/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Архитектура
bert · dense
Опубликована
30 июл 2022

Legal-BERTimbau-sts-base

ЭмбеддингиТекст → embedding4 профессии

Модель BERT для создания эмбеддингов и семантического сравнения португалоязычных юридических текстов.

9 235скачиваний за 30 дней4лайкавеса обновлены18 июн 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

rufimelo/Legal-BERTimbau-sts-base — модель на архитектуре BERT, разработанная для семантического сравнения португалоязычных юридических текстов. Она преобразует предложения и абзацы в плотные векторы размерностью 1024, пригодные для поиска семантически близких фрагментов и кластеризации.

Модель основана на Legal-BERTimbau-large, созданной на базе BERTimbau base, и дообучена для задачи Semantic Textual Similarity на датасетах ASSIN и ASSIN2. В метаданных указаны 136,1 млн параметров и контекст длиной до 512 токенов; поддерживаются форматы PyTorch и safetensors. Карточка приводит результаты оценки на португальских наборах STS, включая ASSIN, ASSIN2 и stsb_multi_mt.

Модель предназначена для семантического поиска, сопоставления предложений и группировки юридических текстов на португальском языке. Лицензия в предоставленных данных не указана.

Сценарии применения

  • семантический поиск по португальским юридическим документам
  • поиск похожих предложений в корпусе судебных и правовых текстов
  • сопоставление формулировок для оценки семантической близости
  • кластеризация португалоязычных юридических предложений
  • поиск релевантных фрагментов в коллекции правовых документов

Ограничения

Модель ориентирована на португальский язык и юридические тексты; перенос на другие языки и предметные области может снизить качество. Максимальная длина контекста составляет 512 токенов.

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

rufimelo/Legal-BERTimbau-sts-base

This is a sentence-transformers model: It maps sentences & paragraphs to a 1024 dimensional dense vector space and can be used for tasks like clustering or semantic search. rufimelo/Legal-BERTimbau-sts-base is based on Legal-BERTimbau-large which derives from BERTimbau base. It is adapted to the Portuguese legal domain and trained for STS on portuguese datasets.

Usage (Sentence-Transformers)

Using this model becomes easy when you have sentence-transformers installed:

pip install -U sentence-transformers

Then you can use the model like this:

from sentence_transformers import SentenceTransformer
sentences = ["Isto é um exemplo", "Isto é um outro exemplo"]

model = SentenceTransformer('rufimelo/Legal-BERTimbau-sts-base')
embeddings = model.encode(sentences)
print(embeddings)

Usage (HuggingFace Transformers)

from transformers import AutoTokenizer, AutoModel
import torch


#Mean Pooling - Take attention mask into account for correct averaging
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #First element of model_output contains all token embeddings
    input_mask_expanded = attention_mask.unsqueeze(-1).expand(token_embeddings.size()).float()
    return torch.sum(token_embeddings * input_mask_expanded, 1) / torch.clamp(input_mask_expanded.sum(1), min=1e-9)

# Sentences we want sentence embeddings for
sentences = ['This is an example sentence', 'Each sentence is converted']

# Load model from HuggingFace Hub
tokenizer = AutoTokenizer.from_pretrained('rufimelo/Legal-BERTimbau-sts-base')
model = AutoModel.from_pretrained('rufimelo/Legal-BERTimbau-sts-base')

# Tokenize sentences
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

# Compute token embeddings
with torch.no_grad():
    model_output = model(**encoded_input)
# Perform pooling. In this case, mean pooling.
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
print("Sentence embeddings:")
print(sentence_embeddings)

Evaluation Results STS

ModelAssinAssin2stsb_multi_mt ptavg
Legal-BERTimbau-sts-base0.714570.735450.723830.72462
Legal-BERTimbau-sts-base-ma0.748740.795320.822540.78886
Legal-BERTimbau-sts-base-ma-v20.754810.802620.821780.79307
Legal-BERTimbau-base-TSDAE-sts0.788140.813800.757770.78657
Legal-BERTimbau-sts-large0.766290.823570.791200.79369
Legal-BERTimbau-sts-large-v20.762990.811210.817260.79715
Legal-BERTimbau-sts-large-ma0.761950.816220.826080.80142
Legal-BERTimbau-sts-large-ma-v20.78360.84620.82610.81863
Legal-BERTimbau-sts-large-ma-v30.77490.84700.83640.81943
Legal-BERTimbau-large-v2-sts0.716650.801060.737240.75165
Legal-BERTimbau-large-TSDAE-sts0.723760.792610.736350.75090
Legal-BERTimbau-large-TSDAE-sts-v20.813260.831300.7863140.81029
Legal-BERTimbau-large-TSDAE-sts-v30.807030.822700.776380.80204
--------------------------------------------------------------------------------
BERTimbau base Fine-tuned for STS0.784550.806260.828410.80640
BERTimbau large Fine-tuned for STS0.781930.817580.837840.81245
--------------------------------------------------------------------------------
paraphrase-multilingual-mpnet-base-v20.714570.798310.839990.78429
paraphrase-multilingual-mpnet-base-v2 Fine-tuned with assin(s)0.776410.798310.845750.80682

Training

rufimelo/Legal-BERTimbau-sts-base is based on Legal-BERTimbau-largewhich derives from BERTimbau base. It was trained for Semantic Textual Similarity, being submitted to a fine tuning stage with the assin and assin2 datasets.

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False})
)

Citing & Authors

Citing & Authors

If you use this work, please cite:

@inproceedings{souza2020bertimbau,
  author    = {F{\'a}bio Souza and
               Rodrigo Nogueira and
               Roberto Lotufo},
  title     = {{BERT}imbau: pretrained {BERT} models for {B}razilian {P}ortuguese},
  booktitle = {9th Brazilian Conference on Intelligent Systems, {BRACIS}, Rio Grande do Sul, Brazil, October 20-23 (to appear)},
  year      = {2020}
}

@inproceedings{fonseca2016assin,
  title={ASSIN: Avaliacao de similaridade semantica e inferencia textual},
  author={Fonseca, E and Santos, L and Criscuolo, Marcelo and Aluisio, S},
  booktitle={Computational Processing of the Portuguese Language-12th International Conference, Tomar, Portugal},
  pages={13--15},
  year={2016}
}

@inproceedings{real2020assin,
  title={The assin 2 shared task: a quick overview},
  author={Real, Livy and Fonseca, Erick and Oliveira, Hugo Goncalo},
  booktitle={International Conference on Computational Processing of the Portuguese Language},
  pages={406--412},
  year={2020},
  organization={Springer}
}
@InProceedings{huggingface:dataset:stsb_multi_mt,
title = {Machine translated multilingual STS benchmark dataset.},
author={Philip May},
year={2021},
url={https://github.com/PhilipMay/stsb-multi-mt}
}

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
0cb6f72

0 моделей