/ Модель

Характеристики

Контекст
512 токенов
Параметры
195 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
8 июл 2022

legal-bert-dutch-english

ЭмбеддингиТекст → embedding3 профессии

Двуязычная юридическая BERT-модель для извлечения признаков из текстов на нидерландском и английском языках и последующей настройки под классификацию.

62скачиваний за 30 дней8лайковвеса обновлены4 мая 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Gerwin/legal-bert-dutch-english — модель BERT, дообученная автором на юридических текстах на нидерландском и английском языках на основе многоязычной mBERT. Для дальнейшего обучения использовались 184 тысячи нормативных актов, решений, директив и парламентских запросов объёмом около 295 миллионов слов. Модель предназначена для извлечения признаков из юридических текстов и может служить основой для последующей тонкой настройки классификаторов, например для распределения документов по правовым темам.

Модель содержит 194,6 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в форматах PyTorch и TensorFlow. В README приведены результаты классификации правовых тем на нидерландском и английском языках и многоклассовой классификации двуязычных документов. Для её использования требуется дообучение под конкретную задачу; результаты зависят от данных и процедуры настройки. Лицензия — Apache 2.0.

Сценарии применения

  • извлечение признаков из юридических документов на нидерландском языке
  • извлечение признаков из англоязычных правовых текстов
  • классификация нормативных актов по правовым темам
  • многоклассовая классификация двуязычных юридических документов

Ограничения

Контекст ограничен 512 токенами, поэтому длинные документы могут требовать разбиения. Для прикладной классификации модель нужно дообучать под целевую задачу; приведённые в README результаты зависят от процедуры настройки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Legal BERT model applicable for Dutch and English

A BERT model further trained from mBERT on legal documents. The thesis can be downloaded here.

Data

The model is further trained the same way as EurlexBERT: regulations, decisions, directives, and parliamentary questions were acquired in both Dutch and English. A total of 184k documents, around 295M words, was used to further train the model. This is less than 9% the size of the original BERT model. Further training was done for 60k steps, since it showed better results compared to a 100k checkpoint (which was suggested in the original BERT paper). Using more than 100k steps was not beneficial.

How to use

from transformers import AutoTokenizer, AutoModel, TFAutoModel
tokenizer = AutoTokenizer.from_pretrained("Gerwin/legal-bert-dutch-english")
model = AutoModel.from_pretrained("Gerwin/legal-bert-dutch-english")  # PyTorch
model = TFAutoModel.from_pretrained("Gerwin/legal-bert-dutch-english")  # TensorFlow

Benchmarks

Here are a couple of comparisons between popular BERT models and this model. The fine-tuning procedures for these benchmarks are identical for each pre-trained model, and are more explained in the thesis. You may be able to achieve higher scores for individual models by optimizing fine-tuning procedures. The table shows the weighted F1 scores.

Legal topic classification

ModelMulti-EURLEX (NL)
legal-bert-dutch-english0.786
mBERT0.779
BERTje0.775
ModelMulti-EURLEX (EN)
legal-bert-dutch-english0.786
mBERT0.772
BERT0.791
LegalBERT0.791
EurlexBERT0.795

Multi-class classification (Rabobank)

This dataset is not open-source, but it is still an interesting case since the dataset contains both Dutch and English legal documents that have to be classified. The dataset consists of 8000 long legal documents (2000 Dutch & 6000 English) with a total of 30 classes. Using a combined architecture of a Dutch and English BERT model was not beneficial, since documents from both languages could belong to the same class.

ModelRabobank
legal-bert-dutch-english0.732
mBERT0.713

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
119d22c

0 моделей