File size: 113,254 Bytes

b251fb6

---
language:
- en
license: apache-2.0
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:40237
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
base_model: rasyosef/bert-small-amharic
widget:
- source_sentence: የኦሮሞ ፌዴራላዊ ኮንግሬስ (ኦፌኮ) በወልዲያ ተማሪዎች ላይ የደረሰውን ጥቃት አወገዘ
  sentences:
  - በአማራ ክልል ከውጭና ከውስጥ አገር የመጡ ከ8 ነጥብ 6 ሚሊየን በላይ ቱሪስቶች በተለያዩ የቱሪዝም መስህቦች መጎብኘታቸውን
    የባህል፣ ቱሪዝምና ፓርኮች ልማት ቢሮ አስታወቀ ፡፡የቢሮው የቅርስ ጥበቃና ቱሪዝም ልማት ዋና የስራ ሂደት መሪ አቶ የሺዋስ
    ደሣለኝ ዛሬ እንደገለጹት ፤ቀደም ሲል በክልሉ ተፈጥሮ በነበረው ሁከት ሳቢያ በመጠኑ ተቀዛቅዞ የነበረው የቱሪዝም ፍሰት አሁን
    ላይ ወደ ነበረበት ተመልሷል ፡፡ባለፉት ዘጠኝ ወራት ብቻ በክልሉ በሚገኙ ላሊበላ ፣ዓባይ ጢስና ሰሜን ትራሮች ብሄራዊ ፓርክ
    ጨምሮ በተለያዩ ታሪካዊ ፣ሃይማኖታዊና ተፈጥሮአዊ መስህቦች ላይ  8 ሚሊየን 665 ሺ 424 ቱሪስቶች ጎብኝተዋል ፡፡ከነዚሁም
    ውስጥ ከ8 ነጥብ 5 ሚሊየን በላይ ጎብኚዎች ከተለያዩ የሀገራችን ክፍሎች የመጡ ሲሆኑ፤ 87ሺ 463 ጎብኚዎች ደግሞ ከአሜሪካ፣ከአውሮፓ፣ከኤስያና
    ከሌሎች የዓለማችን አገሮች የመጡ መሆናቸውን ነው ያመለከቱት ፡፡ከነዚህ የውጭና የውስጥ ቱሪስቶች በቱሪዝም መስህብ ስፍራዎች
    በቆዩበት  ጊዜ ለጉብኝት፣ለልዩ ልዩ አገልግሎቶችና ለስጦታ እቃዎች ባወጡት ወጪ ከ2 ቢሊየን ብር በላይ ገቢ መገኘቱን ገልጸዋል
    ፡፡በክልሉ አንጻራዊ ሰላም እየሰፈነ በመምጣቱም በተለይም የሀገር ውስጥ ቱሪስቶች ፍሰት ከዓምናው ተመሳሳይ ወቅት ጋር ተመሳሳይ
    መሆኑን ገልጸዋል ፡፡የውጭ አገር ቱሪስቶችም ቢሆን በሁከቱ ወቅት የተወሰነ መዳከም ታይቶ የነበረ ቢሆንም አሁን ላይ የቱሪስት
    ፍሰቱ ወደ ነበረበት እየተመለሰ መሆኑን ነው ያስታወቁት ፡፡የክልሉ የቱሪዝም ፍሰት የበለጠ ለማሻሻልም ዓውደ ርኢይና ባዛር ፣የሀገር
    ውስጥና የውጭ ስብሰባዎችን በማዘጋጀት ፣ታላቅ ሃይማኖታዊ ጉዞዎችና ክብረ በዓላት በማስተባበር እንደዚሁም በተለያዩ የመገናኛ
    ብዙሃን የማስተዋወቅ ስራ መከናወናቸውን አስረድተዋል ፡፡
  - የኦሮሞ ፌዴራላዊ ኮንግሬስ (ኦፌኮ) ጥቅምት 29/2012 በወልዲያ ዩንቨርሲቲ ተማሪዎች ላይ የተፈፀመዉን የግድያ ወንጀል እና
    ድብደባ አወገዘ።ኦፌኮ ‹‹የነገን ወጣት ትውልድ በመግደል ደም በማፍሰስ እና ሕዝብን አጋጭቶ ሥልጣን ለመያዝ የሚደረገው ሩጫ
    ይቁም!›› ሲል ባወጣው መግለጫ፤ ‹‹በሕገ ወጦች የተፈጸመውን የተማሪዎች ድብደባ እና እገታን ፓርቲያችን አጥብቆ ያወግዛል››
    ሲል አክሏል።ሕዝብን እርስ በርስ በማጋጨት በማፈናቀል በአቋራጭ ሥልጣን ለመያዝ የሚደረገዉ ጥረት፣ የአገሪቱን ሕዝቦች ወደ ሌላ
    የማያባራ የእርስ በርስ ግጭት የሚያመራ በመሆኑ ወንጀለኞቹን በመያዝ ተገቢዉን ቅጣት እንዲያገኙ ፓርቲዉ ጠይቋል። ለዚህ እኩይ
    ድርጊት አጸፋ ለመመለስ በሚል ሌላ ግጭት እንዳይፈጠርም ጥንቃቄ እንዲደረግ ሲል አሰስቧል።
  - "በአማራ ክልል ሰኔ 15 ቀን 2011 ዓ.ም ከደረሰው ጥቃት ጋር በተያያዘ ተጠርጥረው በእስር ላይ ከነበሩት ከፍተኛ የፀጥታ\
    \ ዘርፍ አመራሮች መካከል ሦስቱ በ10 ሺሕ ብር ዋስ ተፈቱ። ዛሬ ማምሻውን ከእስር የተለቀቁት፤የአማራ ክልል ልዩ ኃይል ኃላፊ\
    \ የነበሩት ብሪጋዲየር ጄነራል ተፈራ ፣ የክልሉ ሕዝብ ደህንነትና የሰላም ግንባታ ቢሮ ምክትል ኃላፊ የነበሩት ኮሎኔል አለበል\
    \ አማረና የአማራ ክልል ሚሊሽያ ጽ/ቤት ኃላፊ የነበሩት ኮሎኔል በአምላኩ አባይ መሆናቸውን የክልሉ ጠቅላይ ዐቃቤ ሕግ አቶ\
    \ ኢዮብ ጌታቸው ለአሜሪካ ድምፅ ተናግረዋል።(ዝርዝሩን ከተያያዘው የድምፅ ፋይል ያዳምጡ)\n "
- source_sentence: የኢትዮጵያ አየር መንገድ አውሮፕላንን የጠለፈው ረዳት አብራሪ የአዕምሮ ችግር እንዳለበት ተረጋገጠ
  sentences:
  - የኢፌዴሪ ቀዳማዊት እመቤት ወይዘሮ ዝናሽ ታያቸው የጽህፈት ቤታቸውን የትኩረት አቅጣጫዎች ይፋ አድርገዋል።ቀዳማዊት እመቤቷ በተለይም
    በህጻናትና በሴቶች ደህንነት ትኩረት በማድረግ በህጻናት ላይ የሚታየውን የተመጣጠነ ምግብ እጥረት እንዲሁም ያለእድሜ ጋብቻ፣
    ጠለፋ፣ ተገዶ መደፈርና የሴት ልጅ ግርዛትን ከሚመለከታቸው አካላት ጋር በመተባበር ለመከላከል እንደሚሰሩ ጽህፈት ቤቱ ለዋልታ
    በላከው መግለጫ አስታውቋል።ትምህርት ድህነትን ለመዋጋት ወሳኝ ቁልፍ መሆኑን በእጅጉ የሚረዱት ቀዳማዊት እመቤቷ እድሜያቸው ለትምህርት
    የደረሱ ህጻናት ሁሉ መማር እንዲችሉ ጥረት እንደሚያደርጉም ነው በመግለጫው የተመለከተው።ለትምህርት ማነቆ  የሚሆኑ ችግሮችን
    በመለየት ጥራቱን የጠበቀ ትምህርት እንዲያገኙ የበኩላቸውን ጥረት እንደሚያደርጉ ተገልጿል።ቀዳማዊት እመቤት ወይዘሮ ዝናሽ  በተለያዩ
    ማህበራዊ ቀውሶች ሳቢያ በየጎዳናው ያሉ ህጻናትና አረጋውያን መጠለያ፣ ምግብና እንዲሁም አስፈላጊውን የጤና እንክብካቤ አግኝተው
    ወደ ህብረተሰቡ እንዲቀላቀሉ የሚችሉትን ሁሉ ለማድረግ እንደሚሰሩ ጽህፈት ቤቱ አስታውቋል። በተጨማሪም በአዕምሮ ህመም ሳቢያ
    ለተለያዩ አካላዊና ጾታዊ ጥቃት የሚጋለጡ ዜጎች ተገቢውን የጤና እንክብካቤ እንዲሁም የህግ ድጋፍ እንዲያገኙ በትጋት እንደሚሰሩ
    መግለጫው አትቷል።(ኢዜአ) 
  - የኢትዮጵያ ፕሪምየር ሊግ ሰባተኛ ሳምንት ዛሬ በተደረገ አንድ ጨዋታ ጅማሮውን ሲያደርግ ትግራይ ስታዲየም ላይ ሰበታ ከተማን
    ያስተናገደው ስሑል ሽረ በሀብታሙ ሽዋለም ብቸኛ የፍፁም ቅጣት ምት ጎል አሸንፈዋል።ሽረዎች ከወልቂጤ ጋር አቻ ከተለያየው ስብስብ
    ሸዊት ዮሐንስ፣ አክሊሉ ዋለልኝ እና ብሩክ ሐድሽን በረመዳን የሱፍ፣ ያስር ሙገርዋ እና ሳሊፍ ፎፋና ተክተው ወደ ሜዳ ሲገቡ
    ሰበታዎችም ወላይታ ድቻን ካሸነፈው ስብስብ ኢብራሂም ከድር ፣ አስቻለው ግርማ እና ሲይላ ዓሊ ባድራን በዳዊት እስጢፋኖስ፣ በኃይሉ
    አሰፋ እና ናትናኤል ጋንቹላ ተክተው ጨዋታውን ጀምረዋል።ተመጣጣኝ ፉክክር በታየበት የመጀመርያው አጋማሽ የጨዋታ ክፍለ ጊዜ እንግዳዎቹ
    ፍፁም የኳስ ቁጥጥር ብልጫ የወሰዱበት እና ስሑል ሽረዎች በርካታ ሙከራዎች ያደረጉበት ነበር። ስሑል ሽረዎች የተለመደው የመስመር
    አጨዋወት ይዘው ሲገቡ ሰበታዎች ኳስን ተቆጣጥረው የግብ ዕድሎች ለመፍጠር ጥረት አድርገዋል።በጨዋታው የመጀመርያ ሙከራ የያደረጉት
    ሽረዎች ሲሆኑ ሙከራውም በያሳር ሙገርዋ አማካኝነት የተደረገ ነበር። ሽረዎች ከተጠቀሰው ሙከራው ውጭም በርካታ ሙከራዎች አድርገዋል።
    በተለይም ዲዲዬ ለብሪ ከመስመር ገብቶ መቶት ወንድፍራው ጌታሁን ያወጣው ኳስ ለግብ የቀረበ ነበር። በሀያ ሰባተኛው ደቂቃም ሽረዎች
    ያገኙትን ፍፁም ቅጣት ምት ሀብታሙ ሽዋለም አስቆጥሮ ቡድኑን መሪ ማድረግ ችሏል።ከግቡ መቆጠር በኃላ ወደ ተጋጣሚ ግብ ክልል
    ቶሎ ቶሎ መድረሳቸው ያላቀሙት ሽረዎች ሶስት ወደ ግብ የቀረቡ ሙከራዎች አድርገዋል። ሳሊፍ ፎፋና ተጫዋቾች አታሎ በውሳኔ አሰጣጥ
    ችግር ያመከነው ወርቃማ ዕድል እና ሀብታሙ ሸዋለው የግብ ጠባቂው መውጣት አይቶ ከርቀት መቶት ወንድፍራው ጌታሁን በጭንቅላት
    ያወጣው ሙከራዎችም እጅግ ለግብ የቀረቡ ሙከራዎች ነበሩ።በአጋማሹ ከኳስ ቁጥጥር ብልጫ አልፈው ለግብ የቀረበ ሙከራ ያላደረጉት
    ሰበታዎች በናትናኤል ጋንቹላ እና በኃይሉ አሰፋ ተግባቦት ጥሩ የግብ ሙከራ ቢፈጥሩም በኃይሉ አሰፋ ኳሱን ወደ ግብነት መቀየር
    አልቻለም።ባለሜዳዎቹ ስሑል ሽረዎች ተሻሽለው ገብተው በርካታ ዕድሎች የፈጠሩበት ሁለተኛው አጋማሽ ሰበታዎች አጨዋወታቸው ወደ
    ቀጥተኛ እና መስመር አጨወቶች የቀየሩበት ነበር። በአጋማሹ ሙከራ ለማድረግ ቀዳሚ የነበሩት ሰበታዎች ሲሆኑ ፍፁም ገ/ማርያም
    ከሳጥኑ ጠርዝ ያደረገው ለግብ የቀረበ ሙከራ ነበር።ወደ ማጥቃት ያዘነበለውን ቡድን በሚፈጥራቸውን ክፍተቶች በመልሶ ማጥቃት በርካታ
    ዕድሎች የፈጠሩት ስሑል ሽረዎች ለግብ የቀረቡ ዕድሎች ፈጥረው በተጫዋቾች ውሳኔ አሰጣጥ ችግር ምክንያት ዕድሎች አምክነዋል።
    በተለይም ሳሊፍ ፎፋና ተጫዋቾች አታሎ መቶት ዳንኤል አጃይ በሚያስደንቅ ብቃት ያወጣው ኳስ እና ዓብዱለጢፍ መሐመድ ከኃይለአብ
    ኃይለሥላሴ አንድ ሁለት ተጫውቶ ያመከነው በተጠቀሰው ምክንያት የመከኑ ወርቃማ ዕድሎች ናቸው። ሽረዎች ከተጠቀሱት ሙከራዎች ውጭም
    በዮናስ ግርማይ እና ዲድየ ሌብሪ አማካኝነት ሙከራዎች አድርገዋል።ከመጀመርያው አጋማሽ በተሻለ ንፁህ የግብ ዕድሎች የፈጠሩት
    ሰበታዎች በአጋማሹ በርካታ ሙከራዎች አድርገዋል። ከነዚህም ባኑ ዱያዋራ ከሀ\ሚካኤል አደፍርስ የተሻገረለትን ኳስ ያመከነው ዕድል
    እና ራሱ ባኑ ዲያዋራ ከሳጥኑ ጠርዝ አክርሮ መቶ ለጥቂት የወጣው ሙከራ ለግብ የቀረቡ ነበሩ። በተጨማሪ ደቂቃ ላይ በፍፁም ገ/ማርያም
    በሞከሩት ሙከራ አቻ ለመሆንም ተቃርበው ነበር።ውጤቱን ተከትሎ ስሑል ሽረ ከወራጅ ቀጠናው በመውጣት ወደ ሰንጠረዡ ወገብ ደረጃውን
    ሲያሻሽል ሰበታ ከተማ በበኩሉ ከመሪዎቹ ተርታ በጊዜያዊነት የሚሰለፍበትን ዕድል አምክኗል።
  - ከአዲስ አበባ ተነስቶ ወደ ጣሊያን ሮም ከተማ ይበር የነበረውን የኢትዮጵያ አየር መንገድ አውሮፕላን የጠለፈው ረዳት አብራሪ
    ኃይለ መድኅን አበራ፣ በስዊዘርላንድ የሕክምና ባለሙያዎች የአዕምሮ ችግር እንዳለበት ተረጋገጠ፡፡አቶ ኃይለ መድኅን አውሮፕላኑን
    ለመጥለፍ ያቀደው ቀደም ብሎ ቢሆንም፣ አውሮፕላኑን በጠለፈበት ወቅት ግን የገዛ ድርጊቱን የሚያመዛዝንበት ሁኔታ ላይ እንዳልነበረና
    ፍርኃትና ጭንቀት ውስጥ እንደነበር ከስዊዘርላንድ ሚዲያ ዘገባዎች ለመረዳት ተችሏል፡፡በዚህ የባለሙያዎች የምርመራ ውጤት ሳቢያ
    አቶ ኃይለ መድኅን የማገገሚያ ካምፕ ውስጥ እንዲቆይ የተደረገ ሲሆን፣ የአገሪቱ ዋና ዓቃቤ ሕግ ደግሞ ክሱን ማንሳቱ ታውቋል፡፡አቶ
    ኃይለ መድኅን የዛሬ ሁለት ዓመት ገደማ ከአዲስ አበባ ወደ ሮም ይበር የነበረውን አውሮፕላን በረዳት አብራሪነት ኃላፊነትን የወሰደ
    ቢሆንም፣ ጣሊያናዊው ዋና አብራሪ ከበረራ ክፍሉ ወደ መፀዳጃ ክፍል በሄዱበት ወቅት የበረራ ክፍሉን በመቆለፍ አውሮፕላኑን መቆጣጠሩ
    ይታወሳል፡፡የበረራ መስመሩንም በመቀየር ወደ ስዊዘርላንድ ጄኔቫ ያቀና ሲሆን፣ ለረጅም ደቂቃዎች በጄኔቭ አየር ክልል ላይ በመመላለስ
    ከጄኔቫ አውሮፕላን ማረፊያ የአየር ትራፊክ ተቆጣጣሪዎች ጋር ጥገኝነት እንዲሰጠው ድርድር ሲያደርግ እንደነበር በወቅቱ ተዘግቧል፡፡በወቅቱ
    የአውሮፕላኑ ነዳጅ እያለቀ በመሆኑ በውስጡ የነበሩ 202 መንገደኞችን ሥጋት ላይ ጥሎ የነበረ ቢሆንም፣ በመጨረሻ በጄኔቫ አውሮፕላን
    ማረፊያ በሰላም አሳርፎ በመስኮት በመውጣት እጁን መስጠቱ አይዘነጋም፡፡በዚህ የረዳት አብራሪው ድርጊት የኢትዮጵያ ፌዴራል ዓቃቤ
    ሕግ በሌለበት ክስ በመመሥረትና ምስክሮችን በማቅረብ፣ የ19 ዓመት ጽኑ እስራት በፌዴራል ከፍተኛ ፍርድ ቤት ማስወሰኑን መዘገባችን
    ይታወሳል፡፡
- source_sentence: አስተዳደሩ የተሰማውን ጥልቅ ሐዘን ገለጸ
  sentences:
  -  የአዲስ አበባ ከተማ አስተዳደር በተለምዶ ቆሼ ተብሎ በሚጠራው አካባቢ የቆሻሻ ክምር ተደርምሶ በደረሰው አደጋ የሰው ሕይወትና
    ንብረት በመጥፋቱ የተሰማውን ጥልቅ ሃዘን ገለጸ።በኮልፌ ቀራኒዮ ክፍለ ከተማ ወረዳ አንድ  በተለምዶ ቆሼ በተባለው አካባቢ አደጋው
    የደረሰው ትናንት ከምሽቱ 2:00 ገደማ ነው።የአዲስ አበባ ከተማ አስተዳደር ኮሙኒኬሽን ጉዳዮች ቢሮ ለኢትዮጵያ ዜና አገልግሎት
    በላከው መግለጫ፤ አስተዳደሩ በተከሰተው አደጋ ሕይወታቸውን ላጡ ቤተሰቦች የተሰማውን ልባዊ ሐዘን በራሱና በከተማዋ ነዋሪዎች
    ስም ገልጿል።
  - 'የአማራ የሱማሌ ክልሎች ህዝቦች የህዝብ ለህዝብ ግንኙነት መድረክ ከዛሬ (ሀምሌ 12/2011 ዓ.ም) ጀምሮ ለሦስት ተከታታይ
    ቀናት በባህዳር ከተማ እንደሚካሄድ የአማራ ክልል የመንግሥት ኮሙዩንኬሽን ጉዳዮች ዋና ዳይሬክተር አስታወቁ፡፡ ዳይሬክተሩ አቶ
    አሰመኸኝ አስረስ ትናንት ለጋዜጠኞች በሰጡት መግለጫ እንደገለጹት፤ በሱማሌ ክልል ፕሬዚዳንት የሚመራ ኡስታዞችን፣ የጎሳ መሪዎችንና
    የሃይማኖት አባቶችን ያካተተው የልዑካን ቡድን ወደ ባህር ዳር ገብቷል፡፡ የአማራ ክልል ህዝብ ተወካዮች በሚገኙበት የሁለቱን
    ክልሎች ህዝቦች የህዝብ ለህዝብ ትስስር የሚያጠናክሩ የተለያዩ ውይይቶችና ጉብኝቶች ይካሄዳሉ ተብሎ እንደሚጠበቅ አቶ አሰመኸኝ
    ገልጸዋል፡፡ ‹‹የሁለቱ ክልሎች ህዝቦች አብሮነት ታሪካዊ ነው›› ያሉት አቶ አሰመኸኝ፤ ሁለቱ ህዝቦች የአገር ሉዓላዊነት ለማስከበር
    በተደረጉ ትግሎች በጋራ መሰወታቸውን አንስተዋል፡፡ ሁለቱ ህዝቦች የተዋለዱ መሆናቸውንም አንስተው.፤ የህዝቡ አብሮነት የሚቀጥል
    ነው

    ብለዋል፡፡ እንደ አቶ አሰመኸኝ ማብራሪያ፤ የአማራ ክልል ከአጎራባች ህዝቦች ጋር የህዝብ ለህዝብ ግንኙነቱን ለማጠናከር የተለያዩ
    መድረኮችን ሲያከናውን ቆይቷል፡፡ ይህንንም አጠናክሮ ይቀጥላል፡፡ ዳይሬክተሩ አክለውም እንደገለጹት፤ ሀምሌ 15 የክልሉ ምክር
    ቤት ጉባኤውን ይጀምራል፡፡ በጉባኤው የተለያዩ አጀንዳዎች ተቀርጸው ውይይት ይደረጋል፡፡ ከአጀንዳዎቹ መካከል የክልሉን ርዕሰ
    መስተዳድር ሹመት መርምሮ ያፀድቃል፡፡ የተለያዩ እንግዶች በተገኙበት በዓለ ሲመት ይካሄዳል፡፡ አዲስ ዘመን ሐምሌ 12/2011'
  - አዲስ አበባ፣ የካቲት 29፣ 2012(ኤፍ.ቢ.ሲ )የዘንድሮው አለም አቀፍ የሴቶች ቀን (ማርች 8) በተለያዩ ዝግጅቶች እየተከበረ
    ነው፡፡ዓለም አቀፍ የሴቶች ቀን የሴቶችን የእኩልትና የፍትሃዊነት ችግሮችን ለመፍታት እንቅስቃሴ የተጀመረበት ቀን መሆኑን ይገለጸል፡፡ስለሆነም
    የዘንድሮው አለም አቀፍ የሴቶች ቀን በአለም አቀፍ ደረጃ ለ109ኛ ጊዜ በሀገራችን ደግሞ ለ44ኛ ጊዜ በመከበር ላይ ነው፡፡በሀገራችን
    የሚከበረው የሴቶች ቀን “የሴቶች ደህንነትና መብት መከበር ለሰላማችንና ለህልውናችን መሰረት ነው” በሚል መሪ ቃል ነው በተለያዩ
    ፕሮግራሞች እየተከበረ የሚገኘው፡፡በዚህ መሪ ቃል መከበሩ የሴቶችን መብትና ደህነት ማስከበር እንዲሁም በሁሉም መስኮች ያላቸውን
    ተሳትፎ ማሳደግና ጥቅማቸውን ማስጠበቅ የስርዓተ – ጾታ እኩልነትን ከማስፈን ባሻገር ድህነትን በመዋጋት የዘላቂ ልማት ግቦችን
    እውን ለማድረግ ያለመ መሆኑ ተገልጿል፡፡ከዚያም ባለፈ መሪ ቃሉ ሴቶች ለማህበረሰብ ለውጥ፣ ለአገር እድገትና ብልጽግና በአጠቃላይም
    ለሰላማችንና ለህልውናችን ወሳኝና ጉልህ አስተዋጽኦ እንደሚያበረክቱ ለማህበረሰቡ አጽዕኖት ሰጥቶ ለማስገንዘብና የሴቶችን መብትና
    ደህንነት በማስከበር ረገድም የሚመለከታቸው አካላት የድርሻቸውን እንዲወጡ የጋራ መግባባት ለመፍጠር መሆኑን ከሴቶች፣ ህጻናትና
    ወጣቶች ሚኒስቴር ያገኘነው መረጃ ያመለክታል፡፡የኢ.ፌ.ዲ.ሪ ጠቅላይ ሚኒስትር ዶክተር ዐቢይ አህመድም ዛሬ እየተከበረ ያለውን
