/ Модель

Характеристики

Контекст
512 токенов
Параметры
124 млн
Лицензия
CC BY-NC 4.0
Архитектура
bert · dense
Базовая модель
paraphrase-multilingual-MiniLM-L12-v2
Библиотека
sentence-transformers
Опубликована
22 дек 2025

ota-sbert-kadisicilleri

ЭмбеддингиТекст → embedding3 профессии

Модель превращает османско-турецкие судебные записи в векторы для семантического поиска, сравнения и кластеризации.

69скачиваний за 30 дней0лайковвеса обновлены23 дек 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

Модель enesyila/ota-sbert-kadisicilleri разработана Enes Yılandiloğlu и представляет собой sentence-transformer на архитектуре BERT, дообученный на османско-турецких судебных записях kadı sicilleri из архивов Стамбула. Она преобразует предложения и абзацы в плотные 384-мерные векторы для сравнения семантического сходства, поиска и кластеризации документов. Обучение проводилось на 54 554 записях и 54 428 триплетах; модель рассчитана на османский турецкий периода 1500–1928 годов.

Модель основана на sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2, содержит 124,3 млн параметров и принимает до 512 токенов. В README сообщается о точности ранжирования 96,95% на тестовом наборе из 5 443 примеров. Для документов длиннее контекстного окна рекомендуется обработка фрагментами. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Сценарии применения

  • семантический поиск по османско-турецким судебным записям
  • поиск похожих судебных документов
  • кластеризация записей кадийских судов
  • сравнение семантической близости фрагментов архивных документов

Ограничения

Контекст ограничен 512 токенами, поэтому длинные документы следует обрабатывать фрагментами. Лицензия CC BY-NC 4.0 не допускает коммерческое использование; качество за пределами османско-турецких судебных записей не подтверждено.

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

Model Card for Model ID

This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. It maps sentences & paragraphs to a 384-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more. It is finetuned on Ottoman Turkish court registers also known as kadı sicilleri in Turkish.

Model Details

Model Description

  • Developed by: Enes Yılandiloğlu
  • Shared by: Enes Yılandiloğlu
  • Model type: sentence-transformer
  • Language(s) (NLP): Ottoman Turkish (1500-1928)
  • License: cc-by-nc-4.0
  • Finetuned from model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

This model was finetuned on 54,554 Ottoman Turkish records that are available in Istanbul Kadı Sicilleri.

For training, the method used in Chen et al. (2024) was utilised. The method relies on creating triplets based on the titles. Each triplet consists of an anchor document, the positive and negative sample. In this case, we vectorised the summary for each document via using the fill-mask model, enesyila/ota-sbert-kadisicilleri and then calculated the 99th and 1st percentiles of the global similarity distribution to ensure that the model learns from the most distinct semantic relationships. This process yielded 54,428 triplets to finetune a sentence transformer model. The model was trained in 3 epochs with an effective batch size of 32, warmup steps of 500, and a learning rate of 3e-5. For triplet loss, cosine-based distance was leveraged with a margin value of 0.3.

The model can accept inputs up to 512 tokens. Since the median token value for the training data 499, the model can process more than half of the documents at once. However, for longer documents, you can use chunk-based processing.

Uses

This model is specifically fine-tuned for the semantic analysis of Ottoman Turkish judicial records. It is intended to be used for:

  • Semantic Search
  • Document Clustering

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

You can find more detail on how to use the model on the Google Colab notebook of this model. Please find "Use this model" on upper right corner, click it, and then click "Google Colab". Use the code below to get started with the model.

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# 1. Load the model
model_path = 'enesyila/ota-sbert-kadisicilleri'
model = SentenceTransformer(model_path)

# 2. The input sentence
sentence = "Zeyd nam kimesne mahkemeye gelüb Amr'dan on bin akçe taleb eyledi."

# 3. Calculation
embedding = model.encode(sentence)

# 4. Output
print(f"Sentence: {sentence}")
print(f"The size of vector: {embedding.shape}")
print(f"Vector: {vector}")

Evaluation

The model was evaluated on a test set consisting of 5,443 unseen samples.

MetricValueDescription
Test Triplet Loss0.011216Lower is better
Accuracy (Ranking)96.95%Ability to correctly rank positive match above the negative match
Avg. Positive Similarity0.9806Cosine similarity for semantically related pairs
Avg. Negative Similarity-0.1384Cosine similarity for unrelated pairs
Semantic Margin (P-N)1.1190The confidence gap between positive and negative matches

Citation [optional]

The article is coming soon.

Model Card Authors

Enes Yılandiloğlu

Model Card Contact

enes.yilandiloglu@helsinki.fi

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
1db4599

0 моделей