/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
OpenRAIL
Архитектура
bert · dense
Опубликована
2 мая 2023

legalbertpt_fp

Заполнение пропусковТекст → текст3 профессии

BERT для заполнения маскированных токенов и адаптации к задачам на юридических текстах на бразильском португальском языке.

1 853скачиваний за 30 дней11лайковвеса обновлены19 мар 2024

Бенчмарки

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

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

LegalBert-pt FP — португалоязычная модель BERT для текстов юридической тематики, опубликованная Raquel Silveira и соавторами. Она продолжает предварительное обучение модели neuralmind/bert-base-portuguese-cased на корпусе из 1,5 млн юридических документов на бразильском португальском языке, собранных в десяти судах Бразилии. Вариант FP содержит 12 слоёв; метаданные указывают 136,1 млн параметров, контекст до 512 токенов и формат PyTorch.

Модель предназначена для заполнения маскированных токенов и может служить основой для дообучения под юридические задачи. В README описаны эксперименты по распознаванию юридических сущностей и классификации судебных петиций; специализированная языковая модель показала преимущество перед общей в этих задачах. Для непосредственного применения в классификации или распознавании сущностей потребуется соответствующая настройка модели.

Модель распространяется по лицензии OpenRAIL. Её специализация и обучающие данные ориентированы на юридические документы Бразилии, поэтому результаты на других языках, правовых системах и типах текстов могут отличаться.

Сценарии применения

  • предсказание пропущенных слов в юридических документах на португальском
  • дообучение для распознавания юридических сущностей
  • дообучение для классификации судебных петиций
  • адаптация BERT к корпусам бразильского права

Ограничения

Модель обучена на юридических документах Бразилии; её применимость к другим правовым системам и языкам не подтверждена. Для распознавания сущностей и классификации петиций потребуется дообучение под конкретную задачу.

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

LegalBert-pt

Introduction

Legalbert-pt is a language model for the legal domain in the Portuguese language. The model was pre-trained to acquire specialization for the domain, and later it could be adjusted for use in specific tasks. Two versions of the model were created: one as a complement to the BERTimbau model, and the other from scratch. The effectiveness of the model based on BERTimbau was evident when analyzing the perplexity measure of the models. Experiments were also carried out in the tasks of identifying legal entities and classifying legal petitions. The results show that the use of specific language models outperforms those obtained using the generic language model in all tasks, suggesting that the specialization of the language model for the legal domain is an important factor for improving the accuracy of learning algorithms.

Keywords: Language model, Legal Bert pt br, Legal domain, Portuguese Language Model

Available models

ModelInitial model#Layers#Params
LegalBert-pt SC12110M
LegalBert-pt FPneuralmind/bert-base-portuguese-cased12110M

Dataset

To pretrain various versions of the LegalBert-pt language model, we collected a total of 1.5 million legal documents in Portuguese from ten Brazilian courts. These documents consisted of four types: initial petitions, petitions, decisions, and sentences. Table shows the distribution of these documents.

The data were obtained from the Codex system of the Brazilian National Council of Justice (CNJ), which maintains the largest and most diverse set of legal texts in Brazilian Portuguese. As part of an agreement established with the researchers who authored this article, the CNJ provided these data for our research.

Data sourceNumber of documents%
Court of Justice of the State of Ceará80,5045.37%
Court of Justice of the State of Piauí90,5146.03
Court of Justice of the State of Rio de Janeiro33,3202.22
Court of Justice of the State of Rondônia971,61564.77
Federal Regional Court of the 3rd Region70,1964.68
Federal Regional Court of the 5th Region6,7670.45
Regional Labor Court of the 9th Region16,1331.08
Regional Labor Court of the 11th Region5,3510.36
Regional Labor Court of the 13th Region155,56710.37
Regional Labor Court of the 23th Region70,0334.67
Total1,500,000100.00%

Usage

from transformers import AutoTokenizer  # Or BertTokenizer
from transformers import AutoModelForPreTraining  # Or BertForPreTraining for loading pretraining heads
from transformers import AutoModel  # or BertModel, for BERT without pretraining heads
  
model = AutoModelForPreTraining.from_pretrained('raquelsilveira/legalbertpt_fp')
tokenizer = AutoTokenizer.from_pretrained('raquelsilveira/legalbertpt_fp')

Cite as

Raquel Silveira, Caio Ponte, Vitor Almeida, Vládia Pinheiro, and Vasco Furtado. 2023. LegalBert-pt: A Pretrained Language Model for the Brazilian Portuguese Legal Domain. In Intelligent Systems: 12th Brazilian Conference, BRACIS 2023, Belo Horizonte, Brazil, September 25–29, 2023, Proceedings, Part III. Springer-Verlag, Berlin, Heidelberg, 268–282. https://doi.org/10.1007/978-3-031-45392-2_18

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
c6d8158

0 моделей