Dataset Viewer
Auto-converted to Parquet Duplicate
query_id
stringlengths
32
32
passage_id
stringlengths
32
32
query
stringlengths
7
297
passage
stringlengths
137
5.93k
category
stringclasses
6 values
link
stringlengths
28
740
negative_passages
listlengths
16
16
608823f9f4635381c68222501123b2ed
465525198bd3bf4e5b137fe927e34ee1
የኦሊምፒክ ማጣሪያ ተሳታፊዎች የሚለዩበት ቻምፒዮና እየተካሄደ ይገኛል
ብርሃን ፈይሳየኢትዮጵያ ቦክስ ፌዴሬሽን በየዓመቱ የሚያዘጋጀው የክለቦች ቻምፒዮና በአዲስ አበባ ከተማ በመካሄድ ላይ ይገኛል። የተሻለ ብቃት ያሳዩ ቦክሰኞች ለቶኪዮ ኦሊምፒክ ማጣሪያ ተሳታፊ እንደሚሆኑም ታውቋል።በቦክስ ስፖርት ከሚካሄዱት ዓመታዊ ቻምፒዮናዎች መካከል አንዱ በክለቦች መካከል የሚካሄደው ነው፤ የዚህ ውድድር የመጀመሪያው ዙር በአዲስ አበባ ከተማ ተጀምሯል። የኢትዮጵያ ቦክስ ፌዴሬሽን ከአዲስ አበባ ቦክስ ፌዴሬሽን ጋር በመተባበር በተዘጋጀው በዚህ ቻምፒዮና፤ ከኮቪድ 19 ወረርሽኝ መከሰት በኋላ ...
ስፖርት
https://www.press.et/Ama/?p=39481
[ { "cosine_sim_score": 0.4953465163707733, "passage": "እአአ የ1964ቱ የቶኪዮ ኦሊምፒክ ኢትዮጵያ በታሪኳ ተሳታፊ የሆነችበት ሶስተኛው ኦሊምፒክ ነው። ታላቁ አትሌት አበበ ቢቂላ በኦሊምፒክ ማራቶን ለራሱ እና ለአገሩ ሁለተኛውን፣ በውድድሩ ደግሞ ብቸኛውን ሜዳሊያ ያገኘበትም ነበር። አሁን ደግሞ ጃፓን ከሃምሳ ስድስት ዓመታት በኋላ ኦሊምፒክን በምድሯ ለማስተናገድ ወራት ብቻ የቀሩበት ጊዜ ላይ እንገኛለን። በዚህ ታላቅ የስፖርት መድረክም የተሻለ ታሪክ ለማስመ...
65a4d23f1b9eedcdc2e06f1f3c9c4718
8cbcc5f269b0b8b7a519f07006145508
አዲስ ዘመን ድሮ
" የአዲስ ዘመን ጋዜጣ ቀደምት ዘገባዎች በእጅጉ ተነባቢ ዛሬም(...TRUNCATED)
መዝናኛ
https://www.press.et/Ama/?p=38334
[{"cosine_sim_score":0.4341917634010315,"passage":"አንዱ በሌላው ላይ፣ ወገን በወ(...TRUNCATED)
524ddf103c1b646d02bab34958c46ee4
e3564bee4dc397f060bc0d8c4a9a3ed4
የአረንጓዴ ጎርፍ በጎ አድራጎት አምባሳደሮች ተሰየሙ
"ቦጋለ አበበየአዲስ አበባ ከተማ አስተዳደር ስፖርት ኮሚሽን (...TRUNCATED)
ስፖርት
https://www.press.et/Ama/?p=39010
[{"cosine_sim_score":0.38338780403137207,"passage":"የተለያዩ ግለሰቦች እና ተቋማ(...TRUNCATED)
841356db06403e817a5278c53afc2643
01c3a5732d6f5bdd77714d572c7bdf9f
የሊጉ በቢዝነስ ሞዴል መመራት አበረታች ጅምር መሆኑ ተገለጸ
"ብርሃን ፈይሳአዲስ አበባ፡- የኢትዮጵያ ፕሪምየር ሊግ በሼር (...TRUNCATED)
ስፖርት
https://www.press.et/Ama/?p=39011
[{"cosine_sim_score":0.4679700434207916,"passage":"እስካሁን የነበረው የቢዝነስ (...TRUNCATED)
9f0d6f3852caca37e94c2b2a90b869e7
8f8010b037e30c19d8f3afa6d45e4f21
"የኦሊምፒክ ሥራ አስፈፃሚው እስከ ቶኪዮ ኦሊምፒክ ማግስት ይ(...TRUNCATED)
"ቦጋለ አበበ የኢትዮጵያ ኦሊምፒክ ኮሚቴ አርባ አምስተኛ መደ(...TRUNCATED)
ስፖርት
https://www.press.et/Ama/?p=39012
[{"cosine_sim_score":0.530302882194519,"passage":"የቶኪዮ 2020 ኦሊምፒክ ለአስራ ስ(...TRUNCATED)
011166bfa21097cce9355a345d96d1ab
3b9c93b94fd66f9cc1b902020a88e47d
"‹‹ሃገራዊ ችግሮችን ለማረምና አብሮነትን ለማጠናከር ስፖር(...TRUNCATED)
" ብርሃን ፈይሳ አዲስ አበባ፡- እንደ ሃገር እየታዩ ያሉትን ስ(...TRUNCATED)
ስፖርት
https://www.press.et/Ama/?p=38512
[{"cosine_sim_score":0.49320971965789795,"passage":"የሀገር ሰላምና አንድነትን ለ(...TRUNCATED)
969a1adb3c275dfcb72c9a19b262ffbc
bd78535bcffacfe1ae1b0f84cba42cf0
"በውድድር ወቅት በወረርሽኙ መከላከያ መመሪያዎች አተገባበር (...TRUNCATED)
"ብርሃን ፈይሳ አዲስ አበባ፡- ስፖርታዊ እንቅስቃሴና ውድድሮ(...TRUNCATED)
ስፖርት
https://www.press.et/Ama/?p=38515
[{"cosine_sim_score":0.4665522575378418,"passage":"የአምስተኛ ሳምንት ዐበይት ጉ(...TRUNCATED)
fd7e7687d7041a2b2aaf7fbf9e3ab5f6
fa5997abb25501d92753abc953d0c38c
የዓለም አትሌቲክስና 2020 የውድድር ዓመት
"ቦጋለ አበበ በኮቪድ-19 ወረርሽኝ ምክንያት የዓለም ማህበራዊ(...TRUNCATED)
ስፖርት
https://www.press.et/Ama/?p=38650
[{"cosine_sim_score":0.5600665807723999,"passage":" በቻይና ናጂንግ ሊካሄድ ታስ(...TRUNCATED)
3937ddb483244f33d24e7d8e99f63c58
d7ff0b5545f060e154c21078eb959f90
ለራስ ሲባል ሌላውን …
" ኧሯ! እንዴት ሆኖ እንዴት ሆኖ እኛንማ አይደፍርም! ብለን ነበ(...TRUNCATED)
መዝናኛ
https://www.press.et/Ama/?p=31198
[{"cosine_sim_score":0.549504280090332,"passage":"ብዙ ጊዜ አዕምሮአችን የለመደ(...TRUNCATED)
faf8930d1795c69c309e5553a518ca52
949e7538c3640ef47ac37addfddefb84
የ2023 አፍሪካ ዋንጫ ዝግጅት ቀጥሏል
" ቦጋለ አበበ ምዕራብ አፍሪካዊቷ አገር ኮትዲቯር የ2023 አፍሪ(...TRUNCATED)
ስፖርት
https://www.press.et/Ama/?p=37905
[{"cosine_sim_score":0.47907596826553345,"passage":"በሩሲያ አስተናጋጅነት በቀጠ(...TRUNCATED)
End of preview. Expand in Data Studio

