Update README.md

README.md

@@ -13,4 +13,68 @@ tags:
 
 <div dir="rtl">
 
+# 📑 مدل embedding اختصاصی برای آدرس‌های فارسی
+
+## 🏛 معرفی
+این مدل محصول جانبی و نسخه ریز تنظیم شده مدل پایه [`fa-address-bert-small`](https://huggingface.co/IRI2070/fa-address-bert-small) است برای داده‌های آدرس فارسی است که بر اساس آدرس‌های واقعی توسعه داده شده است. هدف اصلی مدل، **تولید بردار embedding برای هر آدرس فارسی** است تا بتوان از آن در وظایف **شباهت‌سنجی، تطبیق رکورد، خوشه‌بندی و جستجوی معنایی آدرس‌ها** استفاده کرد.
+
+---
+
+## 🎯 کاربردها
+- محاسبه شباهت معنایی بین آدرس‌های فارسی  
+- استفاده در سیستم‌های تطبیق رکورد و پاکسازی داده  
+- خوشه‌بندی آدرس‌ها
+- جستجوی هوشمند آدرس در پایگاه‌های داده بزرگ  
+
+---
+
+## 📂 داده‌های آموزشی
+مدل روی دیتاستی با حدود **۱ میلیون رکورد آدرس** آموزش دیده است. فرآیند تولید داده به شرح زیر است:
+
+- استخراج آدرس‌های صحت‌سنجی‌شده از **سامانه ثبت‌نام مالیاتی (گام ۴۴ و ۴۵)**  
+- پاکسازی و نرمال‌سازی کامل آدرس‌ها  
+- تطبیق کد پستی این آدرس‌ها با جدول پروژه **GNAF شرکت پست جمهوری اسلامی ایران**  
+- تولید مثال‌های آموزشی به ازای هر آدرس:
+  - **۱ مثال Hard Positive**: آدرس واقعی با کد پستی منطبق در جدول GNAF
+  - **۹ مثال Hard Negative**: آدرس‌های بسیار شبیه از نظر متن ولی با کد پستی متفاوت در جدول GNAF
+
+برای تولید مثال‌های Hard Negative از یک مدل **FastText سفارشی** استفاده شد که بر اساس کورپوس ۱۰۰ گیگابایتی آدرس‌های فارسی آموزش دیده بود (همان کورپوسی که برای مدل [`fa-address-bert-small`](https://huggingface.co/IRI2070/fa-address-bert-small) استفاده شده بود).
+
+---
+
+## ⚙️ معماری و تنظیمات
+- Base architecture: [SBERT](https://www.sbert.net)  
+- زبان: فارسی  
+- تعداد رکورد آموزشی: ~1,000,000  
+- نوع مثال‌ها: Hard Positive / Hard Negative  
+- هدف آموزش: Triplet/Contrastive embedding learning برای شباهت‌سنجی دقیق آدرس‌ها  
+
+---
+
+## 🧾 نحوه استفاده
+
+</div>
+
+
+```python
+from sentence_transformers import SentenceTransformer, util
+
+model = SentenceTransformer("IRI2070/fa-address-sbert")
+
+address_1 = "تهران، خیابان آزادی، نبش خوش، پلاک ۱۲"
+address_2 = "تهران، خ آزادی، تقاطع خوش، پلاک ۱۲"
+
+embedding_1 = model.encode(address_1, convert_to_tensor=True)
+embedding_2 = model.encode(address_2, convert_to_tensor=True)
+
+similarity = util.cos_sim(embedding_1, embedding_2)
+print(f"Similarity score: {similarity.item():.4f}")
+```
+
+---
+
+<div dir="rtl">
+
+© این مدل توسط **وزارت امور اقتصادی و دارایی، سازمان امور مالیاتی کشور، معاونت فناوری‌های مالیاتی، دفتر علوم داده** توسعه یافته است.
+
 </div>