    የሴቶች ቀን አስመልክትው በትናትናው እለት የእንኳን አደረሳችሁ መልዕክት አስተላልፈዋል።በዚህ መልዕክታቸው የሴቶችን በዓል የምናከብረው
    የሁላችን በዓል ስለሆነ ነው፡፡በተለይ እኛ ኢትዮጵያውያን የቆምነው እናቶቻችን በከፈሉት ዋጋ በመሆኑ በዓሉ ልዩ ይሆንብናል ብለዋል፡፡ኢትዮጵያ
    ታፍራና ተከብራ የኖረች ሀገር ናት ስንል አሳፍረው የሚያስከብሯት እናቶችና እኅቶች ነበሯት፤ አሏት ማለታችን ነው ብለዋል ጠቅላይ
    ሚኒስትሩ፡፡አያይዘውም ኢትዮጵያ በነጻነት ጸንታ እንድትኖር እናቶቻችንና እኅቶቻችን በአራት ዐውደ ግንባር ዋጋ ከፍለዋል፡፡ ጀግና
    ፈጥረዋል፤ ለጀግና የሚሆነውን ስንቅ አዘጋጅተዋል፡፡ ጀግኖችን ተንከባክበዋል፡፡ እነርሱ ራሳቸውም በጀግንነት ተዋግተው ድል አድርገዋልም
    ብለዋል፡፡ማርች ስምንትን ስናከብር ኢትዮጵያ ኅብረ ብሔራዊ አንድነቷ ተከብሮ፣ ሉዓላዊነቷ ተጠብቆ፣ በክብርና በነጻነት እንድትኖር
    ለማድረግ እናቶቻችንና እኅቶቻችን እንደገና የሚነሡበት ቀን እንደሚሆን ተስፋ እናደርጋለንም ነው ያሉት፡፡
- source_sentence: '"በሠብዓዊ መብት አስከባሪዎች ላይ የሚደርሰው ጥቃት ጫፍ ደርሷል" - አምነስቲ ኢንተርናሽናል'
  sentences:
  - ' ከሃኪንግ ቲም የገበያና ሽያጭ ሥራ አስኪያጅ ኤሪክ ሬብ ጋር የተደረገውን ሙሉ ቃለ-ምልልስ ከሥር ካለው የድምፅ ፋይል ያዳምጡ
    የኢትዮጵያ መንግሥት የሚንቀሣቀሰው የራሱንም የሌሎችንም ሕጎች ባከበረ ሁኔታ ነው ሲሉ አንድ የኢትዮጵያ ዲፕሎማት መንግሥቱ ያካሂደዋል
    ስለሚባለው ዲጂታል ጥቃት ሲጠየቁ መልስ ሰጥተዋል፡፡ቴክኖሎጂውን ይሸጣል የሚባለው የጣልያን ድርጅት ደግሞ አገልግሎቱ መብቶችን
    ለመርገጥ እንዲውል እንደማይፈቅድ አስታውቋል፡፡የኢትዮጵያ መንግሥት በኢንተርኔት ጥቃት ያካሂዳል ሲል ሂዩማን ራይትስ ዋች የሚባለው
    የመብቶች ተሟጋች ቡድን ላወጣው ሪፖርት ወገኖቹ ከቪኦኤ ለቀረቡላቸው ጥያቄዎች ምላሽ ሰጥተዋል፡፡ለዝርዝሩ የተያያዘውን የድምፅ
    ፋይል ያዳምጡ፡፡'
  - 'በአምነስቲ ዘገባ መሠረት፣ በሠብዓዊ መብት አስከባሪዎች ላይ የሚደርሰው ጥቃት ጫፍ ደርሷል።“ፍሮንት ላይን ዲፌንደርስ” በመባል
    የሚታወቀው ግንባር ቀደም የተከራካሪዎች ቡድን እ.አ.አ በ2015 ከነበረው የ156 ሰዎች ሞት ጋር ሲነፃፀር፣ ባለፈው 2016
    ዓ.ም. 281 ሰዎች ሠብዓዊ መብት በማስከበር ተግባር ላይ እንዳሉ መሞታቸውን ገልጿል።ለተጨማሪ የተያያዘውን የድምፅ ፋይል ያዳምጡ።   '
  - ' የግልገል ጊቤ 3 የኤሌክትሪክ ሃይል ማመንጫ ግድብ በመጭው መስከረም ወር ላይ ሃይል ማመንጨት እንደሚጀምር የውሃ መስኖና
    ኢነርጂ ሚኒስትር አቶ አለማየሁ ተገኑ ገለፁ፡፡ሚኒስትሩ አቶ አለማየሁ እንደተናገሩት፤ የኤሌክትሪክ ሃይል ማመንጫው ግድብ ግንባታ
    ሰማንያ በመቶ የተጠናቀቀ ሲሆን፤  የሃይል ማመንጨት ስራው በቀጣዩ ዓመት መስከረም የኤሌክትሪክ ኃይል ማመንጨት ይጀምራል፡፡በዚህም
    የሃይል ማመንጨት ስራው በቀጣዩ ዓመት መስከረም ይጀመራል ያሉት ሚኒስትሩ፤ ፕሮጀክቱ ሙሉ ለሙሉ ሲጠናቀቅም 1 ሺ 870 ሜጋ
    ዋት የኤሌክትሪክ ሀይል እንደሚያመንጭም ነው ሚኒስትሩ የተናገሩት። በተያያዘም 254 ሜጋ ዋት የሚያመነጨው የገናሌ ግድብ፤ የአዳማ
    ሁለት የነፋስ ሃይል ማመንጫና ሌሎች የኤሌክትሪክ ሀይል ማመንጫ ፕሮጄክቶች ግንባታም በጥሩ ሁኔታ እየተካሄደ ነው። ፕሮጄክቶቹ
    ተጠናቀው ሀይል ማመንጨት ሲጀመሩ ሀገሪቱ የራሷን ፍላጎት ከማሟላት አልፋ ለጎረቤት ሀገራት የኤሌክትሪክ ሀይል እንድትሸጥ ያስችላታል
    ማለታቸውን ኢዜአ ዘግቧል። '
- source_sentence: “ጠይቄ አስጠየቄ እስኪ ልቋጠራት፣ የእነ ብረት አስጥል የእነ ንቦ ዘር ናት”
  sentences:
  - "«የእኔ ዕድሜ እኮዮች የተማርነው እንዴት ነበር?» ሲል ይጠይቃል የዛሬው የጋቢና ቴክ ተረኛ አቅራቢ ሀብታሙ ስዩም።ደግሞም\
    \ ለራሱ ይመልሳል «ደብተር እና ብዕር ሸክፈን ፣መምህር አለበት ወደተባለበት ትምህርት ቤት በአጀብ ተመን አልነበረምን?» በማለት።\
    \ የቀጣይ ዘመን ትምህርት ግን ከዚያ ልማድ ለወጥ የሚል መሆኑን ፍንጭ የሚያሳዩ ግኝቶች ብቅ ብለዋል። ወደ ትምህርት ቤት ከሚያቀኑ\
    \ ብላቴናዎች ይልቅ ወደ ብላቴናዎች የሚመጣ ትምህርት፣እና መምህር ልናይ እንችላለን ።ለዚያ ማሳያ እንዲሆን ስለ አንድ የበይነመረብ\
    \ ላይ አስኳላ፣ በቀጣይ ዘገባው ይነግረናል ።ሙሉ መሰናዶውን ያዳምጡ ፦\n "
  - ' በኦሮሚያ ክልል አሰላ ከተማ፣ በጉጂ ዞን፣ በሃርቀሎ ወረዳና በሆሮ ጉዱሩ፤ በወለጋ ኢበንቱ ወረዳ ተማሪዎችና ነዋሪዎች ድብደባ
    እየተፈፀመባቸውና በመከላከያ አባላት እየታሠሩ መሆናቸውን እየተናገሩ ነው፡፡አንድ የአሰላ ከተማ ነዋሪ ባለፉት አምስት ቀናት
    ውስጥ የአንደኛ፣ የሁለተኛና የመሰናዶ ትምህርት ቤቶች ተማሪዎች ሠላማዊ ሠልፍ ወጥተው የአዲስ አበባን የአካባቢዋን ከተሞች የተቀናጀ
    ልማት ማስተር ፕላንና ኦሮሚያ ውስጥ ይካሄዳል ያሉትን እሥራትና ግድያ መቃወማቸውን ገልፀዋል፡፡አንዲት የአንደኛ ደረጃ ተማሪ
    ከሰልፉ ወቅት ስትሮጥ ሽቦ ላይ ወድቃ የአንድ ዐይኗን ብርሃን ለማጣት መዳረጓን የከተማይቱ ባለሥልጣናት ተናግረዋል፡፡አንድ የከተማይቱ
    ነዋሪ ደግሞ ሆዷ ላይ በዱላ ተመትታ በብርቱ መጎዳቷን አመልክተው ትምህርት ተቋርጦ ከተማይቱ በጦር እየተጠበቀች ነው ብለዋል፡፡ለተጨማሪ
    የተያያዘውን የድምፅ ፋይል ያዳምጡ፡፡'
  - “ጠይቄ አስጠየቄ እስኪ ልቋጠራት፣የእነ ብረት አስጥል የእነ ንቦ ዘር ናት”ማኅጸነ ለምለም፣ ዙፋን ላይ ሆና የምትፈርድ፣ ሲርብ
    በእናት አንጄት የምታጎርስ፣ ሲከፋ የምትዳስስ፣ ሲታረዙ የምታለብስ፣ ሀገር ሲጠቃ የምትተኩስ ሴት ከወዴት አለች? ቢባል ከኢትዮጵያ
    ነው።እንደ እናት ታዝናለች፣ ትፀልያለች፣ አሳምራ ታሳድጋለች፣ እንደ አባት ታስታጥቃለች፣ ለራሷም ትታጠቃለች፣ እንደ አርበኛ
    ትተኩሳለች፣ መቀነት ታጥቃ እንዳይፈታ አጥብቃ ጠላትን በመመለስ ለሀገር ጠበቃ ትሆናለች። የሌላው ዓለም እናት ጀግና ልትወልድ
    ትችላለች፣ የኢትዮጵያ እናት ግን ጀግና ወላድ ብቻ ሳትሆን ጀግናም ናት።በኢትዮጵያ በተለያዩ ዘመናት በተደረጉ ጦርነቶች ሴቶች
    ደጀን ሆነው በመተኮስ፣ ወገን ሲጎዳ ደም በማበስ፣ ሲሞት አፈር በማልበስ፣ ሲራብ በማጉረስ፣ የከፋ ጉዳት እንዳይደርስ ስልት
    በመቀየስ ለተመዘገቡት ድሎች ሁሉ የሴቷ እጅ አለበት። ኢትዮጵያዊት እናት ፈሪ ልጅ አትወልድም፣ ፈሪ ሰው አትወድም። “ተኳሽ
    እወዳለሁ ገዳይም አልጣላ፣ ሲደክመኝ አርፋለሁ ከጎፈሬው ጥላ” እያለች እልፍ ጀግኖችን ታፈልቃለች።ኢትዮጵያዊ መሆን ያኮራል፣
    ስሙ ብቻ ያስከብራል። ለምድር የተሰጠው ሁሉ በኢትዮጵያ ውስጥ አለ። ኢትዮጵያ ለዓለም መኖርና ለስልጣኔ መፈጠር ቀዳሚዋ ናት።
    ቀዳሚዋ ከሌለች ተከታዮቹ መኖር አይቻላቸውምና፣ ዳሩ ኢትዮጵያ የፈጣሪውን ቁጣ በፀሎት፣ የጠላትን በትር በጥይት የምትመልስ 
                                                                    ሀገር ናትና ምንም አትሆንም።“ሀገራችን
    ኢትዮጵያን ባርካት ቀድሳት፣ ሰላም ስጣት ጠላቶቿን ፈጥነህ አስገዛላት፣ ዳሯን እሳት መሀሏን ገነት አድርግላት” የሚለው የካህኑ
    ልመና “ሰላም ይሁን የሚለው የሼሁ ዱዓ” የማይታዩ ነገር ግን የማይሸነፉ አሳልፈው የማይሰጡ የኢትዮጵያ ሚስጥራዊ ወታደሮች ናቸው።
    ለሚስጥር እና ለምስክር የተፈጠረች ሀገር ፍፃሜ ዓለም እስኪደርስ ድረስ ትቆያለች እንጂ አትሰጋም።የማይፈሩና የማይደፈሩ ምድራዊ
    ወታደሮች፣ ረቂቅ ሰማያዊ ጠባቂዎች ያሏት ሀገር ናት። ሰውና ፈጣሪ፣ ሰውና መላዕክት በስስት የሚመለከቷት አብዝተው የሚወዷት፣
    በደስታ የሚጠብቋት ሀገር ናት ኢትዮጵያ። የዓለም ዓይኖች ሁሉ ሊያይዋት ይመኟታል። በክፉ ያዩዋት ይጠፉባታል። በመልካም ያዩዋት
    ደግሞ ይከብሩባታል። ኢትዮጵያ ለደጎች እንጂ ለክፉዎች ቦታ የላትም። መሰረቷም ደግነት፣ አንድነት፣ አርቆ አሳቢነት፣ ብልህነት፣
    ጠበብትነት፣ አይደፈሬነት፣ ጀግንነት እና አሸናፊነት ነው።የራያን ምድር አይቼ፣ በባሕላቸው ተደስቼ፣ በፍቅራቸው ተረትቼ፣ የግራ
    ካሶን ዳገት ወጥቼ፣ ኮረምን ተመልክቼ በወፍላ ተራራዎች ተገኝቼ ነበር። ብርዱ ልብ ያንሰፈስፋል። እጅ ያደነዝዛል። ተራራዎቹ
    ፈታኞች ናቸው። በወፍላ ተራራዎች ከቆቦ ተነስቶ፣ በግራ ካሶ ታላቅ ጀብዱ ፈፅሞ፣ ኮረምን አረጋግቶ፣ ጠላቱን አፅድቶ የትህነግን
    ታጣቂ እየደመሰሰ የሄደው የአማራ ልዩ ኃይል አባላት ይገኙበል። በማይሸሸው ልባቸው፣ በሚያነጣጥረው ዓይናቸው አካባቢውን እየጠበቁት
    ነው።አጥንት በሚሰረስው ብርዳማ ተራራ በፅናት እና በኩራት ለወገንና ለሀገር የቆመውን ሠራዊት ሳይ ደነቀኝ። ለእኛ ሙቀት የሚሰጡት
    እነርሱ እየበረዳቸው ነው። ለእኛ መኖር እነርሱ ሞተው ነው። ለእኛ ሰላም ማደር እነርሱ እንቅልፍ አጥተው ነው። ለወገን መልካም
    ሕይወት ሲሉ የእነርሱ ሕይወት በዱር በገደል፣ በተራራ በጉድብ ሆኗል። መታደል ነውና ይሁን ብዬ አለፍኩ።ትጥቅና ስንቅ አንግተው፣
    በእግራቸው እየተጓዙ፣ በግራ ካሶ ተራራ እየተኮሱ ድል እየነሱ የሄዱና በወፍላ ተራራዎች ለወገን ዘብ የቆሙ ሴቶችን አየሁ። “ገና
    ሲወለድ እራሱን ሲላጭ፣ ይቅለበለባል እጁ ከምላጭ” እንዳለ እጃቸው ከመሳሪያቸው ምላጭ አጠገብ አይታጣም። ዓይናቸው እንደ ንስር
    ነው። አካባቢውን በንቃት ይመለከታሉ። የሴትነት ውበት አላሳሰባቸውም አፈር ምሰው ድንጋይ ተንተርሰው ያድራሉ እንጂ። የእነርሱ
    ውበት የወገናቸው ሰላምና ደስታ ነው። ስለወኔያቸውን በአንደበታቸው መስማት ፈለኩ። አናገርኳቸው። ጀግኖች ብቻ ሳይሆኑ ትሁትም
    ናቸው። በዚያ ውጊያ መሪና ተመሪ አልነበረም። መሪው ቀድሞ ይገባል። ስልት እየቀየሰ ራሱም እየተኮሰ ነበር የሚገባው። ይህ ደግሞ
    ለልዩ ኀይሉ መነሳሳት የፈጠረ ነበር። ሴት የልዩ ኀይል አባላት ከወንድ የልዩ ኃይል አባላት እኩል ግዳጅ ሲፈፅሙ እንደነበር
    ጓደኞቻቸው መስክረውላቸዋል። ከነብስ ወከፍ መሳሪያ ጀምሮ እንደ ወንዶች እኩል በመተኮስ፣ ለተራበ በማጉረስ፣ ለተጠማ በማጠጣት
    ተጋድሎ ሲያደርጉ እንደነበርም ተናግረውላቸዋል።ሴት የልዩ ኀይል አባላት የሚያሳዩት ጀብዱ ሠራዊቱ ለተጨማሪ ድል እንዲነሳሳ እንዳደረጋቸው
    ጓደኞቻቸው ነግረውኛል። የትኛውንም ጀብዱ ይፈፅማሉ ነው ያሏቸው።ምክትል ሳጅን ሕይወት አደመ፣ ኮንስታብል ማስተዋል አወቀና ኮንስታብል
    ሳዳ ሁሴን በወፍላ ተራራዎች ያገኜኋቸው ጀግኖች ናቸው። በዚያ ብርዳማ ስፍራ በወኔ ቆመዋል። ስለ አየር ንብረቱ ሲጠየቁ ለሀገር
    ዘብ ሲቆም ሁሉም ነገር ቀላል ነው ይላሉ። በነበረው ዘመቻ በግራ ካሶ ላይ ከጠላት በኩል በከባድ መሳሪያ የታገዘ ውጊያ ነበር፣
    በያዝነው መሳሪያ መልስ እየሰጠን የጠላትን ምሽግ አፍርሰናል፣ ድል አድርገንም እዚህ ተገኝተናል ነው ያሉት።ሴት ወንድ ሳንል
    ለኢትዮጵያ እና ለኢትዮጵያውያን ጠላት የሆነውን አስወግደናል ወደፊትም እናስወግዳለን ነው ያሉኝ። ሀሳባቸው በክልል የተወሰነ
    አለመሆኑን እና ትግላቸው እንደ ኢትዮጵያ መሆኑንም ነግረውኛል። እኛ የአማራነት ጀግንነታችንን ተጠቅመን ለኢትዮጵያ እንቆማለንም
    ብለውኛል። በውትድርና ሕይወት በተለይም በውጊያ ወቅት ረሃብና ጥም አለ፤ ይህ ግን ለእነዚያ ሴት የልዩ ኃይል አባላት ካላማቸው
    አላስቀራቸውም።ለአማራና ለመላው የኢትዮጵያ ሕዝብ ሲባል ድካም አይደለም ሌላ ነገር ቢመጣ አይቆጨንም፣ ሁሉም በያለበት በወኔና
    በቁርጠኝነት መሥራት አለበት ነው ያሉት። “ኢትዮጵያዊነት እና ኢትዮጵያውያን እስከ መቼ ነው የሚጨቆኑት የሚለው ለትግል አስነስቶናል፣
    በቀጣይም ለሚኖር ግዳጅ ወደኋላ አንልም፣ ለኢትዮጵያ አለንላት፣ ጀግንነታችንና ወኔያችን የተሟላ ነው፣ አይዞሽ እናታለም፣ ኩራትሽ
    ነን” ሲሉ ነበር በወፍላ ተራራዎች ካገኘኋቸው ጀግና ሴት የልዩ ኃይል አባላት የሰማሁት።“ጥንካሬ፣ ቆራጥነት፣ ፍቅርና አይበገሬነት
    አለባቸው። ኢትዮጵያን ሰላም እናደርጋታለን፣ ጀግንነታችን እና ወኔያችን ስንቅ አድርገን እንቀጥላለን፣ ኢትዮጵያም በእኛ ትኮራለች”
    ነበር ያሉኝ።ሴት የልዩ ኃይል አባላት የቀደሙት ጀግና ኢትዮጵያዊ እናቶችን ታሪክ ለመድገም ዝግጁ እንደሆኑም ነግረውኛል።ኢትዮጵያ
    ጉድብ ውስጥ አድራ አይዞሽ እናታለም አለሁልሽ የምትል ጀግና ሴት እና ከሞቀ ቤት እያደረ ሀብቷን የሚዘርፍ በጉያዋ ይዛለች።
    በአንደኛዋ ትኮራለች በአንደኛው ታዝናለች። መኩሪያ መሆን ቢያቅት ማፈሪያ ላለመሆን መሥራት መልካም ነው።“ጠይቄ አስጠየቄ እስኪ
    ልቋጠራት፣የእነ ብረት አስጥል የእነ ንቦ ዘር ናት” አዎ ጠይቄ ዘሯን አውቂያለሁ። ኩሩ ኢትዮጵያዊት ናት። ኩሩ ኢትዮጵያውያን
    ናቸው። እንዲህ አይነት ሴት ድሮስ ከዬት ሊገኝና፣ ብንችል ኢትዮጵያ ትኩራብን፣ ሰንደቁ ከፍ ይበልልን፣ ባንችል ግን ኢትዮጵያ
    አትፈርብን፣ ክብር ሁሉ ኢትዮጵያን ላከበሯት።
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: BERT Amharic Text Embedding Small
  results:
  - task:
      type: information-retrieval
      name: Information Retrieval
    dataset:
      name: dim 512
      type: dim_512
    metrics:
    - type: cosine_accuracy@1
      value: 0.5817490494296578
      name: Cosine Accuracy@1
    - type: cosine_accuracy@3
      value: 0.7311563408633416
      name: Cosine Accuracy@3
    - type: cosine_accuracy@5
      value: 0.7857302616864236
      name: Cosine Accuracy@5
    - type: cosine_accuracy@10
      value: 0.8389622008499217
      name: Cosine Accuracy@10
    - type: cosine_precision@1
      value: 0.5817490494296578
      name: Cosine Precision@1
    - type: cosine_precision@3
      value: 0.2437187802877805
      name: Cosine Precision@3
    - type: cosine_precision@5
      value: 0.15714605233728474
      name: Cosine Precision@5
    - type: cosine_precision@10
      value: 0.08389622008499217
      name: Cosine Precision@10
    - type: cosine_recall@1
      value: 0.5817490494296578
      name: Cosine Recall@1
    - type: cosine_recall@3
      value: 0.7311563408633416
      name: Cosine Recall@3
    - type: cosine_recall@5
      value: 0.7857302616864236
      name: Cosine Recall@5
