኣካላት ፈሳሲ ምስ ዝበዝሖ ወይ ምስ ዝውሕዶ ነዚ ምቅይያራት ንምዕትርራይ ኩላሊት ኣብ ዝያዳ ስራሕ
        ይጽመዳ። ኩሊት ዝተፈላለዩ ነዝዕታ፡ ኣብ ምምስራሕን ምምንጫውን ትነጥፍ። ከም ኩሉ ክፋል ኣካላት፡ ኩሊት
        ብዝተፈላለዩ ጠንቅታት ብሕማም ክትጥቃዕ ትኽእል። ናብ ቅልጡፍ ውድቀት ወይ’ውን ቀስ ብቐስ ሕዱር ውድቀት ከምጽኡ
        ዝኽእሉ ሕማማት ኩሊት ኣለዉ። እዚ ማለት ግን ኩሎም ሕማማት ኩሊት ናብ ውድቀት ይምዕብሉ ንምባል ኣይኮነን። ጸጸር
        ኩሊት ሓደ ካብ ሕማማት ኩሊት’ዩ።
      - >-
        passage: ኣብ እርጋኑ ከይተረፈ ኣቦይ ንዘልዎ ‘እታ ቅድሚ ዳኘው ደላ ግደፋ’ ይብሉ ነይሮም ይብልዎም።
        መውረርያኹም እንዶ ግዳ ሰሓቡ፡ ነገር ፈረሰኛ መርዓት ከይስሕቶ።

        መርዓዊን መርዓትን ‘ኣሽነን በለ’ ብዝብሃል ወግዒ ካብ ቤት ሒማ ንእንዳ መርዓዊ ይኣትው። ካብኡ ተረፈ ሓደ ምርጫ
        ይተርፍ። መርዓዊ ወደይ ዝብሎ ስድራ እንተዘይ ሃለወ መርዓዊ መርዓቶም ሒዞም ናብ ሓደ ዓበይቲ ዓዲ ዘዳለውዎ ቤት
        ይኣትው። ‘ቤት ጸኒሕ’ ከኣ ይብልዎ። እዚ ቤት ንኸምዚ ጥራሕ ዘይኮነ ካበየ ቦታታት ንዝተፈላለየ ምኽንያት ዝመጹ
        ገያሾ‘ውን ክኣትውዎ ይኽእሉ። ጥሪ ኣትዩ ጾመ ኣርብዓ ክሳዕ ዝሓልፍ ግና እዚ ቤት ንኻልእ ምዓላ ኣይውዕልን። እቶም
        ጸጋ ምድርን ሰማይን ዘለዎም መርዓዊ ግና ናብ ጠለት ስድራኦም ይኣትዉ።
  - source_sentence: 'query: የኪርጊዝ ሪፐብሊክ እግር ኳስ ፌዴሬሽን'
    sentences:
      - >-
        passage: ስላቫዊ ቋንቋዎች ወይም ስላቪክ ቋንቋዎች አንድ የሕንዳዊ-አውሮፓዊ ቋንቋዎች ቤተሠብ ቅርንጫፍ ናቸው።
        ከባልታዊ ቋንቋዎች ጋራ አንድላይ የባልቶ-ስላቫዊ ቋንቋዎች ቅርንጫፍ ይሠራሉ።


