SentenceTransformer

This is a sentence-transformers model trained. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

Model Type: Sentence Transformer
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 tokens
Similarity Function: Cosine Similarity

Model Sources

Documentation: Sentence Transformers Documentation
Repository: Sentence Transformers on GitHub
Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, '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, 'include_prompt': True})
)

Usage

Direct Usage (Sentence Transformers)

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

# Download from the 🤗 Hub
model = SentenceTransformer("josedossantos/urf-summary-legalbert")
# Run inference
sentences = [
    ' O projeto de lei visa alterar o art. 20 da Lei nº 5.474/68, permitindo que as empresas locadoras de bens móveis emitam faturas duplicatas para representar créditos oriundos de contratos de locação de bens móveis. A proposta tem como objetivo regularizar a prática comercial usual e evitar futuros questionamentos no Poder Judiciário.',
    ' A proposta de lei visa permitir a emissão de fatura e duplicata a partir da locação de bens móveis, além de estabelecer que a locação de bens móveis não se equipara à prestação de serviços. A justificativa é que a emissão de duplicata é necessária para a adequada administração financeira das empresas e para viabilizar o desconto do título de crédito por meio do sistema bancário. Além disso, a proposta de lei não alterará o art. 26 da Lei nº 5.474, de 1968, que estabeleceu a nova redação do Código Penal.',
    ' O Projeto de Lei apresentado pelo Deputado Cabo Júlio estabelece normas para o atendimento de vítimas de violência sexual em hospitais públicos e privados, obrigando a notificação compulsória e o registro de dados identificados das vítimas. A proposta busca garantir o direito à saúde e à dignidade das vítimas, além de combater a impunidade e a omissão de responsabilidades por parte das autoridades. A medida também pretende incentivar a prevenção da violência sexual e a identificação e condicionamento de agressores.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Training Details

Training Dataset

Unnamed Dataset

Size: 10,962 training samples
Columns: sentence_0, sentence_1, and label
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1 label
type string string int
details
min: 49 tokens
mean: 141.66 tokens
max: 344 tokens

min: 36 tokens
mean: 140.06 tokens
max: 355 tokens

0: ~49.50%
1: ~50.50%

	sentence_0	sentence_1	label
type	string	string	int
details	min: 49 tokens mean: 141.66 tokens max: 344 tokens	min: 36 tokens mean: 140.06 tokens max: 355 tokens	0: ~49.50% 1: ~50.50%

Samples:

sentence_0	sentence_1	label
`A Lei nº 152, de 2022, alterou a Lei nº 12.187, de 2009, estabelecendo novas metas de compromisso nacional voluntário para reduzir emissões de gases de efeito estufa até 2025 e 2030, em relação a 2005. Essas metas serão regulamentadas e depositadas junto à Convenção-Quadro das Nações Unidas sobre Mudança do Clima. A Lei também destaca a importância da eliminação do desmatamento ilegal e da promoção da agropecuária sustentável.`	O projeto de lei estabelece preferência no desempate de processo licitatório para empresas que comprovem mitigação à mudança do clima. A proposta inclui a inserção de inciso VI ao § 2º do art. 3º da Lei nº 8.666, de 21 de junho de 1993, que regulamenta o art. 37, inciso XXI, da Constituição Federal, e dá outras providências. A mitigação ambiental é entendida como mudanças e substituições tecnológicas que reduzam o uso de recursos e as emissões por unidade de produção, bem como a implementação de medidas que reduzam as emissões de gases de efeito estufa e aumentem os sumidouros. A proposta busca contribuir para o combate ao aquecimento global e à poluição ambiental, sem resultar em prejuízos ao Poder Público ou à sociedade.	`0`
`O projeto de lei visa estabelecer normas para a inserção de contratos honorários em causas criminais, obrigando os advogados a comprovar a origem lícita dos recursos utilizados e a identificar o caso pessoa responsável. A lei busca prevenir o uso de dinheiro sujo em pagamentos honorários e contribuição para a administração da justiça.`	`O projeto de lei visa obrigar os réus de crimes hediondos e organizações criminosas a demonstrar a origem lícita dos recursos financeiros usados para pagar honorários de advogados. A proposta busca salvaguardar a profissão honesta e transparente, evitando que os advogados sejam usados para lavar dinheiro de atividades criminosas. O projeto também prevê a possibilidade de um juiz verificar indícios de fraude e comunicação com o Conselho Controle Atividades Financeiras.`	`1`
O presente projeto de lei institui o Estatuto do Carbono Verde, regulamentando o mercado de carbono no âmbito dos povos tradicionais e do agronegócio, com foco em reduzir as emissões de gases de efeito estufa e promover o desenvolvimento sustentável. A proposta traz novas medidas, como a criação da Secretaria Especial do Carbono Verde, o Programa Nacional Obrigatória de Compensão de Emissões de GEE e o Plano Nacional Agrícola de Redução das Emissões de GEE. Além disso, a proposta estabelece a comercialização de créditos de carbono nos mercados obrigatórios, permitindo a inclusão de povos tradicionais e comunidades tradicionais na comercialização dos créditos. O presente projeto de lei é uma iniciativa inovante para o desenvolvimento sustentável do país, garantindo o direito dos povos tradicionais e comunidades tradicionais a participar no mercado obrigatória de carbono verde mercado. Apresenta a proposto de lei nº 121218/20009, de 20009/201	A proposta de lei visa estabelecer incentivos fiscais para pessoas físicas e jurídicas que investem em projetos de desenvolvimento limpo, como o mercado de reduções certificadas de emissões (RCEs). O projeto prevê a criação de fundos de investimento para financiar esses projetos e a regulamentação da Comissão de Valores Mobiliários. A lei também estabelece que as quotas do Fundo de Investimento em Projetos de Desenvolvimento Limpo (FIMDL) serão isentas de imposto de renda e outras taxas. Além disso, a lei prevê a compensação de prejuízos para investidores residentes e domiciliados no exterior que venham a sofrer prejuízos decorrentes da alienação de quotas do FIMDL.	`0`

