Upload folder using huggingface_hub

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "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
+}

README.md

@@ -1,3 +1,456 @@
----
-license: mit
----
+---
+base_model: aubmindlab/bert-base-arabertv02
+language:
+- ar
+library_name: sentence-transformers
+license: apache-2.0
+metrics:
+- cosine_accuracy
+- dot_accuracy
+- manhattan_accuracy
+- euclidean_accuracy
+- max_accuracy
+pipeline_tag: sentence-similarity
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:550000
+- loss:MultipleNegativesRankingLoss
+widget:
+- source_sentence: ما هو متوسط ​​مزايا الضمان الاجتماعي
+  sentences:
+  - الغرض الرئيسي من الدورة الشهرية هو تحضير الجسد الأنثوي للتكاثر أو الحمل. خلال
+    هذا الوقت ، يتم تخصيب بويضة جديدة. إذا لم تكن المرأة حاملاً ، فسوف يسفك الرحم.
+  - ما هو معدل الاستحقاق الشهري للعامل المتقاعد؟ متوسط ​​استحقاق تقاعد الضمان الاجتماعي
+    الشهري لشهر يناير 2016 هو 1،341 دولارًا. المبلغ يتغير شهريا. عندما تكون جاهزًا
+    للتقدم بطلب للحصول على مزايا التقاعد ، استخدم تطبيق التقاعد عبر الإنترنت ، وهو
+    الطريقة الأسرع والأسهل والأكثر ملاءمة للتقدم. معلومات اكثر. حقائق أساسية عن الضمان
+    الاجتماعي.
+  - لإعطائك فكرة عما قد تتلقاه ، لعام 2015 ، يبلغ متوسط ​​مبلغ مخصصات SSDI 1165 دولارًا
+    أمريكيًا في الشهر ، ولكن يمكنك الحصول على ما يصل إلى 2663 دولارًا أمريكيًا ، إذا
+    كنت مهتمًا بكيفية حساب الضمان الاجتماعي لـ AIME و PIA ، فإليك الطريقة . كم ستعتمد
+    إعانة إعاقة الضمان الاجتماعي على أرباحك المغطاة - الأجور التي دفعت عليها ضرائب
+    الضمان الاجتماعي - قبل أن تصبح معاقًا.
+- source_sentence: ما هو الراتب الابتدائي لمن يلتحق بالجيش
+  sentences:
+  - كان الراتب المبدئي لجندي في الجيش الأمريكي بدرجة رواتب E-1 هو 1،491 دولارًا شهريًا
+    اعتبارًا من السنة المالية 2012 ، وفقًا لموقع ArmyTimes.com. جندي برتبة أجر E-4
+    وله أكثر من أربع سنوات في الخدمة تلقى 2،266.50 دولارًا شهريًا. الجندي الأعلى رتبة
+    في الجيش الأمريكي هو الرقيب الرائد ، الذي يحمل رتبة أجر من E-9. كان الراتب الأساسي
+    الشهري للجندي بدرجة رواتب E-9 مع 20 عامًا في الخدمة هو 5،523.60 دولارًا.
+  - 17 التعليقات. Meclizine هو الاسم العام للدواء المسمى Antivert والأدوية التي لا
+    تستلزم وصفة طبية (OTC) المعروفة باسم Dramamine و Bonine. يستخدم ميكليزين لعلاج
+    دوار الحركة والدوخة. ينتمي الدواء إلى فئة من العقاقير تسمى مضادات الهيستامين ،
+    والتي تستخدم بشكل عام لعلاج الحساسية ، ومع ذلك ، يعمل الميكليزين بشكل مختلف قليلاً
+    ، حيث يقلل من الغثيان وتشنجات العضلات ، ويستخدم عقار كليزين لعلاج دوار الحركة
+    والدوخة. ينتمي الدواء إلى فئة من العقاقير تسمى مضادات الهيستامين ، والتي تستخدم
+    بشكل عام لعلاج الحساسية.
+  - تأسيس حزمة الراتب الخاص بك. جنود الخدمة الفعلية وجنود الاحتياط في الجيش النشطين
+    يكسبون رواتب الجيش الأساسية. الراتب الأساسي هو راتبك الأساسي كجندي في الخدمة الفعلية
+    ويتم احتسابه فقط كجزء من إجمالي دخلك ، ويتم توزيعه في اليوم الأول والخامس عشر
+    من كل شهر ، على غرار العديد من الوظائف المدنية. جنود الخدمة الفعلية وجنود الاحتياط
+    في الجيش النشطين يكسبون رواتب الجيش الأساسية. الراتب الأساسي هو راتبك الأساسي
+    كجندي في الخدمة الفعلية وهو يُحتسب فقط كجزء من إجمالي دخلك.
+- source_sentence: إدانة والد جاريد كوشنر
+  sentences:
+  - تم تعيين صهر دونالد ترامب جاريد كوشنر `` مستشارًا كبيرًا للرئيس '' يوم الاثنين
+    وكان كوشنر فعالًا في حملة ترامب وأشار إلى أنه يخطط للانتقال إلى واش��طن والعمل
+    لصالح الرئيس المنتخب.
+  - تشارلز كوشنر. تشارلز كوشنر (من مواليد 16 مايو 1954) هو مطور عقاري أمريكي ومجرم
+    مدان. أسس شركات كوشنر في عام 1985. وفي عام 2005 ، أدين بالمساهمات غير القانونية
+    في الحملة ، والتهرب الضريبي ، والتلاعب بالشهود ، وقضى فترة في السجن الفيدرالي.
+    بعد إطلاق سراحه ، استأنف مسيرته المهنية في مجال العقارات.
+  - '191 متابع. ج: بشكل عام ، يجب إصلاح الفتق المعرضة لخطر حدوث مضاعفات ، أو التي
+    تسبب الألم ، أو التي تحد من النشاط. إذا لم يتم إصلاحها ، فهناك خطر من أن عملية
+    جراحية طارئة قد تكون مطلوبة في وقت لاحق. في بعض الأحيان ، يمكن السيطرة على الفتق
+    مؤقتًا عن طريق ارتداء جهاز يشبه الحزام يطبق ضغطًا خارجيًا ، مما يدفع الأنسجة مرة
+    أخرى إلى البطن ويحملها هناك ، وهذا الجهاز يسمى الجمالون ، وفي بعض الأحيان ، يمكن
