SentenceTransformer based on sentence-transformers/paraphrase-multilingual-mpnet-base-v2

This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-mpnet-base-v2. 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: sentence-transformers/paraphrase-multilingual-mpnet-base-v2
Maximum Sequence Length: 128 tokens
Output Dimensionality: 768 dimensions
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': 128, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (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("l0rdkr0n0s/albanian-legal-sentence-transformer")
# Run inference
sentences = [
    'Me eshte caktuar avokati falas X Y dhe ajo nuk pranon te me mbroje falas mua? Si mund te veproj?',
    'Përshëndetje,\n\nDuhet të paraqiteni në Dhomën e Avokatisë të qytetit që e ka caktuar avokaten dhe të bëni kërkesë për ndryshimin e avokatit të caktuar kryesisht.\n\nFaleminderit.',
    '1    \nPërshëndetje,\n\nNë këtë rast, për aplikime mund të përdorni dhe vërtetimin e student që përmban informacionin e sipërcituar nga ju.\n\nKy vërtetim nuk është ekuivalent me diplomën, që do të thotë mund të ketë dhe institucione ose subjekte që mund të mos e pranojnë nëse nuk është diplomë, megjithatë kur të dorëzoni vërtetimin mund të bëni dhe specifikimet nga ana juaj se pse nuk e dispononi ende kartonin e diplomës.\n\nFaleminderit.\n\nJuristinOnline',
]
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: 354 training samples
Columns: sentence_0, sentence_1, and label
Approximate statistics based on the first 354 samples:
sentence_0 sentence_1 label
type string string float
details
min: 6 tokens
mean: 61.9 tokens
max: 128 tokens

min: 27 tokens
mean: 109.17 tokens
max: 128 tokens

min: 1.0
mean: 1.0
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 6 tokens mean: 61.9 tokens max: 128 tokens	min: 27 tokens mean: 109.17 tokens max: 128 tokens	min: 1.0 mean: 1.0 max: 1.0

Samples:

sentence_0	sentence_1	label
`Përshëndetje!`	Përshëndetje, Çdo shtetas që paguan kontribut për sigurim shëndetësor, ose për të cilin paguan shteti, është i siguruar dhe përfiton nga skema e sigurimeve shëndetësore. Sigurimi i detyrueshëm financon paketat e shërbimeve të sigurimit të detyrueshëm, ku përfshihen. Rimbursimi i plotë ose i pjesshëm i barnave të Listës së Barnave të Rimbursueshme në varësi të kategorisë; Më konkretisht për barnat, personat e siguruar, ose nuk paguajnë fare ose kanë një pagesë të pjesshme që shkon deri në 50 % (për qind) të çmimit të barnave, por jo më shumë. Në rastin konkret mjekimet që përfshihen ne skemën e rimbursimit dhe për të cilat pacienti ka nevojë të vazhdueshme për to, nuk mund të hiqen nga rimbursimi, kur vazhdimisht ka qënë pjesë e skemës së rimburisimit si mjekim dhe nga konsultimi me mjeken ju mund t’i kërkoni arsyet pse nuk mund ta përfitojë përsëri me rimbursim të njëjtin mjekim. Ju mund të ankohemi pranë Fondin e Sigurimit të Detyrueshëm të Kujdesit Shëndetësorë. Ju faleminderit!	`1.0`
`Pershendetje te nderuar,`	1 Pershendetje. Ne rastin tuaj nuk mund t’i drejtoheni gjykates per fitimin e pronesise me parashkrim fitues, pasi kjo padi dhe ky institut juridik zbatohen vetem per prona qe tashme ekzistojne juridikisht, pra per prona qe jane ne qarkullimin civil. Shtepia juaj nuk ekziston juridikisht, por vetem faktikisht dhe i vetmi proces ligjor qe mund ta perfshije si nje pasuri te njohur juridikisht, eshte procesi i legalizimit. Me ligjin e ri per agjencine shteterore te kadastres, ju keni te drejte qe te aplikoni tani per legalizimin e objektit.	`1.0`
Pershendetje, jetoj prej 60 vitesh ne nje banese shtepi private me oborr, te ndertuar ne vitin 1964. Nuk kam dokument pronesie, por vetem nje leje ndertimi te vitit 1964 te dhene ne emer te vellait tim. Kam aplikuar ne ASHK per fitimin e titullit te pronesise te objektit pa titull pronesie me truall funksional/oborrit ne perdorim, ne reference te Vkm nr. 827, datë 30.09.2020. Nga ASHK kerkohet dok qe verteton kalimin e pronesise nga vellai tek une (pasi leja e ndertimit eshte dhene ne emer te tij), edhe pse une kam 60 vite qe jetoj ne ate banese dhe banesa nuk ka konflikte pronesie sepse vellai ka marre pjesen e vet takuese. Gjithashtu kerkohet plansheta e viteve 1981-1991, e azhornuar ne vitin 1993, marre nga Arkivi Qendror Teknik i Ndertimit, i cili shprehet se zona e kerkuar eshte e parilevuar. Aktualisht kam vetem 1 plan rilevimi te bere nga topograf privat. Cfare dokumenti mund te me ndihmoje per te vertetuar qe jam banor i kesaj prone prej 60 vitesh dhe per te fituar titullin e p...	Pershendetje. Referuar ligjit 118/2018 “Per kadastren” Ne nenin 30 te tij parashikon se Individët, familjet dhe personat juridikë privatë apo shtetërorë, që zotërojnë dokumente pronësie, por nuk kanë të përcaktuar në to sipërfaqen, duhet t’i paraqesin regjistruesit një kërkesë për regjistrim pronësie, e cila duhet të shoqërohet me: a) dokumentin e pronësisë; b) dokumentacionin hartografik për pasurinë, i cili miratohet nga ASHK-ja; c) deklaratën noteriale të pronarëve kufitarë, që vërtetojnë përmbajtjen e kërkesës për kufijtë e pasurisë që pretendohet të regjistrohet. Nëse deklarata noteriale nuk mund të sigurohet, apo ka mosmarrëveshje për kufirin e pasurive, ai përcaktohet nga ASHK-ja. Palët e interesuara kanë të drejtën e ankimit gjyqësor ndaj aktit të ASHK-së që përcakton kufirin. Pra nese ASHK refuzon kerkesen tuaj per regjistrimin e prones sepse ju nuk siguroni dot aktin noterial me vellain tuaj per kalimin e pronesise, atehere kunder vendimit te refuzimit qe ju jep ASHK...	`1.0`

Loss: MultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim"
}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 16
per_device_eval_batch_size: 16
num_train_epochs: 5
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: no
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 1
eval_accumulation_steps: None
torch_empty_cache_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: 5
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
restore_callback_states_from_checkpoint: 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}
tp_size: 0
fsdp_transformer_layer_cls_to_wrap: None
accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
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: None
hub_always_push: False
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
include_for_metrics: []
eval_do_concat_batches: True
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_eval_metrics: False
eval_on_start: False
use_liger_kernel: False
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin

Framework Versions

Python: 3.11.11
Sentence Transformers: 3.4.1
Transformers: 4.50.3
PyTorch: 2.6.0+cu124
Accelerate: 1.5.2
Datasets: 3.5.0
Tokenizers: 0.21.1

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",
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

l0rdkr0n0s
/

albanian-legal-sentence-transformer