    - type: cosine_recall@10
      value: 0.8389622008499217
      name: Cosine Recall@10
    - type: cosine_ndcg@10
      value: 0.7097178437379043
      name: Cosine Ndcg@10
    - type: cosine_mrr@10
      value: 0.6683712141383812
      name: Cosine Mrr@10
    - type: cosine_map@100
      value: 0.6734709353561468
      name: Cosine Map@100
  - task:
      type: information-retrieval
      name: Information Retrieval
    dataset:
      name: dim 256
      type: dim_256
    metrics:
    - type: cosine_accuracy@1
      value: 0.5705658689331246
      name: Cosine Accuracy@1
    - type: cosine_accuracy@3
      value: 0.724222768955491
      name: Cosine Accuracy@3
    - type: cosine_accuracy@5
      value: 0.778125698948781
      name: Cosine Accuracy@5
    - type: cosine_accuracy@10
      value: 0.8322522925520018
      name: Cosine Accuracy@10
    - type: cosine_precision@1
      value: 0.5705658689331246
      name: Cosine Precision@1
    - type: cosine_precision@3
      value: 0.2414075896518303
      name: Cosine Precision@3
    - type: cosine_precision@5
      value: 0.1556251397897562
      name: Cosine Precision@5
    - type: cosine_precision@10
      value: 0.08322522925520018
      name: Cosine Precision@10
    - type: cosine_recall@1
      value: 0.5705658689331246
      name: Cosine Recall@1
    - type: cosine_recall@3
      value: 0.724222768955491
      name: Cosine Recall@3
    - type: cosine_recall@5
      value: 0.778125698948781
      name: Cosine Recall@5
    - type: cosine_recall@10
      value: 0.8322522925520018
      name: Cosine Recall@10
    - type: cosine_ndcg@10
      value: 0.7008237038056171
      name: Cosine Ndcg@10
    - type: cosine_mrr@10
      value: 0.6587373479176215
      name: Cosine Mrr@10
    - type: cosine_map@100
      value: 0.6639991340556094
      name: Cosine Map@100
  - task:
      type: information-retrieval
      name: Information Retrieval
    dataset:
      name: dim 128
      type: dim_128
    metrics:
    - type: cosine_accuracy@1
      value: 0.5553567434578394
      name: Cosine Accuracy@1
    - type: cosine_accuracy@3
      value: 0.7047640348915232
      name: Cosine Accuracy@3
    - type: cosine_accuracy@5
      value: 0.7573249832252292
      name: Cosine Accuracy@5
    - type: cosine_accuracy@10
      value: 0.8228584209349139
      name: Cosine Accuracy@10
    - type: cosine_precision@1
      value: 0.5553567434578394
      name: Cosine Precision@1
    - type: cosine_precision@3
      value: 0.23492134496384104
      name: Cosine Precision@3
    - type: cosine_precision@5
      value: 0.15146499664504587
      name: Cosine Precision@5
    - type: cosine_precision@10
      value: 0.08228584209349138
      name: Cosine Precision@10
    - type: cosine_recall@1
      value: 0.5553567434578394
      name: Cosine Recall@1
    - type: cosine_recall@3
      value: 0.7047640348915232
      name: Cosine Recall@3
    - type: cosine_recall@5
      value: 0.7573249832252292
      name: Cosine Recall@5
    - type: cosine_recall@10
      value: 0.8228584209349139
      name: Cosine Recall@10
    - type: cosine_ndcg@10
      value: 0.68637331183072
      name: Cosine Ndcg@10
    - type: cosine_mrr@10
      value: 0.642982642993827
      name: Cosine Mrr@10
    - type: cosine_map@100
      value: 0.6483068868159707
      name: Cosine Map@100
---

# BERT Amharic Text Embedding Small

This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [rasyosef/bert-small-amharic](https://huggingface.co/rasyosef/bert-small-amharic) 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:** [rasyosef/bert-small-amharic](https://huggingface.co/rasyosef/bert-small-amharic) <!-- at revision b4480f0a1501f98c781d52935a95c02f903640c9 -->
- **Maximum Sequence Length:** 512 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': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (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("yosefw/bert-amharic-embed-small")
# Run inference
sentences = [
    '“ጠይቄ አስጠየቄ እስኪ ልቋጠራት፣ የእነ ብረት አስጥል የእነ ንቦ ዘር ናት”',
    '“ጠይቄ አስጠየቄ እስኪ ልቋጠራት፣የእነ ብረት አስጥል የእነ ንቦ ዘር ናት”ማኅጸነ ለምለም፣ ዙፋን ላይ ሆና የምትፈርድ፣ ሲርብ በእናት አንጄት የምታጎርስ፣ ሲከፋ የምትዳስስ፣ ሲታረዙ የምታለብስ፣ ሀገር ሲጠቃ የምትተኩስ ሴት ከወዴት አለች? ቢባል ከኢትዮጵያ ነው።እንደ እናት ታዝናለች፣ ትፀልያለች፣ አሳምራ ታሳድጋለች፣ እንደ አባት ታስታጥቃለች፣ ለራሷም ትታጠቃለች፣ እንደ አርበኛ ትተኩሳለች፣ መቀነት ታጥቃ እንዳይፈታ አጥብቃ ጠላትን በመመለስ ለሀገር ጠበቃ ትሆናለች። የሌላው ዓለም እናት ጀግና ልትወልድ ትችላለች፣ የኢትዮጵያ እናት ግን ጀግና ወላድ ብቻ ሳትሆን ጀግናም ናት።በኢትዮጵያ በተለያዩ ዘመናት በተደረጉ ጦርነቶች ሴቶች ደጀን ሆነው በመተኮስ፣ ወገን ሲጎዳ ደም በማበስ፣ ሲሞት አፈር በማልበስ፣ ሲራብ በማጉረስ፣ የከፋ ጉዳት እንዳይደርስ ስልት በመቀየስ ለተመዘገቡት ድሎች ሁሉ የሴቷ እጅ አለበት። ኢትዮጵያዊት እናት ፈሪ ልጅ አትወልድም፣ ፈሪ ሰው አትወድም። “ተኳሽ እወዳለሁ ገዳይም አልጣላ፣ ሲደክመኝ አርፋለሁ ከጎፈሬው ጥላ” እያለች እልፍ ጀግኖችን ታፈልቃለች።ኢትዮጵያዊ መሆን ያኮራል፣ ስሙ ብቻ ያስከብራል። ለምድር የተሰጠው ሁሉ በኢትዮጵያ ውስጥ አለ። ኢትዮጵያ ለዓለም መኖርና ለስልጣኔ መፈጠር ቀዳሚዋ ናት። ቀዳሚዋ ከሌለች ተከታዮቹ መኖር አይቻላቸውምና፣ ዳሩ ኢትዮጵያ የፈጣሪውን ቁጣ በፀሎት፣ የጠላትን በትር በጥይት የምትመልስ\xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 \xa0 ሀገር ናትና ምንም አትሆንም።“ሀገራችን ኢትዮጵያን ባርካት ቀድሳት፣ ሰላም ስጣት ጠላቶቿን ፈጥነህ አስገዛላት፣ ዳሯን እሳት መሀሏን ገነት አድርግላት” የሚለው የካህኑ ልመና “ሰላም ይሁን የሚለው የሼሁ ዱዓ” የማይታዩ ነገር ግን የማይሸነፉ አሳልፈው የማይሰጡ የኢትዮጵያ ሚስጥራዊ ወታደሮች ናቸው። ለሚስጥር እና ለምስክር የተፈጠረች ሀገር ፍፃሜ ዓለም እስኪደርስ ድረስ ትቆያለች እንጂ አትሰጋም።የማይፈሩና የማይደፈሩ ምድራዊ ወታደሮች፣ ረቂቅ ሰማያዊ ጠባቂዎች ያሏት ሀገር ናት። ሰውና ፈጣሪ፣ ሰውና መላዕክት በስስት የሚመለከቷት አብዝተው የሚወዷት፣ በደስታ የሚጠብቋት ሀገር ናት ኢትዮጵያ። የዓለም ዓይኖች ሁሉ ሊያይዋት ይመኟታል። በክፉ ያዩዋት ይጠፉባታል። በመልካም ያዩዋት ደግሞ ይከብሩባታል። ኢትዮጵያ ለደጎች እንጂ ለክፉዎች ቦታ የላትም። መሰረቷም ደግነት፣ አንድነት፣ አርቆ አሳቢነት፣ ብልህነት፣ ጠበብትነት፣ አይደፈሬነት፣ ጀግንነት እና አሸናፊነት ነው።የራያን ምድር አይቼ፣ በባሕላቸው ተደስቼ፣ በፍቅራቸው ተረትቼ፣ የግራ ካሶን ዳገት ወጥቼ፣ ኮረምን ተመልክቼ በወፍላ ተራራዎች ተገኝቼ ነበር። ብርዱ ልብ ያንሰፈስፋል። እጅ ያደነዝዛል። ተራራዎቹ ፈታኞች ናቸው። በወፍላ ተራራዎች ከቆቦ ተነስቶ፣ በግራ ካሶ ታላቅ ጀብዱ ፈፅሞ፣ ኮረምን አረጋግቶ፣ ጠላቱን አፅድቶ የትህነግን ታጣቂ እየደመሰሰ የሄደው የአማራ ልዩ ኃይል አባላት ይገኙበል። በማይሸሸው ልባቸው፣ በሚያነጣጥረው ዓይናቸው አካባቢውን እየጠበቁት ነው።አጥንት በሚሰረስው ብርዳማ ተራራ በፅናት እና በኩራት ለወገንና ለሀገር የቆመውን ሠራዊት ሳይ ደነቀኝ። ለእኛ ሙቀት የሚሰጡት እነርሱ እየበረዳቸው ነው። ለእኛ መኖር እነርሱ ሞተው ነው። ለእኛ ሰላም ማደር እነርሱ እንቅልፍ አጥተው ነው። ለወገን መልካም ሕይወት ሲሉ የእነርሱ ሕይወት በዱር በገደል፣ በተራራ በጉድብ ሆኗል። መታደል ነውና ይሁን ብዬ አለፍኩ።ትጥቅና ስንቅ አንግተው፣ በእግራቸው እየተጓዙ፣ በግራ ካሶ ተራራ እየተኮሱ ድል እየነሱ የሄዱና በወፍላ ተራራዎች ለወገን ዘብ የቆሙ ሴቶችን አየሁ። “ገና ሲወለድ እራሱን ሲላጭ፣ ይቅለበለባል እጁ ከምላጭ” እንዳለ እጃቸው ከመሳሪያቸው ምላጭ አጠገብ አይታጣም። ዓይናቸው እንደ ንስር ነው። አካባቢውን በንቃት ይመለከታሉ። የሴትነት ውበት አላሳሰባቸውም አፈር ምሰው ድንጋይ ተንተርሰው ያድራሉ እንጂ። የእነርሱ ውበት የወገናቸው ሰላምና ደስታ ነው። ስለወኔያቸውን በአንደበታቸው መስማት ፈለኩ። አናገርኳቸው። ጀግኖች ብቻ ሳይሆኑ ትሁትም ናቸው። በዚያ ውጊያ መሪና ተመሪ አልነበረም። መሪው ቀድሞ ይገባል። ስልት እየቀየሰ ራሱም እየተኮሰ ነበር የሚገባው። ይህ ደግሞ ለልዩ ኀይሉ መነሳሳት የፈጠረ ነበር። ሴት የልዩ ኀይል አባላት ከወንድ የልዩ ኃይል አባላት እኩል ግዳጅ ሲፈፅሙ እንደነበር ጓደኞቻቸው መስክረውላቸዋል። ከነብስ ወከፍ መሳሪያ ጀምሮ እንደ ወንዶች እኩል በመተኮስ፣ ለተራበ በማጉረስ፣ ለተጠማ በማጠጣት ተጋድሎ ሲያደርጉ እንደነበርም ተናግረውላቸዋል።ሴት የልዩ ኀይል አባላት የሚያሳዩት ጀብዱ ሠራዊቱ ለተጨማሪ ድል እንዲነሳሳ እንዳደረጋቸው ጓደኞቻቸው ነግረውኛል። የትኛውንም ጀብዱ ይፈፅማሉ ነው ያሏቸው።ምክትል ሳጅን ሕይወት አደመ፣ ኮንስታብል ማስተዋል አወቀና ኮንስታብል ሳዳ ሁሴን በወፍላ ተራራዎች ያገኜኋቸው ጀግኖች ናቸው። በዚያ ብርዳማ ስፍራ በወኔ ቆመዋል። ስለ አየር ንብረቱ ሲጠየቁ ለሀገር ዘብ ሲቆም ሁሉም ነገር ቀላል ነው ይላሉ። በነበረው ዘመቻ በግራ ካሶ ላይ ከጠላት በኩል በከባድ መሳሪያ የታገዘ ውጊያ ነበር፣ በያዝነው መሳሪያ መልስ እየሰጠን የጠላትን ምሽግ አፍርሰናል፣ ድል አድርገንም እዚህ ተገኝተናል ነው ያሉት።ሴት ወንድ ሳንል ለኢትዮጵያ እና ለኢትዮጵያውያን ጠላት የሆነውን አስወግደናል ወደፊትም እናስወግዳለን ነው ያሉኝ። ሀሳባቸው በክልል የተወሰነ አለመሆኑን እና ትግላቸው እንደ ኢትዮጵያ መሆኑንም ነግረውኛል። እኛ የአማራነት ጀግንነታችንን ተጠቅመን ለኢትዮጵያ እንቆማለንም ብለውኛል። በውትድርና ሕይወት በተለይም በውጊያ ወቅት ረሃብና ጥም አለ፤ ይህ ግን ለእነዚያ ሴት የልዩ ኃይል አባላት ካላማቸው አላስቀራቸውም።ለአማራና ለመላው የኢትዮጵያ ሕዝብ ሲባል ድካም አይደለም ሌላ ነገር ቢመጣ አይቆጨንም፣ ሁሉም በያለበት በወኔና በቁርጠኝነት መሥራት አለበት ነው ያሉት። “ኢትዮጵያዊነት እና ኢትዮጵያውያን እስከ መቼ ነው የሚጨቆኑት የሚለው ለትግል አስነስቶናል፣ በቀጣይም ለሚኖር ግዳጅ ወደኋላ አንልም፣ ለኢትዮጵያ አለንላት፣ ጀግንነታችንና ወኔያችን የተሟላ ነው፣ አይዞሽ እናታለም፣ ኩራትሽ ነን” ሲሉ ነበር በወፍላ ተራራዎች ካገኘኋቸው ጀግና ሴት የልዩ ኃይል አባላት የሰማሁት።“ጥንካሬ፣ ቆራጥነት፣ ፍቅርና አይበገሬነት አለባቸው። ኢትዮጵያን ሰላም እናደርጋታለን፣ ጀግንነታችን እና ወኔያችን ስንቅ አድርገን እንቀጥላለን፣ ኢትዮጵያም በእኛ ትኮራለች” ነበር ያሉኝ።ሴት የልዩ ኃይል አባላት የቀደሙት ጀግና ኢትዮጵያዊ እናቶችን ታሪክ ለመድገም ዝግጁ እንደሆኑም ነግረውኛል።ኢትዮጵያ ጉድብ ውስጥ አድራ አይዞሽ እናታለም አለሁልሽ የምትል ጀግና ሴት እና ከሞቀ ቤት እያደረ ሀብቷን የሚዘርፍ በጉያዋ ይዛለች። በአንደኛዋ ትኮራለች በአንደኛው ታዝናለች። መኩሪያ መሆን ቢያቅት ማፈሪያ ላለመሆን መሥራት መልካም ነው።“ጠይቄ አስጠየቄ እስኪ ልቋጠራት፣የእነ ብረት አስጥል የእነ ንቦ ዘር ናት” አዎ ጠይቄ ዘሯን አውቂያለሁ። ኩሩ ኢትዮጵያዊት ናት። ኩሩ ኢትዮጵያውያን ናቸው። እንዲህ አይነት ሴት ድሮስ ከዬት ሊገኝና፣ ብንችል ኢትዮጵያ ትኩራብን፣ ሰንደቁ ከፍ ይበልልን፣ ባንችል ግን ኢትዮጵያ አትፈርብን፣ ክብር ሁሉ ኢትዮጵያን ላከበሯት።',
    '«የእኔ ዕድሜ እኮዮች የተማርነው እንዴት ነበር?» ሲል ይጠይቃል የዛሬው የጋቢና ቴክ ተረኛ አቅራቢ ሀብታሙ ስዩም።ደግሞም ለራሱ ይመልሳል «ደብተር እና ብዕር ሸክፈን ፣መምህር አለበት ወደተባለበት ትምህርት ቤት በአጀብ ተመን አልነበረምን?» በማለት። የቀጣይ ዘመን ትምህርት ግን ከዚያ ልማድ ለወጥ የሚል መሆኑን ፍንጭ የሚያሳዩ ግኝቶች ብቅ ብለዋል። ወደ ትምህርት ቤት ከሚያቀኑ ብላቴናዎች ይልቅ ወደ ብላቴናዎች የሚመጣ ትምህርት፣እና መምህር ልናይ እንችላለን ።ለዚያ ማሳያ እንዲሆን ስለ አንድ የበይነመረብ ላይ አስኳላ፣ በቀጣይ ዘገባው ይነግረናል ።ሙሉ መሰናዶውን ያዳምጡ ፦\n ',
]
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_256` and `dim_128`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)