+    التحكم في الفتق مؤقتًا عن طريق ارتداء جهاز يشبه الحزام يطبق ضغطًا خارجيًا ، والذي
+    يدفع الأنسجة مرة أخرى إلى البطن ويثبتها هناك. هذا الجهاز يسمى الجمالون.'
+- source_sentence: لماذا اتسعت الاقدام؟
+  sentences:
+  - لأن الجمال تمشي لمسافات طويلة للعثور على الماء ، إذا كانت أقدامها واسعة فإنها
+    تجد أنه من الأسهل أن تمشي لمسافات طويلة. كما أن الأرجل العريضة تساعد الجمل على
+    عدم الغرق في الرمال العميقة.
+  - دليل لزراعة نبات الخشخاش المائي. كان خشخاش الأفيون ، Papaver somniferum ، يزرعه
+    الإنسان منذ عصور ما قبل التاريخ. تنمو اليوم P. ​​somniferum في الحدائق والبراري
+    في معظم أنحاء العالم ، بما في ذلك الولايات المتحدة وأوروبا. لا يكاد يوجد سوبر
+    ماركت في العالم لا يبيع بذوره. دليل لزراعة نبات الخشخاش المائي. كان خشخاش الأفيون
+    ، Papaver somniferum ، يزرعه الإنسان منذ عصور ما قبل التاريخ. تنمو اليوم P. ​​somniferum
+    في الحدائق والبراري في معظم أنحاء العالم ، بما في ذلك الولايات المتحدة وأوروبا.
+    لا يكاد يوجد سوبر ماركت في العالم لا يبيع بذوره.
+  - نشأت الجمال من أمريكا الشمالية. تشير الأدلة الأحفورية إلى أن كاميلوبس ، رائد الجمل
+    الحديث ، ظهر في الحي الذي كان يعيش فيه قبل 2.5 مليون سنة ، وقد انتقلت هذه الحيوانات
+    من الأمريكتين منذ 10000 عام ، لكن أقاربها هاجروا إلى آسيا ثم أفريقيا ، حيث بقوا
+    على قيد الحياة. اليوم ، هذه هي الإبل الحقيقية ، الدروماري والبكتريا. نحن نعلم
+    أيضًا أن الإبل في أمريكا الجنوبية ، بما في ذلك اللاما ، والألبكة ، وغواناكو ،
+    وفيكونا ، فيكو ، نشأت من. يمكن العثور على روابط Camelops للمزيد. معلومة
+- source_sentence: هل توجد مخازن في الجهاز الهضمي
+  sentences:
+  - كازينو - لعبة ورق يتم فيها أخذ البطاقات على الطاولة وبطاقات مؤهلة في اليد. كاسينو.
+    لعبة الورق ، البطاقات - لعبة تلعب بأوراق اللعب. الكازينو الملكي - أحد أشكال الكازينو
+    حيث تحتوي بطاقات الوجه على قيم نقاط إضافية. كازينو الأشياء بأسمائها الحقيقية -
+    أحد أشكال الكازينو حيث تكون قيمة البستوني نقطة واحدة.
+  - بي دي إف. نص. أصلي. الإنسان كائن معقد لأن الإنسان يتكون من تريليونات من الخلايا
+    والكثير من الأجهزة والأعضاء ، ومن بعض الأجهزة الرئيسية أجهزة الدورة الدموية والجهاز
+    الهيكلي والجهاز الهضمي والجهاز العصبي والجهاز التنفسي. نص. أصلي. الإنسان كائن
+    حي معقد لأن الإنسان يتكون من تريليونات من الخلايا والكثير من الأجهزة والأ��ضاء
+    ، ومن بعض الأجهزة الرئيسية أجهزة الدورة الدموية والجهاز الهيكلي والجهاز الهضمي
+    والجهاز العصبي والجهاز التنفسي.
+  - '1 إطلاق الماء والأحماض والإنزيمات والمخازن بواسطة الجهاز الهضمي والأعضاء الملحقة
+    في تجويف الجهاز الهضمي. 2 الامتصاص. 3 حركة الجزيئات العضوية الصغيرة ، والإلكتروليتات
+    ، والفيتامينات ، والمياه عبر ظهارة الجهاز الهضمي وإلى الدم والجهاز الليمفاوي والجهاز
+    الهضمي (وتسمى أيضًا القناة الهضمية أو الجهاز الهضمي). 1 الجهاز الهضمي عبارة عن
+    أنبوب مستمر يمتد من الفم إلى فتحة الشرج. 2 ويشمل الأعضاء التالية: 3 فم. 4 بلعوم.
+    5 مريء. 6 بطن. 7 ـ الأمعاء الدقيقة. 8 الأمعاء الغليظة.'
+model-index:
+- name: BERT base trained on Arabic NLI triplets
+  results:
+  - task:
+      type: triplet
+      name: Triplet
+    dataset:
+      name: ar nli dev
+      type: ar-nli-dev
+    metrics:
+    - type: cosine_accuracy
+      value: 0.738
+      name: Cosine Accuracy
+    - type: dot_accuracy
+      value: 0.295
+      name: Dot Accuracy
+    - type: manhattan_accuracy
+      value: 0.763
+      name: Manhattan Accuracy
+    - type: euclidean_accuracy
+      value: 0.708
+      name: Euclidean Accuracy
+    - type: max_accuracy
+      value: 0.763
+      name: Max Accuracy
+---
+
+# BERT base trained on Arabic NLI triplets
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [aubmindlab/bert-base-arabertv02](https://huggingface.co/aubmindlab/bert-base-arabertv02). 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:** [aubmindlab/bert-base-arabertv02](https://huggingface.co/aubmindlab/bert-base-arabertv02) <!-- at revision 016fb9d6768f522a59c6e0d2d5d5d43a4e1bff60 -->
+- **Maximum Sequence Length:** 512 tokens
+- **Output Dimensionality:** 768 tokens
+- **Similarity Function:** Cosine Similarity
+<!-- - **Training Dataset:** Unknown -->
+- **Language:** ar
