کنفرانس بین المللی فناوری اطلاعات و دانش

English

صفحه اصلی / پانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

Benchmarking Embedding Models for Persian-Language Semantic Information Retrieval

نویسندگان :

Mahmood Kalantari¹ Mehdi Feghhi² Nasser Mozayani³

1- دانشگاه علم و صنعت ایران 2- دانشگاه علم و صنعت ایران 3- دانشگاه علم و صنعت ایران

کلمات کلیدی :

Embedding search،Embedding models،Persian embedding،Persian question-answering،Retrieval-Augmented Generation (RAG)

چکیده :

The increasing reliance on semantic-based retrieval, especially in the context of large language model-powered chatbots, underscores the need for robust evaluation of embedding models. In this study, the performance of embedding models for Persian-language information retrieval was investigated, addressing an area with limited prior research. Four question-answering datasets were used—two publicly available datasets adapted for this study and two custom datasets derived from translations. A systematic evaluation of 17 embedding models was conducted, and the models were ranked based on their accuracy in retrieving relevant content using similarity measures such as dot product, cosine similarity, and L2 distance. The findings emphasize the adaptability of these models to diverse textual data and address the specific challenges posed by the Persian language. This research bridges a critical gap in Persian-language retrieval tasks, providing a comprehensive benchmark for evaluating embedding models in semantic information retrieval scenarios.

لیست مقالات

لیست مقالات بایگانی شده

Improved Weighting in the Automated Texts Classification using Fuzzy Method

Hamidreza Sadrarhami - S. Mohammadali Zanjani - Ghazanfar Shahgholian

Epileptic Seizure Detection based on Statistical and Wavelet Features and Siamese Network

Zahra Hossein-Nejad - Mehdi Nasri

SBST challenges from the perspective of the test techniques

Sepideh Kashefi Gargari - Dr Mohammad Reza Keyvanpour

جایگزینی دارو براساس پیش‌بینی یال روی گراف‌های ناهمگون با بهره‌گیری از جاسازی گراف ناهمگون

رسول سامانی - فهیمه شاهرخ شهرکی - دکتر ناصر قدیری رسول سامانی - فهیمه شاهرخ شهرکی - ناصر قدیری -

کشف برخط تقلب پیشنهاد ساختگی (Bid-Shielding) در مناقصه و مزایده‌های الکترونیکی هلندی با رویکرد تحلیل شبکه اجتماعی

فاطمه الثلایا - دکتر سید علیرضا هاشمی گلپایگانی فاطمه الثلایا - سید علیرضا هاشمی گلپایگانی -

تشخیص بیماری مزمن کلیوی با استفاده از یادگیرنده‌های گروهی و انتخاب ویژگی‌های مؤثر مبتنی‌ بر الگوریتم بهینه‌سازی تبادل حرارتی

صبا عارف‌نیا - مهدی هاشم‌زاده - امین گلزاری اسکوئی

تشخیص مراحل خواب با کمک جنگل تصادفی و ویژگی های فرکانسی استخراج شده از سیگنال های EEG و EOG

سیدعلی حسینی

LuckyAgent2022: A Stop-Learning Multi-Armed Bandit Automated Negotiating Agent

Arash Ebrahimnezhad - Faria Nassiri-Mofakham

تشخیص بیماری شب‌کوری با استفاده از ترکیب الگوریتم‌های یادگیری عمیق

میثم فتاحی

بهبود دقت و کارایی در شبکه‌های عصبی کانولوشنی با استفاده از روش‌های محاسبات تقریبی

محمدرضا رفیعی نژاد - محمدرضا بینش مروستی - سید امیر اصغری

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 41.3.1