| Metric              | dim_512    | dim_256    | dim_128    |
|:--------------------|:-----------|:-----------|:-----------|
| cosine_accuracy@1   | 0.5817     | 0.5706     | 0.5554     |
| cosine_accuracy@3   | 0.7312     | 0.7242     | 0.7048     |
| cosine_accuracy@5   | 0.7857     | 0.7781     | 0.7573     |
| cosine_accuracy@10  | 0.839      | 0.8323     | 0.8229     |
| cosine_precision@1  | 0.5817     | 0.5706     | 0.5554     |
| cosine_precision@3  | 0.2437     | 0.2414     | 0.2349     |
| cosine_precision@5  | 0.1571     | 0.1556     | 0.1515     |
| cosine_precision@10 | 0.0839     | 0.0832     | 0.0823     |
| cosine_recall@1     | 0.5817     | 0.5706     | 0.5554     |
| cosine_recall@3     | 0.7312     | 0.7242     | 0.7048     |
| cosine_recall@5     | 0.7857     | 0.7781     | 0.7573     |
| cosine_recall@10    | 0.839      | 0.8323     | 0.8229     |
| **cosine_ndcg@10**  | **0.7097** | **0.7008** | **0.6864** |
| cosine_mrr@10       | 0.6684     | 0.6587     | 0.643      |
| cosine_map@100      | 0.6735     | 0.664      | 0.6483     |

<!--
## 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: 40,237 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: 5 tokens</li><li>mean: 15.12 tokens</li><li>max: 44 tokens</li></ul> | <ul><li>min: 46 tokens</li><li>mean: 304.71 tokens</li><li>max: 512 tokens</li></ul> |
* Samples:
  | anchor                                                                     | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                 |
  |:---------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
  | <code>ሚንስትር ዴኤታ ወይዘሮ አለም-ፀሀይ የአርባ ምንጭ ሆስፒታልና የኮቪድ-19 ሕክምና ማዕከልን ጎበኙ</code> | <code>አዲስ አበባ፣ መስከረም 13፣ 2013 (ኤፍ.ቢ.ሲ) የጤና ሚኒስቴር ሚንስትር ዴኤታ ወይዘሮ አለምፀሀይ ጳውሎስ በደቡብ ክልል ጋሞ ዞን የአርባ ምንጭ ከተማ ሆስፒታል እና ጤና ጣቢያ ጎብኙ፡፡እንዲሁም በኮቪድ-19 የህክምና ማዕከል ተገኝተው ያለውን የስራ እንቅስቃሴ መመልከታቸውም ተገልጸል፡፡ሚኒስትር ዴኤታዋ በጉብኝቱ ወቅት የህክምና ተቋማቱ ለአካባቢ ነዋሪዎች እየሰጡ ያለውን ዘርፈ ብዙ አገልግሎት እና ለኮቪድ 19 ወረርሽኝ የመከላከልና የመቆጣጠር ምላሽ አሠጣጥ የሚበረታታና ውጤታማ እንደሆነ ተናግረዋል፡፡በዚህም ለማዕከሉ ሰራተኞች ምስጋናቸውን አቅርበዋል፡፡የተቋማቱ ስራ ኃላፊዎችም ከሚኒስትር ዴኤታዋ ጋር መወያየታቸው ተሰምቷል፡፡ኃላፊዎቹ አገልግሎታቸውን በተሟላ መንገድ ለመስራት አያስችሉንም ያሏቸውን ጉድለቶች አንስተው ውይይት አድረገውባቸዋል፡፡የህክምና ተቋማቱ ያሉበት የስራ አፈጻጸም የሚበረታታ ቢሆንም ለተሻለ ስራ መነሳትና የጤና አገልግሎቱን ይበልጥ ማሻሻል ያስፈልጋል ሲሉ ሚኒስትር ዴኤታዋ ማሳሰባቸውን ከሚኒስቴሩ ያገኘነው መረጃ ያመለክታል፡፡</code>                                                                                                                                                                                                                                                                                                                                                                                                                     |
  | <code>መምህራን በትምህርት ቤቶችና በአከባቢያቸው ሰላም እንዲረጋገጥ የበኩላቸውን ሚና እንዲወጡ ተጠየቁ</code>  | <code>መምህራን በትምህርት ቤቶችና በአከባቢያቸው ሰላም እንዲረጋገጥ የበኩላቸውን ሚና እንዲወጡ ተጠይቀዋል፡፡የሰላም ሚኒስቴር ከሳይንስና ከፍተኛ ትምህርት ሚኒስቴርና የኢትዮጵያ መምህራን ማህበር ጋር በመተባበር ያዘጋጁት ሀገር አቀፍ መምህራን የሰላም ውይይት መድረክ በአዲስ አበባ እየተካሄደ ነው፡፡በዚህ የውይይት መድረክ ላይ የሰላም ሚኒስትሯ ወይዘሮ ሙፈሪያት ካሚልን ጨምሮ ሌሎች ባለድርሻ  አካላት ተገኝተዋል፡፡ውይይቱ “ሰላምና ሀገር ወዳድ መምህራኖች ፤ ሰላምና ሀገር ወዳድ ተማሪዎችን ያፈራሉ” በሚል መሪ ቃል እየተካሄደ የሚገኝ ሲሆን መምህራን በትምህርት ቤቶችና በአከባቢያቸው ሰላም እንዲረጋገጥ የበኩላቸውን ሚና እንዲወጡ ተጠይቀዋል፡፡በውይይቱ ንግግር ያደረጉት የሰላም ሚኒስትር ወይዘሮ ሙፈሪያት ካሚል መምህራን ትውልድን መቅረጽ ካላቸው እድል አንፃር ሰላምን በመስበክ በኩል ከፍተኛ አስተዋጽኦ ሊያበርክቱ ይገባል ብለዋል፡፡ሀገራዊ ግንባታ ትምህርትና የተሟላ ስብዕና የሚጠይቅ በመሆኑም ለማህበረሰብ ስብዕናና የበለጸገ ትውልድን በመፍጠር ረገድ የመምህራን ሚና ክፍተኛ መሆኑንም ተናግረዋል።ትምህርት ቤቶች የሰላም ማዕድ ይሆኑ ዘንድም መምህራን እያከናዎኑት ያለውን ትውልድን የመቅረጽ ተግባር አጠናክረው መቀጠል እንዳለባቸውም ወይዘሮ ሙፈሪያት አሳስበዋል፡፡     በውይይቱ ላይ አስተያየት የሰጡት መምህራን በበኩላቸው ሰላም ሁሉንም የሚመለከት ጉዳይ በመሆኑ ሰላምን በመስበክና በማረጋገጥ ረገድ ከመንግስት ጋር በመሆን የሚጠበቅባቸውን ኃላፊነት እንደሚወጡ ገልጸዋል፡፡በተለይም የስነ ዜጋ፣ ስነ ምግባርና የታሪክ ትምህርት መምህራን ለተማሪዎች በሚያቀርቡት ትምህርት ላይ ሚዛናዊና ኃላፊነት በተሞላበት መንገድ ማቅረብ እንዳለባቸውም ጠቁመዋል፡፡  መምህሩ በስነ ምግባር አርዓያ በመሆን ሰላምና ግብ...</code> |
  | <code>የኢትዮጵያ እና ማሊ ከ17 አመት በታች ብሄራዊ ቡድኖች ጨዋታ እሁድ ይካሄዳል</code>              | <code>በአዲስ አበባ ስታድየም እየተዘጋጀ የሚገኘው ብሄራዊ ቡድኑ በዛሬው የልምምድ መርሃ ግብር በእሁዱ ጨዋታ ላይ ቋሚ ተሰላፊዎች ይሆናሉ ተብለው የሚገመቱትን በመለየት የቅንጅትና ከርቀት አክርሮ የመምታት ልምምዶችን አከናውኗል፡፡ባለፉት ሶስት ቀናት በመጠነኛ ጉዳት በልምምድ ወቅት አቋርጠው ሲወጡ የነበሩት ሳሙኤል ተስፋዬ እና አቡበከር ነስሩ በዛሬው ልምምድ ከቡድኑ ጋር ሙሉ ልምምድ የሰሩ ሲሆን ሁሉም ተጨዋቾች በሙሉ ጤንነት ላይ ይገኛሉ፡፡ከ17 አመት ቡድናችን እሁድ ዕለት ከአፍሮ ፅዮን ጋር ባደረጉት የአቋም መፈተሻ ጨዋታ ላይ ከአፍሮፅዮን በኩል መልካም እንቅስቃሴ ያሳዩ 6 ተጨዋቾች ጥሪ ቀርቦላቸው በዛሬው ልምምድ ላይ ተገኝተው ከቡድኑ ጋር ልምምድ ያደረጉ ቢሆንም አሳማኝ እንቅስቃሴ ባለማሳየታቸው እንዲመለሱ ተደርጓል፡፡ቀይ ቀበሮዎቹ በእሁዱ ጨዋታ በባማኮ የደረሰባቸውን የ2-0 ሽንፈት ቀልብሰው ወደ ማዳጋስካር የአፍሪካ ከ17 አመት በታች ዋንጫ ለማምራት በከፍተኛ ተነሳሽነት እና ፍላጎት ዝግጅታቸውን በማከናወን ላይ እንደሚገኙ ለመታዘብ ችለናል፡፡በኢትዮጵያ እና ማሊ መካከል የሚደረገው ጨዋታ እሁድ መስከረም 22 ቀን 2009 በአዲስ አበባ ስታድየም 10:00 ላይ የሚካሄድ ሲሆን ጨዋታው የሚካሄድበት የአዲስ አበባ ስታድየም ሜዳን ምቹ ለማድረግ የሚያስችሉ ስራዎች እየተከናወኑ ይገኛሉ፡፡የእሁዱ ተጋጣሚያችን የማሊ ከ17 አመት በታች ብሄራዊ ቡድን አርብ አዲስ አበባ ይገባል፡፡ ጨዋታውን የሚመሩት አራቱም ዳኞች ከኒጀር ፤ ኮሚሽነሩ ደግሞ ከዩጋንዳ እንደተመደቡም ታውቋል፡፡</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,
          256,
          128
      ],
      "matryoshka_weights": [
          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
- `num_train_epochs`: 5
- `lr_scheduler_type`: cosine
- `warmup_ratio`: 0.1
- `seed`: 16
- `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`: 1
- `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`: 5
- `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`: 16
- `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
<details><summary>Click to expand</summary>

| Epoch   | Step     | Training Loss | dim_512_cosine_ndcg@10 | dim_256_cosine_ndcg@10 | dim_128_cosine_ndcg@10 |
|:-------:|:--------:|:-------------:|:----------------------:|:----------------------:|:----------------------:|
| 0.0159  | 10       | 6.1922        | -                      | -                      | -                      |
| 0.0318  | 20       | 5.683         | -                      | -                      | -                      |
| 0.0477  | 30       | 4.6076        | -                      | -                      | -                      |
| 0.0636  | 40       | 3.9178        | -                      | -                      | -                      |
| 0.0795  | 50       | 3.1909        | -                      | -                      | -                      |
| 0.0954  | 60       | 2.3178        | -                      | -                      | -                      |
| 0.1113  | 70       | 2.1892        | -                      | -                      | -                      |
| 0.1272  | 80       | 1.9808        | -                      | -                      | -                      |
| 0.1431  | 90       | 1.8523        | -                      | -                      | -                      |
| 0.1590  | 100      | 1.6107        | -                      | -                      | -                      |
| 0.1749  | 110      | 1.4807        | -                      | -                      | -                      |
| 0.1908  | 120      | 1.4554        | -                      | -                      | -                      |
| 0.2067  | 130      | 1.2557        | -                      | -                      | -                      |
| 0.2226  | 140      | 1.0496        | -                      | -                      | -                      |
| 0.2385  | 150      | 1.1565        | -                      | -                      | -                      |
| 0.2544  | 160      | 1.0481        | -                      | -                      | -                      |
| 0.2703  | 170      | 1.1281        | -                      | -                      | -                      |
| 0.2862  | 180      | 0.9192        | -                      | -                      | -                      |
| 0.3021  | 190      | 0.9497        | -                      | -                      | -                      |
| 0.3180  | 200      | 1.1644        | -                      | -                      | -                      |
| 0.3339  | 210      | 0.9211        | -                      | -                      | -                      |
| 0.3498  | 220      | 0.7702        | -                      | -                      | -                      |
| 0.3657  | 230      | 0.9992        | -                      | -                      | -                      |
| 0.3816  | 240      | 0.8142        | -                      | -                      | -                      |
| 0.3975  | 250      | 0.9276        | -                      | -                      | -                      |