        ስላቫዊ ቋንቋዎች ሁሉ ከቅድመ-ስላቭኛ ደረሱ፤ እሱም ከቅድመ-ባልቶ-ስላቭኛ እንደ ደረሰ ይታስባል።


        የስላቫዊ ቅርንጫፍ ሦስት ክፍሎች ምሥራቅ ስላቫዊ፣ ምዕራብ ስላቫዊ እና ደቡብ ስላቫዊ ናቸው።


        ምሥራቅ ስላቫዊ

        ሩስኛ

        ሩጤንኛ *

        ቤላሩስኛ

        ዩክሬንኛ


        ምዕራብ ስላቫዊ

        ፖልኛ

        ካሹብኛ

        ሳይሌሲያን

        ቸክኛ

        ስሎቫክኛ

        ሶርብኛ *

        ላይኛ ሶርብኛ

        የታችኛው ሶርብኛ


        ደቡብ ስላቫዊ

        ቡልጋርኛ

        ሰርብኛ

        ክሮኤሽኛ

        ስሎቬንኛ

        መቄዶንኛ


        ሰው ሠራሽ ቋንቋዎች

        ቸርች ስላቪክ

        ኢንተርስላቪክ
      - >-
        passage: የኪርጊዝ ሪፐብሊክ እግር ኳስ ፌዴሬሽን የኪርጊዝስታን እግር ኳስ አስተዳዳሪ አካል ነው። ፌዴሬሽኑ
        የኪርጊዝስታን ብሔራዊ እግር ኳስ ቡድንንና የኪርጊዝስታን ብሔራዊ ፉትሳል ቡድንን ይቆጣጠራል። በተጨማሪም የተለያዩ
        ብሔራዊ ውድድሮችን ያዘጋጃል።


        የውጭ መያያዣዎች
          ይፋዊ ድረ ገጽ
          የፊፋ ድረ ገጽ ስለ ኪርጊዝስታን 

        ኪ

        ኪርጊዝስታን
      - >-
        passage: ሱክሬ በይፋ የቦሊቪያ ዋና ከተማ ነው።


        በ1890 ዓ.ም. የቦሊቪያ መንግሥት መቀመጫ በተግባር ከሱክሬ ወደ ላፓዝ ተዛወረ። ይሁንና በሕጋዊ ረገድ (በስም
        ብቻ) ሱክሬ እስከ ዛሬ ድረስ ዋና ከተማነቱን ይዟል።   ላይኛ ችሎቱ ግን እስካሁን በሱክሬ ይገኛል። 


        ቦሊቪያ

        ዋና ከተሞች
      - >-
        passage: ኮንጎ ዴምክራሲያዊት ሪፖብሊክ ምሥራቃዊ አካባቢዎች ውስጥ እሥላማዊ ታጣቂዎች ትናንት ፈፀሙት በተባለ
        ጥቃት 46 ሲቪሎች መገደላቸውን የክፍለሃገሩ የደህንነት ኃላፊ አድጆ ጊዲ ለሮይተርስ ገልፀዋል።የተባበሩት
        ዴሞክራሲያዊ ኃይሎች የሚባል ቡድን ከጥቃቱ ጀርባ እንዳለ በመጠቆም የከሰሱት ጊዲ ኢሩሙ በሚባለው አካባቢ
        ወደምትገኘው ቀበሌ ወታደሮች መላካቸውንና ምርመራ መጀመሩን አመልክተዋል። ምሥራቃዊዎቹ የኮንጎ አካባቢዎች ላይ
        ባለፉት ሁለት ዓመታት ውስጥ በዚሁ ታጣቂ ቡድን በተጣሉ ጥቂቶች ከአንድ ሺህ በላይ ሲቪሎች መገደላቸውን የተባበሩት
        መንግሥታት ድርጅት መረጃ ይጠቁማል።በዩሃንዳ፣ በሩዋንዳና በቡሩንዲ አዋሳኝ አካባቢዎች ላይ ከመቶ በላይ ታጣቂ
        ቡድኖች በየጫካው እንደሚገኙ ተዘግቧል። ቀደም ሲል ለተጣሉት ጥቃቶች እሥላማዊ መንግሥት ቡድን ኃላፊነት ቢወስድም
        የመንግሥታቱ ድርጅት ግን በታጣቂዎቹና በእሥላማዊ መንግሥት ቡድን መካከል ግንኙነት ሰለመኖሩ ማረጋገጫ አለማግኘቱን
        ይናገራል።
      - >-
        passage: የኮንጎ ዲሞክራስያዊ ሪፑብሊክ ሞሴ ካቱምቢ (Moise Katumbi) የተባሉ ተቃዋሚ ፖለቲከኛ ባዕዳን
        ቅጥረኞችን ተጠቅመዋል በሚለው ወሬ ላይ ምርመራ እንደጀመረች የመንግስት ባለስልጣኖች ትላንት ረቡዕ
        ተናግረዋል።የፍትህ ሚኒስትር አሌክስ ታምብዌ ምዋምባ በርካታ የቀድሞ አሜሪካውያን ወታደሮች በካታንጋ ክፍለ-ሀገር
        የካቱምቢ ጠባቂዎች ሆነው እንየሰሩ መሆናቸውን የሚያሳይ “የሰነድ መረጃ” አለን ብለዋል።ካታንጋ የተባለችው የነሃስ
        ማዕዳን ያላት ክፍለ-ሀገር አስተዳዳሪ ሆነው ሰርተው የነበሩት ካቱምቢ ባለፈው መስከረም ወር ከፕረዚዳንት ጆሴፍ
        ካቢላ መንግስት ወጥተው ከተቃዋሚዎች ጋር ተቀላቅለዋል።አንድ ተቃዋሚ ቡድን ካቱምቢ በያዝነው አመት በሚካሄደው
        ፕረዚዳንታዊ ምርጫ እንዲወዳደሩ የሚጠይቅ የስም ዝርዝር ባለፈው እሁድ አቅርቦ ካቱምቢ ተቀብለውታል።ተቃዋሚው
        ፖለቲከኛ ባዕዳን ቅጥረኞችን እየመለመሉ ነው የሚለውን ክስ አስተባብለዋል። እኔን በፖለቲካ ለመጉዳት የታቀደ ክስ
        ነው ብለዋል።
datasets:
  - nebhailema/AfriXIR
pipeline_tag: sentence-similarity
library_name: sentence-transformers