+- **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': 512, '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:
+
+```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("sentence_transformers_model_id")
+# Run inference
+sentences = [
+    'هل توجد مخازن في الجهاز الهضمي',
+    '1 إطلاق الماء والأحماض والإنزيمات والمخازن بواسطة الجهاز الهضمي والأعضاء الملحقة في تجويف الجهاز الهضمي. 2 الامتصاص. 3 حركة الجزيئات العضوية الصغيرة ، والإلكتروليتات ، والفيتامينات ، والمياه عبر ظهارة الجهاز الهضمي وإلى الدم والجهاز الليمفاوي والجهاز الهضمي (وتسمى أيضًا القناة الهضمية أو الجهاز الهضمي). 1 الجهاز الهضمي عبارة عن أنبوب مستمر يمتد من الفم إلى فتحة الشرج. 2 ويشمل الأعضاء التالية: 3 فم. 4 بلعوم. 5 مريء. 6 بطن. 7 ـ الأمعاء الدقيقة. 8 الأمعاء الغليظة.',
+    'بي دي إف. نص. أصلي. الإنسان كائن معقد لأن الإنسان يتكون من تريليونات من الخلايا والكثير من الأجهزة والأعضاء ، ومن بعض الأجهزة الرئيسية أجهزة الدورة الدموية والجهاز الهيكلي والجهاز الهضمي والجهاز العصبي والجهاز التنفسي. نص. أصلي. الإنسان ك��ئن حي معقد لأن الإنسان يتكون من تريليونات من الخلايا والكثير من الأجهزة والأعضاء ، ومن بعض الأجهزة الرئيسية أجهزة الدورة الدموية والجهاز الهيكلي والجهاز الهضمي والجهاز العصبي والجهاز التنفسي.',
+]
+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]
+```
+
+<!--
+### 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
+
+#### Triplet
+* Dataset: `ar-nli-dev`
+* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
+
+| Metric             | Value     |
+|:-------------------|:----------|
+| cosine_accuracy    | 0.738     |
+| dot_accuracy       | 0.295     |
+| manhattan_accuracy | 0.763     |
+| euclidean_accuracy | 0.708     |
+| **max_accuracy**   | **0.763** |
+
+<!--
+## 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 Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 16
+- `per_device_eval_batch_size`: 16
+- `learning_rate`: 2e-05
+- `num_train_epochs`: 1
+- `warmup_ratio`: 0.1
+- `fp16`: True
+- `batch_sampler`: no_duplicates
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: steps
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 16
+- `per_device_eval_batch_size`: 16
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 1
+- `eval_accumulation_steps`: None
+- `torch_empty_cache_steps`: None
+- `learning_rate`: 2e-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`: 1
+- `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
+- `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`: 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
+- `eval_on_start`: False
+- `eval_use_gather_object`: False
+- `batch_sampler`: no_duplicates
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+| Epoch  | Step | Training Loss | ar-nli-dev_max_accuracy |
+|:------:|:----:|:-------------:|:-----------------------:|
+| 0      | 0    | -             | 0.763                   |
+| 0.0640 | 100  | 1.2212        | -                       |
+| 0.1280 | 200  | 0.4768        | -                       |
+| 0.1919 | 300  | 0.4315        | -                       |
+| 0.2559 | 400  | 0.3696        | -                       |
+| 0.3199 | 500  | 0.3762        | -                       |
+| 0.3839 | 600  | 0.327         | -                       |
+| 0.4479 | 700  | 0.3332        | -                       |
+| 0.5118 | 800  | 0.3227        | -                       |
+| 0.5758 | 900  | 0.3311        | -                       |
+| 0.6398 | 1000 | 0.2997        | -                       |
+| 0.7038 | 1100 | 0.2991        | -                       |
+| 0.7678 | 1200 | 0.2823        | -                       |
+| 0.8317 | 1300 | 0.2663        | -                       |
+| 0.8957 | 1400 | 0.2776        | -                       |
+| 0.9597 | 1500 | 0.2651        | -                       |
+
+
+### Framework Versions
+- Python: 3.10.14
+- Sentence Transformers: 3.1.1
+- Transformers: 4.44.2
+- PyTorch: 2.4.0
+- Accelerate: 0.34.2
+- Datasets: 3.0.0
+- Tokenizers: 0.19.1
+
+## 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",
+}
+```
+
+#### 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.*
+-->

