/ Модель

Характеристики

Контекст
514 токенов
Параметры
180 млн
Лицензия
MIT
Архитектура
roberta · dense
Библиотека
sentence-transformers
Опубликована
1 июн 2024

legal-jerteh-125-sbert

ЭмбеддингиТекст → embedding4 профессии

Дообученная SBERT-модель для семантического поиска и сравнения юридических текстов на сербском языке.

68скачиваний за 30 дней5лайковвеса обновлены1 июн 2024

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 nemanjaPetrovic/legal-jerteh-125-sbert — дообученная версия Jerteh-125 на основе Sentence-BERT и архитектуры RoBERTa. Её разработал автор репозитория для семантического поиска по юридическим данным; обучение проводилось на триплетах с функцией потерь triplet loss. Модель содержит 180,2 млн параметров, принимает текст и формирует эмбеддинги для сравнения предложений и документов. Поддерживает сербский язык, а максимальная длина контекста составляет 514 токенов.

Модель подходит для поиска юридических документов по смыслу и сопоставления запросов с релевантными текстами. Веса доступны в формате PyTorch; лицензия — MIT. В README модель названа proof of concept, поэтому её качество и пригодность для конкретного юридического корпуса следует оценить перед применением.

Сценарии применения

  • поиск юридических документов по текстовому запросу
  • ранжирование юридических текстов по смысловой близости
  • поиск похожих предложений в сербских правовых материалах

Ограничения

В README модель обозначена как proof of concept; её качество и переносимость на другие юридические корпуса отдельно не подтверждены. Контекст ограничен 514 токенами.

Для каких профессий подходит4

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

Semantic Search of Legal Data Using SBERT

This repository contains a proof-of-concept model for semantic search of legal data, based on Sentence-BERT (SBERT) and fine-tuned using triplets. The model is designed to provide efficient and accurate semantic search capabilities for legal documents.

Model Overview

  • Base Model: Jerteh-125
  • Fine-tuning Technique: Triplet loss
  • Purpose: To enable semantic search within legal data

Installation

To use the model, you need to have Python 3.6 or higher installed. Additionally, install the necessary dependencies:

pip install transformers pip install sentence-transformers

Usage

Here's how you can use the model for semantic search:

  1. Load the Model

    from sentence_transformers import SentenceTransformer model = SentenceTransformer('nemanjaPetrovic/legal-jerteh-125-sbert')

  2. Encode Sentences

sentences = ["Sankcije se propisuju u granicama zakonom utvrđenog minimuma i maksimuma.", "Vrste krivičnih sankcija određuju se samo krivičnim zakonom."]

sentence_embeddings = model.encode(sentences)

  1. Perform Semantic Search

To perform a semantic search, you need to encode both your query and the documents you want to search through. You can then use cosine similarity to find the most relevant documents. You should use vector database for this, but for quick test, you can try code bellow

from sklearn.metrics.pairwise import cosine_similarity import numpy as np

query = "Objasni mi pojam sankcija."

query_embedding = model.encode([query])

cosine_similarities = cosine_similarity(query_embedding, sentence_embeddings)

most_similar_idx = np.argmax(cosine_similarities) most_similar_document = sentences[most_similar_idx]

print(f"The most similar document to the query is: {most_similar_document}")

Fine-tuning Details

The model was fine-tuned using triplet loss, a common technique for training embedding models to understand semantic similarity. The fine-tuning dataset consisted of triplets (anchor, positive, negative) to teach the model to distinguish between similar and dissimilar legal documents.

License

This project is licensed under the MIT License - see the LICENSE file for details.

Acknowledgments

I would like to acknowledge the author of Jerteh-125 model Mihailo Skoric and the creators of Sentence-BERT for their foundational work, which made this project possible.

Contact

For any questions or issues, please contact nemanja.nlp@gmail.com.

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
RobertaModel
Ревизия весов
58d9b18

0 моделей