Loss: ContrastiveLoss with these parameters:

{
    "distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE",
    "margin": 0.5,
    "size_average": true
}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 2
per_device_eval_batch_size: 2
num_train_epochs: 1
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
prediction_loss_only: True
per_device_train_batch_size: 2
per_device_eval_batch_size: 2
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 1
eval_accumulation_steps: None
learning_rate: 5e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1
num_train_epochs: 1
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.0
warmup_steps: 0
log_level: passive
log_level_replica: warning
log_on_each_node: True
logging_nan_inf_filter: True
save_safetensors: True
save_on_each_node: False
save_only_model: False
no_cuda: False
use_cpu: False
use_mps_device: False
seed: 42
data_seed: None
jit_mode_eval: False
use_ipex: False
bf16: False
fp16: False
fp16_opt_level: O1
half_precision_backend: auto
bf16_full_eval: False
fp16_full_eval: False
tf32: None
local_rank: 0
ddp_backend: None
tpu_num_cores: None
tpu_metrics_debug: False
debug: []
dataloader_drop_last: False
dataloader_num_workers: 0
dataloader_prefetch_factor: None
past_index: -1
disable_tqdm: False
remove_unused_columns: True
label_names: None
load_best_model_at_end: False
ignore_data_skip: False
fsdp: []
fsdp_min_num_params: 0
fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
fsdp_transformer_layer_cls_to_wrap: None
accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True}
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch
optim_args: None
adafactor: False
group_by_length: False
length_column_name: length
ddp_find_unused_parameters: None
ddp_bucket_cap_mb: None
ddp_broadcast_buffers: False
dataloader_pin_memory: True
dataloader_persistent_workers: False
skip_memory_metrics: True
use_legacy_prediction_loop: False
push_to_hub: False
resume_from_checkpoint: None
hub_model_id: None
hub_strategy: every_save
hub_private_repo: False
hub_always_push: False
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
fp16_backend: auto
push_to_hub_model_id: None
push_to_hub_organization: None
mp_parameters:
auto_find_batch_size: False
full_determinism: False
torchdynamo: None
ray_scope: last
ddp_timeout: 1800
torch_compile: False
torch_compile_backend: None
torch_compile_mode: None
dispatch_batches: None
split_batches: None
include_tokens_per_second: False
include_num_input_tokens_seen: False
neftune_noise_alpha: None
optim_target_modules: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin

Training Logs

Epoch	Step	Training Loss
0.0912	500	0.0399
0.1824	1000	0.0263
0.2737	1500	0.0236
0.3649	2000	0.0217
0.4561	2500	0.0189
0.5473	3000	0.0179
0.6386	3500	0.0155
0.7298	4000	0.0137
0.8210	4500	0.011
0.9122	5000	0.0104

Framework Versions

Python: 3.10.14
Sentence Transformers: 3.0.0
Transformers: 4.39.3
PyTorch: 2.2.0
Accelerate: 0.30.1
Datasets: 2.14.4
Tokenizers: 0.15.1

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

ContrastiveLoss

@inproceedings{hadsell2006dimensionality,
    author={Hadsell, R. and Chopra, S. and LeCun, Y.},
    booktitle={2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06)}, 
    title={Dimensionality Reduction by Learning an Invariant Mapping}, 
    year={2006},
    volume={2},
    number={},
    pages={1735-1742},
    doi={10.1109/CVPR.2006.100}
}

josedossantos
/

urf-summary-legalbert