urf-summary-legalbert

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

<!-- - **Base model:** [Unknown](https://huggingface.co/unknown) -->

• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 768 tokens
• Similarity Function: Cosine Similarity

<!-- - **Training Dataset:** Unknown --> <!-- - **Language:** Unknown --> <!-- - **License:** Unknown -->

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]

<!-- ### Direct Usage (Transformers) <details><summary>Click to see the direct usage in Transformers</summary> </details> --> <!-- ### Downstream Usage (Sentence Transformers) You can finetune this model on your own dataset. <details><summary>Click to expand</summary> </details> --> <!-- ### Out-of-Scope Use *List how the model may foreseeably be misused and address what users ought not to do with the model.* --> <!-- ## Bias, Risks and Limitations *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* --> <!-- ### Recommendations *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* -->

Training Details

Training Dataset

Unnamed Dataset

• Size: 10,962 training samples
• Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>label</code>
• Approximate statistics based on the first 1000 samples:

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

• Samples:

  sentence_0	sentence_1	label
  <code> 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.</code>	<code> 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.</code>	<code>0</code>
  <code> 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.</code>	<code> 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.</code>	<code>1</code>
  <code> 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.<br> 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</code>	<code> 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.</code>	<code>0</code>

• Loss: <code>ContrastiveLoss</code> 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

<details><summary>Click to expand</summary>

• 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

</details>

Training Logs

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}
}

<!-- ## Glossary *Clearly define terms in order to be accessible across audiences.* --> <!-- ## Model Card Authors *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* --> <!-- ## Model Card Contact *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* -->