| 0.4134  | 260      | 0.9904        | -                      | -                      | -                      |
| 0.4293  | 270      | 0.8621        | -                      | -                      | -                      |
| 0.4452  | 280      | 0.8776        | -                      | -                      | -                      |
| 0.4610  | 290      | 0.9268        | -                      | -                      | -                      |
| 0.4769  | 300      | 0.7601        | -                      | -                      | -                      |
| 0.4928  | 310      | 0.7721        | -                      | -                      | -                      |
| 0.5087  | 320      | 0.892         | -                      | -                      | -                      |
| 0.5246  | 330      | 0.799         | -                      | -                      | -                      |
| 0.5405  | 340      | 0.8818        | -                      | -                      | -                      |
| 0.5564  | 350      | 0.7317        | -                      | -                      | -                      |
| 0.5723  | 360      | 0.7622        | -                      | -                      | -                      |
| 0.5882  | 370      | 0.5545        | -                      | -                      | -                      |
| 0.6041  | 380      | 0.6964        | -                      | -                      | -                      |
| 0.6200  | 390      | 0.5674        | -                      | -                      | -                      |
| 0.6359  | 400      | 0.639         | -                      | -                      | -                      |
| 0.6518  | 410      | 0.6187        | -                      | -                      | -                      |
| 0.6677  | 420      | 0.53          | -                      | -                      | -                      |
| 0.6836  | 430      | 0.6975        | -                      | -                      | -                      |
| 0.6995  | 440      | 0.6865        | -                      | -                      | -                      |
| 0.7154  | 450      | 0.7152        | -                      | -                      | -                      |
| 0.7313  | 460      | 0.6455        | -                      | -                      | -                      |
| 0.7472  | 470      | 0.8349        | -                      | -                      | -                      |
| 0.7631  | 480      | 0.6589        | -                      | -                      | -                      |
| 0.7790  | 490      | 0.4648        | -                      | -                      | -                      |
| 0.7949  | 500      | 0.8056        | -                      | -                      | -                      |
| 0.8108  | 510      | 0.7058        | -                      | -                      | -                      |
| 0.8267  | 520      | 0.6845        | -                      | -                      | -                      |
| 0.8426  | 530      | 0.6203        | -                      | -                      | -                      |
| 0.8585  | 540      | 0.5678        | -                      | -                      | -                      |
| 0.8744  | 550      | 0.5013        | -                      | -                      | -                      |
| 0.8903  | 560      | 0.5113        | -                      | -                      | -                      |
| 0.9062  | 570      | 0.7517        | -                      | -                      | -                      |
| 0.9221  | 580      | 0.7173        | -                      | -                      | -                      |
| 0.9380  | 590      | 0.5379        | -                      | -                      | -                      |
| 0.9539  | 600      | 0.6434        | -                      | -                      | -                      |
| 0.9698  | 610      | 0.661         | -                      | -                      | -                      |
| 0.9857  | 620      | 0.6275        | -                      | -                      | -                      |
| 1.0     | 629      | -             | 0.6487                 | 0.6366                 | 0.6134                 |
| 1.0016  | 630      | 0.6426        | -                      | -                      | -                      |
| 1.0175  | 640      | 0.4163        | -                      | -                      | -                      |
| 1.0334  | 650      | 0.323         | -                      | -                      | -                      |
| 1.0493  | 660      | 0.3823        | -                      | -                      | -                      |
| 1.0652  | 670      | 0.3506        | -                      | -                      | -                      |
| 1.0811  | 680      | 0.3523        | -                      | -                      | -                      |
| 1.0970  | 690      | 0.4006        | -                      | -                      | -                      |
| 1.1129  | 700      | 0.4216        | -                      | -                      | -                      |
| 1.1288  | 710      | 0.3462        | -                      | -                      | -                      |
| 1.1447  | 720      | 0.3954        | -                      | -                      | -                      |
| 1.1606  | 730      | 0.3752        | -                      | -                      | -                      |
| 1.1765  | 740      | 0.3412        | -                      | -                      | -                      |
| 1.1924  | 750      | 0.3188        | -                      | -                      | -                      |
| 1.2083  | 760      | 0.3089        | -                      | -                      | -                      |
| 1.2242  | 770      | 0.4076        | -                      | -                      | -                      |
| 1.2401  | 780      | 0.4033        | -                      | -                      | -                      |
| 1.2560  | 790      | 0.3759        | -                      | -                      | -                      |
| 1.2719  | 800      | 0.3031        | -                      | -                      | -                      |
| 1.2878  | 810      | 0.34          | -                      | -                      | -                      |
| 1.3037  | 820      | 0.3209        | -                      | -                      | -                      |
| 1.3196  | 830      | 0.4039        | -                      | -                      | -                      |
| 1.3355  | 840      | 0.4197        | -                      | -                      | -                      |
| 1.3514  | 850      | 0.4107        | -                      | -                      | -                      |
| 1.3672  | 860      | 0.4421        | -                      | -                      | -                      |
| 1.3831  | 870      | 0.4072        | -                      | -                      | -                      |
| 1.3990  | 880      | 0.351         | -                      | -                      | -                      |
| 1.4149  | 890      | 0.3924        | -                      | -                      | -                      |
| 1.4308  | 900      | 0.3622        | -                      | -                      | -                      |
| 1.4467  | 910      | 0.453         | -                      | -                      | -                      |
| 1.4626  | 920      | 0.456         | -                      | -                      | -                      |
| 1.4785  | 930      | 0.3161        | -                      | -                      | -                      |
| 1.4944  | 940      | 0.36          | -                      | -                      | -                      |
| 1.5103  | 950      | 0.3308        | -                      | -                      | -                      |
| 1.5262  | 960      | 0.3496        | -                      | -                      | -                      |
| 1.5421  | 970      | 0.4545        | -                      | -                      | -                      |
| 1.5580  | 980      | 0.3517        | -                      | -                      | -                      |