AfriXIR dense retriever

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-base on the AfriXIR dataset. It maps inputs to a 768-dimensional dense vector space and can be used for passage retrieval.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: intfloat/multilingual-e5-base
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Cosine Similarity
  • Supported Modality: Text
  • Training Dataset:
  • Languages: am, ha, om, sn, so, sw, yo, zu
  • License: apache-2.0

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'XLMRobertaModel'})
  (1): Pooling({'embedding_dimension': 768, 'pooling_mode': 'mean', 'include_prompt': True})
  (2): Normalize({'module_input_name': 'sentence_embedding', 'module_output_name': 'sentence_embedding'})
)

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("nebhailema/afrixir-e5-base")
# Run inference
queries = [
    'query: የኪርጊዝ ሪፐብሊክ እግር ኳስ ፌዴሬሽን',
]
documents = [
    'passage: የኪርጊዝ ሪፐብሊክ እግር ኳስ ፌዴሬሽን የኪርጊዝስታን እግር ኳስ አስተዳዳሪ አካል ነው። ፌዴሬሽኑ የኪርጊዝስታን ብሔራዊ እግር ኳስ ቡድንንና የኪርጊዝስታን ብሔራዊ ፉትሳል ቡድንን ይቆጣጠራል። በተጨማሪም የተለያዩ ብሔራዊ ውድድሮችን ያዘጋጃል።\n\nየውጭ መያያዣዎች\n  ይፋዊ ድረ ገጽ\n  የፊፋ ድረ ገጽ ስለ ኪርጊዝስታን \n\nኪ\nኪርጊዝስታን',
    'passage: የኮንጎ ዲሞክራስያዊ ሪፑብሊክ ሞሴ ካቱምቢ (Moise Katumbi) የተባሉ ተቃዋሚ ፖለቲከኛ ባዕዳን ቅጥረኞችን ተጠቅመዋል በሚለው ወሬ ላይ ምርመራ እንደጀመረች የመንግስት ባለስልጣኖች ትላንት ረቡዕ ተናግረዋል።የፍትህ ሚኒስትር አሌክስ ታምብዌ ምዋምባ በርካታ የቀድሞ አሜሪካውያን ወታደሮች በካታንጋ ክፍለ-ሀገር የካቱምቢ ጠባቂዎች ሆነው እንየሰሩ መሆናቸውን የሚያሳይ “የሰነድ መረጃ” አለን ብለዋል።ካታንጋ የተባለችው የነሃስ ማዕዳን ያላት ክፍለ-ሀገር አስተዳዳሪ ሆነው ሰርተው የነበሩት ካቱምቢ ባለፈው መስከረም ወር ከፕረዚዳንት ጆሴፍ ካቢላ መንግስት ወጥተው ከተቃዋሚዎች ጋር ተቀላቅለዋል።አንድ ተቃዋሚ ቡድን ካቱምቢ በያዝነው አመት በሚካሄደው ፕረዚዳንታዊ ምርጫ እንዲወዳደሩ የሚጠይቅ የስም ዝርዝር ባለፈው እሁድ አቅርቦ ካቱምቢ ተቀብለውታል።ተቃዋሚው ፖለቲከኛ ባዕዳን ቅጥረኞችን እየመለመሉ ነው የሚለውን ክስ አስተባብለዋል። እኔን በፖለቲካ ለመጉዳት የታቀደ ክስ ነው ብለዋል።',
    'passage: ሱክሬ በይፋ የቦሊቪያ ዋና ከተማ ነው።\n\nበ1890 ዓ.ም. የቦሊቪያ መንግሥት መቀመጫ በተግባር ከሱክሬ ወደ ላፓዝ ተዛወረ። ይሁንና በሕጋዊ ረገድ (በስም ብቻ) ሱክሬ እስከ ዛሬ ድረስ ዋና ከተማነቱን ይዟል።   ላይኛ ችሎቱ ግን እስካሁን በሱክሬ ይገኛል። \n\nቦሊቪያ\nዋና ከተሞች',
]
query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# [1, 768] [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(query_embeddings, document_embeddings)
print(similarities)
# tensor([[0.7985, 0.2083, 0.1174]])

