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-txtIndexacao-legalbert")
# Run inference
sentences = [
    'Critério, implementação, energia solar, órgão público.',
    'Obrigatoriedade, utilização, lâmpada de LED, edifício público.',
    'Constituição Federal (1988), mandato, Ministro do Supremo Tribunal Federal, quórum de aprovação, Senado Federal.',
]
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: 10 tokens
mean: 50.52 tokens
max: 402 tokens

min: 11 tokens
mean: 52.96 tokens
max: 512 tokens

0: ~48.20%
1: ~51.80%

	sentence_0	sentence_1	label
type	string	string	int
details	min: 10 tokens mean: 50.52 tokens max: 402 tokens	min: 11 tokens mean: 52.96 tokens max: 512 tokens	0: ~48.20% 1: ~51.80%

Samples:

sentence_0	sentence_1	label
`Alteração, lei federal, critérios, restrição, aquisição, imóvel rural, propriedade rural, estrangeiro, pessoa jurídica estrangeira, posse, terras.`	`Alteração, Constituição Federal, expropriação, gleba, confisco, terras, aquisição, pessoa física, pessoa jurídica, estrangeiro, Região Amazônica, ausência, indenização.`	`1`
`Alteração, Constituição Federal, revogação, dispositivos, exclusão, limitação, percentagem, gastos públicos, receita municipal, Municipios, folha de pagamento, inclusão, subsídio, Vereador, crime de responsabilidade, Presidente, Câmara Municipal, desrespeito, limite máximo, despesa pública.`	`Alteração, Lei Orgânica dos Partidos Políticos (1995), fixação, percentual, recursos, Fundo partidário, campanha eleitoral, criação, Fundo de Financiamento de Campanhas Eleitorais, limite, gasto ,pagamento, empregado, manutenção, sede, redução, percentual, instituição, educação política, partido político.`	`0`
`Alteração, Lei Maria da Penha, medida preventiva, condomínio residencial, capacitação, síndico, trabalhador, divulgação,, placa, prevenção, crime, violência doméstica, mulher.`	Alteração, Lei do Condomínio, obrigatoriedade, síndico, condômino, locatário, proprietário, comunicação, Autoridade competente, violência doméstica, Violência contra a mulher, criança, adolescente, idoso, Pessoa com deficiência. _ Alteração, Código Civil (2002), critério, Convenção condominial, Condomínio edilício, deveres, síndico, condômino, locatário, proprietário, comunicação, Autoridade competente, violência doméstica, Violência contra a mulher, criança, adolescente, idoso, Pessoa com deficiência. _ Alteração, Código Penal, Periclitação da vida e da saúde, crime, omissão de socorro, vítima, violência doméstica.	`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	0.0386
0.1824	1000	0.0261
0.2737	1500	0.0238
0.3649	2000	0.0221
0.4561	2500	0.0191
0.5473	3000	0.0179
0.6386	3500	0.0167
0.7298	4000	0.0143
0.8210	4500	0.0142
0.9122	5000	0.0107

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-txtIndexacao-legalbert