PartAI/Tooka-SBERT

1---2license: apache-2.03language:4- fa5library_name: sentence-transformers6pipeline_tag: sentence-similarity7tags:8- sentence-transformers9- sentence-similarity10- feature-extraction11- loss:CachedMultipleNegativesRankingLoss12widget:13- source_sentence: درنا از پرندگان مهاجر با پاهای بلند و گردن دراز است.14  sentences:15  - >-16    درناها با قامتی بلند و بال‌های پهن، از زیباترین پرندگان مهاجر به شمار17    می‌روند.18  - درناها پرندگانی کوچک با پاهای کوتاه هستند که مهاجرت نمی‌کنند.19  - ایران برای بار دیگر توانست به مدال طلا دست یابد.20- source_sentence: در زمستان هوای تهران بسیار آلوده است.21  sentences:22  - تهران هوای پاکی در فصل زمستان دارد.23  - مشهد و تهران شلوغ‌ترین شهرهای ایران هستند.24  - در زمستان‌ها هوای تهران پاک نیست.25- source_sentence: یادگیری زبان خارجی فرصت‌های شغلی را افزایش می‌دهد.26  sentences:27  - تسلط بر چند زبان، شانس استخدام در شرکت‌های بین‌المللی را بالا می‌برد.28  - دانستن زبان‌های خارجی تأثیری در موفقیت شغلی ندارد.29  - دمای هوا در قطب جنوب به پایین‌ترین حد خود در 50 سال اخیر رسید.30- source_sentence: سفر کردن باعث گسترش دیدگاه‌های فرهنگی می‌شود.31  sentences:32  - بازدید از کشورهای مختلف به درک بهتر تنوع فرهنگی کمک می‌کند.33  - سفر کردن هیچ تأثیری بر دیدگاه‌های فرهنگی افراد ندارد34  - دمای هوا در قطب جنوب به پایین‌ترین حد خود در 50 سال اخیر رسید.35base_model:36- PartAI/TookaBERT-Large37---38 39> [!warning] **Important**40> 41> We recently released the next generation of this model available at:42>43> [Tooka-SBERT-V2-Small](https://huggingface.co/PartAI/Tooka-SBERT-V2-Small)44>45> [Tooka-SBERT-V2-Large](https://huggingface.co/PartAI/Tooka-SBERT-V2-Large)46 47# SentenceTransformer48 49This is a [sentence-transformers](https://www.SBERT.net) model trained. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.50 51## Model Details52 53### Model Description54- **Model Type:** Sentence Transformer55- **Base model:** [TookaBERT-Large](https://huggingface.co/PartAI/TookaBERT-Large)56- **Maximum Sequence Length:** 512 tokens57- **Output Dimensionality:** 1024 tokens58- **Similarity Function:** Cosine Similarity59- **Language:** Persian60 61 62## Usage63 64### Direct Usage (Sentence Transformers)65 66First install the Sentence Transformers library:67 68```bash69pip install -U sentence-transformers70```71 72Then you can load this model and run inference.73```python74from sentence_transformers import SentenceTransformer75 76# Download from the 🤗 Hub77model = SentenceTransformer("PartAI/Tooka-SBERT")78# Run inference79sentences = [80    'درنا از پرندگان مهاجر با پاهای بلند و گردن دراز است.',81    'درناها با قامتی بلند و بال‌های پهن، از زیباترین پرندگان مهاجر به شمار می‌روند.',82    'درناها پرندگانی کوچک با پاهای کوتاه هستند که مهاجرت نمی‌کنند.'83]84embeddings = model.encode(sentences)85print(embeddings.shape)86# [3, 1024]87 88# Get the similarity scores for the embeddings89similarities = model.similarity(embeddings, embeddings)90print(similarities.shape)91# [3, 3]92```93 94## Citation95 96### BibTeX97 98#### Sentence Transformers99```bibtex100@inproceedings{reimers-2019-sentence-bert,101    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",102    author = "Reimers, Nils and Gurevych, Iryna",103    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",104    month = "11",105    year = "2019",106    publisher = "Association for Computational Linguistics",107    url = "https://arxiv.org/abs/1908.10084",108}109```110 111#### CachedMultipleNegativesRankingLoss112```bibtex113@misc{gao2021scaling,114    title={Scaling Deep Contrastive Learning Batch Size under Memory Limited Setup}, 115    author={Luyu Gao and Yunyi Zhang and Jiawei Han and Jamie Callan},116    year={2021},117    eprint={2101.06983},118    archivePrefix={arXiv},119    primaryClass={cs.LG}120}121```