| 1.5739  | 990      | 0.3289        | -                      | -                      | -                      |
| 1.5898  | 1000     | 0.3153        | -                      | -                      | -                      |
| 1.6057  | 1010     | 0.2682        | -                      | -                      | -                      |
| 1.6216  | 1020     | 0.3237        | -                      | -                      | -                      |
| 1.6375  | 1030     | 0.5514        | -                      | -                      | -                      |
| 1.6534  | 1040     | 0.331         | -                      | -                      | -                      |
| 1.6693  | 1050     | 0.3172        | -                      | -                      | -                      |
| 1.6852  | 1060     | 0.3119        | -                      | -                      | -                      |
| 1.7011  | 1070     | 0.3216        | -                      | -                      | -                      |
| 1.7170  | 1080     | 0.366         | -                      | -                      | -                      |
| 1.7329  | 1090     | 0.3386        | -                      | -                      | -                      |
| 1.7488  | 1100     | 0.3613        | -                      | -                      | -                      |
| 1.7647  | 1110     | 0.2997        | -                      | -                      | -                      |
| 1.7806  | 1120     | 0.3683        | -                      | -                      | -                      |
| 1.7965  | 1130     | 0.3361        | -                      | -                      | -                      |
| 1.8124  | 1140     | 0.3198        | -                      | -                      | -                      |
| 1.8283  | 1150     | 0.3168        | -                      | -                      | -                      |
| 1.8442  | 1160     | 0.4225        | -                      | -                      | -                      |
| 1.8601  | 1170     | 0.3533        | -                      | -                      | -                      |
| 1.8760  | 1180     | 0.3054        | -                      | -                      | -                      |
| 1.8919  | 1190     | 0.324         | -                      | -                      | -                      |
| 1.9078  | 1200     | 0.3282        | -                      | -                      | -                      |
| 1.9237  | 1210     | 0.3696        | -                      | -                      | -                      |
| 1.9396  | 1220     | 0.3376        | -                      | -                      | -                      |
| 1.9555  | 1230     | 0.3517        | -                      | -                      | -                      |
| 1.9714  | 1240     | 0.3707        | -                      | -                      | -                      |
| 1.9873  | 1250     | 0.4085        | -                      | -                      | -                      |
| 2.0     | 1258     | -             | 0.6781                 | 0.6690                 | 0.6496                 |
| 2.0032  | 1260     | 0.2562        | -                      | -                      | -                      |
| 2.0191  | 1270     | 0.146         | -                      | -                      | -                      |
| 2.0350  | 1280     | 0.1519        | -                      | -                      | -                      |
| 2.0509  | 1290     | 0.174         | -                      | -                      | -                      |
| 2.0668  | 1300     | 0.1505        | -                      | -                      | -                      |
| 2.0827  | 1310     | 0.2005        | -                      | -                      | -                      |
| 2.0986  | 1320     | 0.175         | -                      | -                      | -                      |
| 2.1145  | 1330     | 0.1652        | -                      | -                      | -                      |
| 2.1304  | 1340     | 0.1639        | -                      | -                      | -                      |
| 2.1463  | 1350     | 0.1513        | -                      | -                      | -                      |
| 2.1622  | 1360     | 0.2161        | -                      | -                      | -                      |
| 2.1781  | 1370     | 0.2236        | -                      | -                      | -                      |
| 2.1940  | 1380     | 0.175         | -                      | -                      | -                      |
| 2.2099  | 1390     | 0.1829        | -                      | -                      | -                      |
| 2.2258  | 1400     | 0.1969        | -                      | -                      | -                      |
| 2.2417  | 1410     | 0.1787        | -                      | -                      | -                      |
| 2.2576  | 1420     | 0.1719        | -                      | -                      | -                      |
| 2.2734  | 1430     | 0.199         | -                      | -                      | -                      |
| 2.2893  | 1440     | 0.1696        | -                      | -                      | -                      |
| 2.3052  | 1450     | 0.243         | -                      | -                      | -                      |
| 2.3211  | 1460     | 0.147         | -                      | -                      | -                      |
| 2.3370  | 1470     | 0.1672        | -                      | -                      | -                      |
| 2.3529  | 1480     | 0.1754        | -                      | -                      | -                      |
| 2.3688  | 1490     | 0.1704        | -                      | -                      | -                      |
| 2.3847  | 1500     | 0.1626        | -                      | -                      | -                      |
| 2.4006  | 1510     | 0.1574        | -                      | -                      | -                      |
| 2.4165  | 1520     | 0.1755        | -                      | -                      | -                      |
| 2.4324  | 1530     | 0.2045        | -                      | -                      | -                      |
| 2.4483  | 1540     | 0.1851        | -                      | -                      | -                      |
| 2.4642  | 1550     | 0.16          | -                      | -                      | -                      |
| 2.4801  | 1560     | 0.1617        | -                      | -                      | -                      |
| 2.4960  | 1570     | 0.1743        | -                      | -                      | -                      |
| 2.5119  | 1580     | 0.1801        | -                      | -                      | -                      |
| 2.5278  | 1590     | 0.1622        | -                      | -                      | -                      |
| 2.5437  | 1600     | 0.1189        | -                      | -                      | -                      |
| 2.5596  | 1610     | 0.1623        | -                      | -                      | -                      |
| 2.5755  | 1620     | 0.1791        | -                      | -                      | -                      |
| 2.5914  | 1630     | 0.1648        | -                      | -                      | -                      |
| 2.6073  | 1640     | 0.1429        | -                      | -                      | -                      |
| 2.6232  | 1650     | 0.1595        | -                      | -                      | -                      |
| 2.6391  | 1660     | 0.1805        | -                      | -                      | -                      |
| 2.6550  | 1670     | 0.1693        | -                      | -                      | -                      |
| 2.6709  | 1680     | 0.1707        | -                      | -                      | -                      |
| 2.6868  | 1690     | 0.1234        | -                      | -                      | -                      |
| 2.7027  | 1700     | 0.1523        | -                      | -                      | -                      |
| 2.7186  | 1710     | 0.1912        | -                      | -                      | -                      |