Evaluation

Full-corpus passage retrieval on AfriXIR for Amharic, Hausa, Oromo, Shona, Somali, Swahili, Tigrinya, and Yoruba. avg is the query-weighted average across those languages. The best value in that column is bold.

Reranker rows rerank the top 50 passages from a frozen dense retriever.

Dense

Dense retrievers compared with each other on recall@5, recall@10, nDCG@10, and MRR@10.

recall@5

model amharic hausa oromo shona somali swahili tigrinya yoruba avg
dense mini 0.7805 0.6940 0.5643 0.6270 0.6637 0.7081 0.7755 0.6024 0.7233
e5-small 0.8741 0.8014 0.7418 0.8162 0.8088 0.8451 0.8571 0.7359 0.8379
e5-base 0.8886 0.8691 0.7810 0.8000 0.8526 0.8738 0.8571 0.7590 0.8629
e5-large 0.8948 0.8809 0.7974 0.8324 0.8841 0.8993 0.7755 0.7550 0.8738
M3 dense 0.7067 0.6264 0.4630 0.5892 0.5894 0.6488 0.7551 0.5231 0.6501

recall@10

model amharic hausa oromo shona somali swahili tigrinya yoruba avg
dense mini 0.8285 0.7644 0.6362 0.6973 0.7334 0.7827 0.8163 0.6737 0.7820
e5-small 0.9072 0.8718 0.8007 0.8811 0.8774 0.9012 0.8980 0.7982 0.8844
e5-base 0.9209 0.9070 0.8410 0.8649 0.9224 0.9133 0.8571 0.8233 0.9042
e5-large 0.9273 0.9242 0.8551 0.8811 0.9359 0.9344 0.8163 0.8143 0.9131
M3 dense 0.7584 0.6931 0.5381 0.6595 0.6704 0.7208 0.7755 0.5944 0.7112

ndcg@10

model amharic hausa oromo shona somali swahili tigrinya yoruba avg
dense mini 0.7129 0.5933 0.4881 0.5533 0.5709 0.6234 0.6532 0.5160 0.6464
e5-small 0.8086 0.7077 0.6464 0.7233 0.7270 0.7653 0.7810 0.6609 0.7635
e5-base 0.8264 0.7661 0.6851 0.7362 0.7691 0.7929 0.7583 0.6855 0.7897
e5-large 0.8294 0.7962 0.7089 0.7499 0.8061 0.8147 0.7093 0.6677 0.7997
M3 dense 0.6340 0.5278 0.4034 0.5053 0.5045 0.5699 0.6650 0.4406 0.5734

mrr@10

model amharic hausa oromo shona somali swahili tigrinya yoruba avg
dense mini 0.6759 0.5387 0.4412 0.5077 0.5192 0.5729 0.6004 0.4658 0.6032
e5-small 0.7766 0.6548 0.5970 0.6736 0.6790 0.7214 0.7437 0.6169 0.7246
e5-base 0.7957 0.7201 0.6350 0.6957 0.7202 0.7534 0.7245 0.6418 0.7527
e5-large 0.7976 0.7544 0.6620 0.7077 0.7643 0.7756 0.6741 0.6208 0.7629
M3 dense 0.5941 0.4746 0.3609 0.4563 0.4518 0.5221 0.6291 0.3917 0.5295

