语言:

• 葡萄牙语 缩略图: "葡萄牙法律领域专用BERT模型" 管道标签: 句子相似度 标签:
• 句子转换器
• 句子相似度
• 转换器 数据集:
• assin
• assin2
• stjiris/portuguese-legal-sentences-v1.0 小部件:
• 源句: "律师向法官提交了证据。" 对比句:
  • "法官阅读了证据。"
  • "法官阅读了上诉书。"
  • "法官投掷了一块石头。" 示例标题: "示例1" 模型索引:
• 名称: BERTimbau 结果:
  • 任务: 名称: STS 类型: STS 指标:
    • 名称: 皮尔逊相关系数 - assin数据集 类型: 皮尔逊相关系数 值: 0.7716333759993093
    • 名称: 皮尔逊相关系数 - assin2数据集 类型: 皮尔逊相关系数 值: 0.8403302138785704
    • 名称: 皮尔逊相关系数 - stsb_multi_mt葡萄牙语数据集 类型: 皮尔逊相关系数 值: 0.8249826985133595

stjiris/bert-large-portuguese-cased-legal-mlm-sts-v1.0 (法律版BERTimbau)

这是一个sentence-transformers模型：它能将句子和段落映射到1024维的密集向量空间，可用于聚类或语义搜索等任务。 stjiris/bert-large-portuguese-cased-legal-mlm-sts-v1.0基于BERTimbau大模型开发。

该模型采用MLM技术训练，学习率为3e-5，训练数据来自约3万份法律文书中的句子，经过13万步训练（在我们的语义搜索系统实现中表现最佳）。

该模型适配葡萄牙法律领域，并在葡萄牙语数据集上针对句子相似度任务进行训练，包括assin、assin2和stsb_multi_mt葡萄牙语子集。

使用方法（Sentence-Transformers）

安装sentence-transformers后即可轻松使用：

pip install -U sentence-transformers

使用示例：

from sentence_transformers import SentenceTransformer
sentences = ["这是一个示例", "这是另一个示例"]

model = SentenceTransformer('stjiris/bert-large-portuguese-cased-legal-mlm-sts-v1.0')
embeddings = model.encode(sentences)
print(embeddings)

使用方法（HuggingFace Transformers）

from transformers import AutoTokenizer, AutoModel
import torch

#均值池化 - 考虑注意力掩码进行正确平均
def mean_pooling(model_output, attention_mask):
    token_embeddings = model_output[0] #模型输出的第一个元素包含所有标记嵌入
    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)

#待编码句子
sentences = ['这是一个示例句子', '每个句子都会被转换']

#从HuggingFace Hub加载模型
tokenizer = AutoTokenizer.from_pretrained('stjiris/bert-large-portuguese-cased-legal-mlm-sts-v1.0')
model = AutoModel.from_pretrained('stjiris/bert-large-portuguese-cased-legal-mlm-sts-v1.0')

#标记化句子
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors='pt')

#计算标记嵌入
with torch.no_grad():
    model_output = model(**encoded_input)
#执行池化操作（此处为均值池化）
sentence_embeddings = mean_pooling(model_output, encoded_input['attention_mask'])
print("句子嵌入：")
print(sentence_embeddings)

完整模型架构

SentenceTransformer(
  (0): Transformer({'max_seq_length': 514, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 1028, '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})
)

引用与作者

若使用本作品，请引用：

[此处保留原始bibtex引用格式不变]