config.json

@@ -0,0 +1,25 @@
+{
+  "_name_or_path": "aubmindlab/bert-base-arabertv02",
+  "architectures": [
+    "BertModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "classifier_dropout": null,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-12,
+  "max_position_embeddings": 512,
+  "model_type": "bert",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "pad_token_id": 0,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.44.2",
+  "type_vocab_size": 2,
+  "use_cache": true,
+  "vocab_size": 64000
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.1.1",
+    "transformers": "4.44.2",
+    "pytorch": "2.4.0"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": null
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:81751782980292a5f5607d67fe01ccc891f30b323a35bc519a668bd4a7a68430
+size 540795752

modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 512,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,37 @@
+{
+  "cls_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "[MASK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "[PAD]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "[SEP]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "[UNK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer_config.json

@@ -0,0 +1,86 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "[PAD]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "[UNK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "[SEP]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "4": {
+      "content": "[MASK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "5": {
+      "content": "[رابط]",
+      "lstrip": false,
+      "normalized": true,
+      "rstrip": false,
+      "single_word": true,
+      "special": true
+    },
+    "6": {
+      "content": "[بريد]",
+      "lstrip": false,
+      "normalized": true,
+      "rstrip": false,
+      "single_word": true,
+      "special": true
+    },
+    "7": {
+      "content": "[مستخدم]",
+      "lstrip": false,
+      "normalized": true,
+      "rstrip": false,
+      "single_word": true,
+      "special": true
+    }
+  },
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "[CLS]",
+  "do_basic_tokenize": true,
+  "do_lower_case": false,
+  "mask_token": "[MASK]",
+  "max_len": 512,
+  "model_max_length": 512,
+  "never_split": [
+    "[بريد]",
+    "[مستخدم]",
+    "[رابط]"
+  ],
+  "pad_token": "[PAD]",
+  "sep_token": "[SEP]",
+  "strip_accents": null,
+  "tokenize_chinese_chars": true,
+  "tokenizer_class": "BertTokenizer",
+  "unk_token": "[UNK]"
+}