All models

Dense, sparse, multivector, and reranker models compared with each other on recall@5, recall@10, nDCG@10, and MRR@10.

recall@5

model amharic hausa oromo shona somali swahili tigrinya yoruba avg
dense mini 0.7805 0.6940 0.5643 0.6270 0.6637 0.7081 0.7755 0.6024 0.7233
e5-small 0.8741 0.8014 0.7418 0.8162 0.8088 0.8451 0.8571 0.7359 0.8379
e5-base 0.8886 0.8691 0.7810 0.8000 0.8526 0.8738 0.8571 0.7590 0.8629
e5-large 0.8948 0.8809 0.7974 0.8324 0.8841 0.8993 0.7755 0.7550 0.8738
M3 dense 0.7067 0.6264 0.4630 0.5892 0.5894 0.6488 0.7551 0.5231 0.6501
SPLADE mini 0.7759 0.7446 0.7603 0.7405 0.7705 0.7546 0.8163 0.6657 0.7599
M3 sparse 0.7826 0.7356 0.7593 0.7189 0.7627 0.7463 0.8367 0.6536 0.7598
multivector mini 0.8710 0.8177 0.8126 0.8162 0.8358 0.8311 0.9388 0.7841 0.8471
multivector e5-small 0.8868 0.8204 0.7832 0.8108 0.8515 0.8662 0.8980 0.7691 0.8578
multivector e5-base 0.9034 0.8718 0.8246 0.8432 0.8695 0.8719 0.9388 0.7922 0.8789
M3 multi 0.8485 0.7960 0.7919 0.8649 0.8211 0.8260 0.9184 0.7108 0.8246
reranker mini 0.8647 0.8159 0.7462 0.7946 0.8245 0.8305 0.9184 0.7359 0.8336
reranker e5-small 0.8907 0.8430 0.8279 0.8541 0.8673 0.8693 0.9592 0.7871 0.8690
reranker e5-base 0.9082 0.8727 0.8497 0.8486 0.8943 0.8725 0.8980 0.7932 0.8853

recall@10

model amharic hausa oromo shona somali swahili tigrinya yoruba avg
dense mini 0.8285 0.7644 0.6362 0.6973 0.7334 0.7827 0.8163 0.6737 0.7820
e5-small 0.9072 0.8718 0.8007 0.8811 0.8774 0.9012 0.8980 0.7982 0.8844
e5-base 0.9209 0.9070 0.8410 0.8649 0.9224 0.9133 0.8571 0.8233 0.9042
e5-large 0.9273 0.9242 0.8551 0.8811 0.9359 0.9344 0.8163 0.8143 0.9131
M3 dense 0.7584 0.6931 0.5381 0.6595 0.6704 0.7208 0.7755 0.5944 0.7112
SPLADE mini 0.8293 0.7924 0.8115 0.8162 0.8425 0.8317 0.8776 0.7440 0.8192
M3 sparse 0.8279 0.8087 0.8137 0.8000 0.8256 0.8107 0.8776 0.7169 0.8138
multivector mini 0.9008 0.8809 0.8725 0.8541 0.8898 0.8802 0.9388 0.8323 0.8877
multivector e5-small 0.9183 0.8755 0.8573 0.8757 0.9033 0.9146 0.9592 0.8102 0.8995
multivector e5-base 0.9300 0.9206 0.8758 0.8649 0.9123 0.9152 0.9388 0.8394 0.9140
M3 multi 0.8896 0.8484 0.8529 0.8865 0.8763 0.8878 0.9388 0.7751 0.8732
reranker mini 0.8872 0.8547 0.7800 0.8324 0.8605 0.8662 0.9592 0.7620 0.8615
reranker e5-small 0.9206 0.8917 0.8704 0.8811 0.9168 0.9191 0.9592 0.8414 0.9072
reranker e5-base 0.9345 0.9224 0.8987 0.8919 0.9314 0.9344 0.9592 0.8454 0.9229