| 2.7345  | 1720     | 0.1842        | -                      | -                      | -                      |
| 2.7504  | 1730     | 0.1707        | -                      | -                      | -                      |
| 2.7663  | 1740     | 0.1669        | -                      | -                      | -                      |
| 2.7822  | 1750     | 0.1671        | -                      | -                      | -                      |
| 2.7981  | 1760     | 0.1556        | -                      | -                      | -                      |
| 2.8140  | 1770     | 0.181         | -                      | -                      | -                      |
| 2.8299  | 1780     | 0.2468        | -                      | -                      | -                      |
| 2.8458  | 1790     | 0.1781        | -                      | -                      | -                      |
| 2.8617  | 1800     | 0.2035        | -                      | -                      | -                      |
| 2.8776  | 1810     | 0.1384        | -                      | -                      | -                      |
| 2.8935  | 1820     | 0.1757        | -                      | -                      | -                      |
| 2.9094  | 1830     | 0.1578        | -                      | -                      | -                      |
| 2.9253  | 1840     | 0.1411        | -                      | -                      | -                      |
| 2.9412  | 1850     | 0.1233        | -                      | -                      | -                      |
| 2.9571  | 1860     | 0.1866        | -                      | -                      | -                      |
| 2.9730  | 1870     | 0.1817        | -                      | -                      | -                      |
| 2.9889  | 1880     | 0.1426        | -                      | -                      | -                      |
| 3.0     | 1887     | -             | 0.7011                 | 0.6929                 | 0.6774                 |
| 3.0048  | 1890     | 0.1389        | -                      | -                      | -                      |
| 3.0207  | 1900     | 0.0981        | -                      | -                      | -                      |
| 3.0366  | 1910     | 0.1092        | -                      | -                      | -                      |
| 3.0525  | 1920     | 0.0811        | -                      | -                      | -                      |
| 3.0684  | 1930     | 0.1088        | -                      | -                      | -                      |
| 3.0843  | 1940     | 0.1247        | -                      | -                      | -                      |
| 3.1002  | 1950     | 0.0908        | -                      | -                      | -                      |
| 3.1161  | 1960     | 0.1228        | -                      | -                      | -                      |
| 3.1320  | 1970     | 0.1174        | -                      | -                      | -                      |
| 3.1479  | 1980     | 0.0806        | -                      | -                      | -                      |
| 3.1638  | 1990     | 0.1071        | -                      | -                      | -                      |
| 3.1797  | 2000     | 0.0933        | -                      | -                      | -                      |
| 3.1955  | 2010     | 0.0983        | -                      | -                      | -                      |
| 3.2114  | 2020     | 0.1353        | -                      | -                      | -                      |
| 3.2273  | 2030     | 0.1105        | -                      | -                      | -                      |
| 3.2432  | 2040     | 0.1075        | -                      | -                      | -                      |
| 3.2591  | 2050     | 0.1245        | -                      | -                      | -                      |
| 3.2750  | 2060     | 0.0796        | -                      | -                      | -                      |
| 3.2909  | 2070     | 0.1145        | -                      | -                      | -                      |
| 3.3068  | 2080     | 0.0842        | -                      | -                      | -                      |
| 3.3227  | 2090     | 0.0875        | -                      | -                      | -                      |
| 3.3386  | 2100     | 0.1133        | -                      | -                      | -                      |
| 3.3545  | 2110     | 0.0804        | -                      | -                      | -                      |
| 3.3704  | 2120     | 0.1128        | -                      | -                      | -                      |
| 3.3863  | 2130     | 0.083         | -                      | -                      | -                      |
| 3.4022  | 2140     | 0.0811        | -                      | -                      | -                      |
| 3.4181  | 2150     | 0.1173        | -                      | -                      | -                      |
| 3.4340  | 2160     | 0.1428        | -                      | -                      | -                      |
| 3.4499  | 2170     | 0.1148        | -                      | -                      | -                      |
| 3.4658  | 2180     | 0.0666        | -                      | -                      | -                      |
| 3.4817  | 2190     | 0.1066        | -                      | -                      | -                      |
| 3.4976  | 2200     | 0.1332        | -                      | -                      | -                      |
| 3.5135  | 2210     | 0.0815        | -                      | -                      | -                      |
| 3.5294  | 2220     | 0.1139        | -                      | -                      | -                      |
| 3.5453  | 2230     | 0.1443        | -                      | -                      | -                      |
| 3.5612  | 2240     | 0.0941        | -                      | -                      | -                      |
| 3.5771  | 2250     | 0.0922        | -                      | -                      | -                      |
| 3.5930  | 2260     | 0.1059        | -                      | -                      | -                      |
| 3.6089  | 2270     | 0.1023        | -                      | -                      | -                      |
| 3.6248  | 2280     | 0.1157        | -                      | -                      | -                      |
| 3.6407  | 2290     | 0.0936        | -                      | -                      | -                      |
| 3.6566  | 2300     | 0.1118        | -                      | -                      | -                      |
| 3.6725  | 2310     | 0.1165        | -                      | -                      | -                      |
| 3.6884  | 2320     | 0.0694        | -                      | -                      | -                      |
| 3.7043  | 2330     | 0.1117        | -                      | -                      | -                      |
| 3.7202  | 2340     | 0.1241        | -                      | -                      | -                      |
| 3.7361  | 2350     | 0.116         | -                      | -                      | -                      |
| 3.7520  | 2360     | 0.0755        | -                      | -                      | -                      |
| 3.7679  | 2370     | 0.0841        | -                      | -                      | -                      |
| 3.7838  | 2380     | 0.1067        | -                      | -                      | -                      |
| 3.7997  | 2390     | 0.1273        | -                      | -                      | -                      |
| 3.8156  | 2400     | 0.1179        | -                      | -                      | -                      |
| 3.8315  | 2410     | 0.1003        | -                      | -                      | -                      |
| 3.8474  | 2420     | 0.1027        | -                      | -                      | -                      |
| 3.8633  | 2430     | 0.0939        | -                      | -                      | -                      |
| 3.8792  | 2440     | 0.1036        | -                      | -                      | -                      |
