Downloads · 30 days
443
2% of all-time downloads
woong0322/ko-legal-sbert-finetuned
ko-legal-sbert-finetuned is a feature extraction model from woong0322. Use it when you need embeddings to search or compare text. It is set up for sentence-transformers.
--- language: ko license: apache-2.0 libraryname: sentence-transformers pipelinetag: sentence-similarity tags: - sentence-transformers - sentence-similarity - feature-extraction - korean - legal - bert datasets: - cus…
Downloads · 30 days
443
2% of all-time downloads
All-time downloads
20.7K
Public
Parameters
111M
442 MB on disk
Likes
2
Public
Click a slice to open those files.
.safetensors442 MB · 100%
From the Hugging Face model README
language: ko license: apache-2.0 library_name: sentence-transformers pipeline_tag: sentence-similarity tags:
Ko-Legal-SBERT는 한국 법률 문서에 특화된 문장 임베딩 모델입니다. 35,104개의 고품질 법률 트리플셋으로 파인튜닝되어 법률 문서 간의 의미적 유사도를 정확하게 측정할 수 있습니다.
import requests
API_URL = "https://api-inference.huggingface.co/models/woong0322/ko-legal-sbert-finetuned"
headers = {"Authorization": "Bearer YOUR_TOKEN"}
def query(payload):
response = requests.post(API_URL, headers=headers, json=payload)
return response.json()
# 임베딩 생성
output = query({
"inputs": "인터넷 사기 피해 손해배상 청구"
})
from sentence_transformers import SentenceTransformer
import numpy as np
# 모델 로드
model = SentenceTransformer('woong0322/ko-legal-sbert-finetuned')
# 법률 텍스트 임베딩
texts = [
"상여금을 임금으로 인정하기 위한 요건",
"퇴직금 산정의 기초가 되는 평균임금",
"형법상 절도의 범의와 고의"
]
embeddings = model.encode(texts)
# 유사도 계산
similarity_01 = np.dot(embeddings[0], embeddings[1]) # 노동법 관련: 높은 유사도
similarity_02 = np.dot(embeddings[0], embeddings[2]) # 노동법 vs 형법: 낮은 유사도
print(f"노동법 문서 간 유사도: {similarity_01:.3f}") # 예상: 0.85+
print(f"노동법 vs 형법 유사도: {similarity_02:.3f}") # 예상: 0.0 근처
| 메트릭 | 점수 | 설명 |
|---|---|---|
| 동일 분야 유사도 | 0.853 | 같은 법 분야 문서 간 평균 유사도 |
| 분야 간 구분도 | 0.023 | 다른 법 분야 간 평균 유사도 (낮을수록 좋음) |
| 전체 품질 점수 | 95.0/100 | 데이터 품질 종합 평가 |
이 모델은 SentenceTransformers 라이브러리를 사용하여 학습되었으며, 다음과 같은 구조를 가집니다:
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})
)
이 모델을 연구나 상업적 목적으로 사용하실 때는 다음과 같이 인용해주세요:
@misc{ko-legal-sbert-2025,
title={Ko-Legal-SBERT: Korean Legal Domain Specialized Sentence Embedding Model},
author={woong0322},
year={2025},
url={https://huggingface.co/woong0322/ko-legal-sbert-finetuned}
}
이 모델은 Apache 2.0 라이선스 하에 배포됩니다. 상업적 사용이 가능하며, 출처만 명시하면 자유롭게 사용하실 수 있습니다.
💡 이 모델이 도움이 되셨다면 ⭐을 눌러주세요!