ndcg@10

model amharic hausa oromo shona somali swahili tigrinya yoruba avg
dense mini 0.7129 0.5933 0.4881 0.5533 0.5709 0.6234 0.6532 0.5160 0.6464
e5-small 0.8086 0.7077 0.6464 0.7233 0.7270 0.7653 0.7810 0.6609 0.7635
e5-base 0.8264 0.7661 0.6851 0.7362 0.7691 0.7929 0.7583 0.6855 0.7897
e5-large 0.8294 0.7962 0.7089 0.7499 0.8061 0.8147 0.7093 0.6677 0.7997
M3 dense 0.6340 0.5278 0.4034 0.5053 0.5045 0.5699 0.6650 0.4406 0.5734
SPLADE mini 0.6816 0.6213 0.6629 0.6763 0.6768 0.6579 0.7696 0.5729 0.6633
M3 sparse 0.6987 0.6469 0.6776 0.6599 0.6835 0.6593 0.7754 0.5562 0.6750
multivector mini 0.8028 0.7163 0.7364 0.7599 0.7551 0.7352 0.8785 0.6876 0.7690
multivector e5-small 0.8272 0.7280 0.7167 0.7688 0.7617 0.7801 0.8876 0.6858 0.7880
multivector e5-base 0.8428 0.7853 0.7429 0.7801 0.7867 0.7989 0.8569 0.7137 0.8098
M3 multi 0.7690 0.6967 0.7113 0.7824 0.7315 0.7365 0.8879 0.6265 0.7410
reranker mini 0.8082 0.7483 0.6906 0.7416 0.7613 0.7523 0.8987 0.6671 0.7722
reranker e5-small 0.8284 0.7397 0.7435 0.7852 0.7814 0.7815 0.9037 0.6999 0.7946
reranker e5-base 0.8449 0.7681 0.7668 0.7903 0.7968 0.7947 0.8769 0.7018 0.8107

mrr@10

model amharic hausa oromo shona somali swahili tigrinya yoruba avg
dense mini 0.6759 0.5387 0.4412 0.5077 0.5192 0.5729 0.6004 0.4658 0.6032
e5-small 0.7766 0.6548 0.5970 0.6736 0.6790 0.7214 0.7437 0.6169 0.7246
e5-base 0.7957 0.7201 0.6350 0.6957 0.7202 0.7534 0.7245 0.6418 0.7527
e5-large 0.7976 0.7544 0.6620 0.7077 0.7643 0.7756 0.6741 0.6208 0.7629
M3 dense 0.5941 0.4746 0.3609 0.4563 0.4518 0.5221 0.6291 0.3917 0.5295
SPLADE mini 0.6338 0.5656 0.6148 0.6319 0.6237 0.6027 0.7358 0.5185 0.6130
M3 sparse 0.6568 0.5950 0.6337 0.6157 0.6376 0.6108 0.7417 0.5047 0.6302
multivector mini 0.7709 0.6631 0.6930 0.7291 0.7118 0.6884 0.8571 0.6407 0.7305
multivector e5-small 0.7977 0.6803 0.6723 0.7352 0.7160 0.7366 0.8652 0.6452 0.7520
multivector e5-base 0.8145 0.7413 0.7000 0.7524 0.7459 0.7612 0.8296 0.6731 0.7760
M3 multi 0.7296 0.6476 0.6660 0.7481 0.6850 0.6880 0.8716 0.5789 0.6982
reranker mini 0.7824 0.7139 0.6618 0.7122 0.7296 0.7152 0.8793 0.6361 0.7431
reranker e5-small 0.7984 0.6900 0.7023 0.7539 0.7379 0.7369 0.8850 0.6541 0.7580
reranker e5-base 0.8156 0.7178 0.7240 0.7572 0.7527 0.7498 0.8509 0.6553 0.7741

Training Details

Training Dataset

AfriXIR

  • Dataset: AfriXIR
  • Size: 112,864 training samples
  • Columns: anchor, positive, negative_0, negative_1, negative_2, and negative_3

Evaluation Dataset

AfriXIR

  • Dataset: AfriXIR
  • Size: 12,546 evaluation samples
  • Columns: anchor, positive, negative_0, negative_1, negative_2, and negative_3

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{oord2019representationlearningcontrastivepredictive,
      title={Representation Learning with Contrastive Predictive Coding},
      author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
      year={2019},
      eprint={1807.03748},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/1807.03748},
}