| 3.8951  | 2450     | 0.0976        | -                      | -                      | -                      |
| 3.9110  | 2460     | 0.1085        | -                      | -                      | -                      |
| 3.9269  | 2470     | 0.1157        | -                      | -                      | -                      |
| 3.9428  | 2480     | 0.0906        | -                      | -                      | -                      |
| 3.9587  | 2490     | 0.0957        | -                      | -                      | -                      |
| 3.9746  | 2500     | 0.0817        | -                      | -                      | -                      |
| 3.9905  | 2510     | 0.0949        | -                      | -                      | -                      |
| 4.0     | 2516     | -             | 0.7047                 | 0.6975                 | 0.6825                 |
| 4.0064  | 2520     | 0.1151        | -                      | -                      | -                      |
| 4.0223  | 2530     | 0.0958        | -                      | -                      | -                      |
| 4.0382  | 2540     | 0.0959        | -                      | -                      | -                      |
| 4.0541  | 2550     | 0.1126        | -                      | -                      | -                      |
| 4.0700  | 2560     | 0.0732        | -                      | -                      | -                      |
| 4.0859  | 2570     | 0.0783        | -                      | -                      | -                      |
| 4.1017  | 2580     | 0.1312        | -                      | -                      | -                      |
| 4.1176  | 2590     | 0.0888        | -                      | -                      | -                      |
| 4.1335  | 2600     | 0.0824        | -                      | -                      | -                      |
| 4.1494  | 2610     | 0.0695        | -                      | -                      | -                      |
| 4.1653  | 2620     | 0.0639        | -                      | -                      | -                      |
| 4.1812  | 2630     | 0.1038        | -                      | -                      | -                      |
| 4.1971  | 2640     | 0.1011        | -                      | -                      | -                      |
| 4.2130  | 2650     | 0.1012        | -                      | -                      | -                      |
| 4.2289  | 2660     | 0.0943        | -                      | -                      | -                      |
| 4.2448  | 2670     | 0.0834        | -                      | -                      | -                      |
| 4.2607  | 2680     | 0.0712        | -                      | -                      | -                      |
| 4.2766  | 2690     | 0.096         | -                      | -                      | -                      |
| 4.2925  | 2700     | 0.0788        | -                      | -                      | -                      |
| 4.3084  | 2710     | 0.1016        | -                      | -                      | -                      |
| 4.3243  | 2720     | 0.0905        | -                      | -                      | -                      |
| 4.3402  | 2730     | 0.0954        | -                      | -                      | -                      |
| 4.3561  | 2740     | 0.0747        | -                      | -                      | -                      |
| 4.3720  | 2750     | 0.1137        | -                      | -                      | -                      |
| 4.3879  | 2760     | 0.122         | -                      | -                      | -                      |
| 4.4038  | 2770     | 0.078         | -                      | -                      | -                      |
| 4.4197  | 2780     | 0.0517        | -                      | -                      | -                      |
| 4.4356  | 2790     | 0.096         | -                      | -                      | -                      |
| 4.4515  | 2800     | 0.0775        | -                      | -                      | -                      |
| 4.4674  | 2810     | 0.1207        | -                      | -                      | -                      |
| 4.4833  | 2820     | 0.1079        | -                      | -                      | -                      |
| 4.4992  | 2830     | 0.1411        | -                      | -                      | -                      |
| 4.5151  | 2840     | 0.0988        | -                      | -                      | -                      |
| 4.5310  | 2850     | 0.0666        | -                      | -                      | -                      |
| 4.5469  | 2860     | 0.0943        | -                      | -                      | -                      |
| 4.5628  | 2870     | 0.0698        | -                      | -                      | -                      |
| 4.5787  | 2880     | 0.0721        | -                      | -                      | -                      |
| 4.5946  | 2890     | 0.092         | -                      | -                      | -                      |
| 4.6105  | 2900     | 0.1138        | -                      | -                      | -                      |
| 4.6264  | 2910     | 0.0814        | -                      | -                      | -                      |
| 4.6423  | 2920     | 0.0951        | -                      | -                      | -                      |
| 4.6582  | 2930     | 0.0717        | -                      | -                      | -                      |
| 4.6741  | 2940     | 0.0791        | -                      | -                      | -                      |
| 4.6900  | 2950     | 0.0789        | -                      | -                      | -                      |
| 4.7059  | 2960     | 0.1098        | -                      | -                      | -                      |
| 4.7218  | 2970     | 0.1017        | -                      | -                      | -                      |
| 4.7377  | 2980     | 0.071         | -                      | -                      | -                      |
| 4.7536  | 2990     | 0.135         | -                      | -                      | -                      |
| 4.7695  | 3000     | 0.072         | -                      | -                      | -                      |
| 4.7854  | 3010     | 0.0995        | -                      | -                      | -                      |
| 4.8013  | 3020     | 0.0571        | -                      | -                      | -                      |
| 4.8172  | 3030     | 0.0884        | -                      | -                      | -                      |
| 4.8331  | 3040     | 0.0729        | -                      | -                      | -                      |
| 4.8490  | 3050     | 0.0951        | -                      | -                      | -                      |
| 4.8649  | 3060     | 0.1106        | -                      | -                      | -                      |
| 4.8808  | 3070     | 0.0896        | -                      | -                      | -                      |
| 4.8967  | 3080     | 0.0723        | -                      | -                      | -                      |
| 4.9126  | 3090     | 0.0745        | -                      | -                      | -                      |
| 4.9285  | 3100     | 0.0741        | -                      | -                      | -                      |
| 4.9444  | 3110     | 0.1112        | -                      | -                      | -                      |
| 4.9603  | 3120     | 0.0757        | -                      | -                      | -                      |
| 4.9762  | 3130     | 0.1096        | -                      | -                      | -                      |
| 4.9921  | 3140     | 0.0963        | -                      | -                      | -                      |
| **5.0** | **3145** | **-**         | **0.7097**             | **0.7008**             | **0.6864**             |

* The bold row denotes the saved checkpoint.
</details>

### Framework Versions
- Python: 3.11.11
- Sentence Transformers: 3.4.1
- Transformers: 4.49.0
- PyTorch: 2.6.0+cu124
- Accelerate: 1.3.0
- Datasets: 3.3.1
- 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.*
-->