Amharic Passage Retrieval Dataset with Negatives

This dataset is a version of amharic-news-category-classification that has been filtered, deduplicated, and formatted for passage retrieval.

This dataset can be used directly with Sentence Transformers to train Amharic Text embedding and Reranking models.

Hard Negatives:

The negative_passages column contains hard negative passages that were mined using the roberta-amharic-text-embedding-medium embedding model.

Source Datasets:

Models and Code

The following Text Embedding and ColBERT late-interaction retrieval models were trained using this dataset as part of our ACL 2025 Findings paper: Optimized Text Embedding Models and Benchmarks for Amharic Passage Retrieval.

Citation

@inproceedings{mekonnen2025amharic,
  title={Optimized Text Embedding Models and Benchmarks for Amharic Passage Retrieval},
  author={Kidist Amde Mekonnen, Yosef Worku Alemneh, Maarten de Rijke },
  booktitle={Findings of ACL},
  year={2025}
}
@misc{https://doi.org/10.48550/arxiv.2103.05639,
  doi = {10.48550/ARXIV.2103.05639},
  url = {https://arxiv.org/abs/2103.05639},
  author = {Azime, Israel Abebe and Mohammed, Nebil},
  keywords = {Computation and Language (cs.CL), Artificial Intelligence (cs.AI), FOS: Computer and information sciences, FOS: Computer and information sciences},
  title = {An Amharic News Text classification Dataset},
  publisher = {arXiv},
  year = {2021},
  copyright = {arXiv.org perpetual, non-exclusive license}
}
Downloads last month
28

Collection including rasyosef/amharic-passage-retrieval-dataset-with-negatives

Papers for rasyosef/amharic-passage-retrieval-dataset-with-negatives