Mainak Manna
commited on
Commit
•
ff290b5
1
Parent(s):
4152a1a
First version of the model
Browse files
README.md
ADDED
@@ -0,0 +1,69 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
+
|
2 |
+
---
|
3 |
+
language: Cszech
|
4 |
+
tags:
|
5 |
+
- classification Cszech model
|
6 |
+
datasets:
|
7 |
+
- jrc-acquis
|
8 |
+
widget:
|
9 |
+
- text: "Jmenování členů smírčí komise zřízené rozhodnutím Komise ze dne 1. července 1994 č. 94/442/ES o zavedení smírčího řízení v rámci schválení účetní závěrky záruční sekce Evropského zemědělského orientačního a záručního fondu (EZOZF) (2006/C 193/09) (1) Komise obnovila mandát: pana José Luis SAENZ GARCIA-BAQUERA (ES) (od 1. srpna 2006 do 31. července 2007). (2) Komise jmenovala členy: - pana Petera BAUMANNA (DA) (od 1. srpna 2006 do 31. července 2009); - pana Daniela PERRINA (FR) (od 1. srpna 2006 do 31. července 2009). (3) Komise jmenovala náhradníky: - pana Roberta BURIANA (A) (od 1. srpna 2006); - pana Eduardo DIEZ PATIERA (ES) (od 1. srpna 2006). --------------------------------------------------"
|
10 |
+
|
11 |
+
---
|
12 |
+
|
13 |
+
# legal_t5_small_cls_cs model
|
14 |
+
|
15 |
+
Model for classification of legal text written in Cszech. It was first released in
|
16 |
+
[this repository](https://github.com/agemagician/LegalTrans). This model is trained on three parallel corpus from jrc-acquis.
|
17 |
+
|
18 |
+
|
19 |
+
## Model description
|
20 |
+
|
21 |
+
legal_t5_small_cls_cs is based on the `t5-small` model and was trained on a large corpus of parallel text. This is a smaller model, which scales the baseline model of t5 down by using `dmodel = 512`, `dff = 2,048`, 8-headed attention, and only 6 layers each in the encoder and decoder. This variant has about 60 million parameters.
|
22 |
+
|
23 |
+
## Intended uses & limitations
|
24 |
+
|
25 |
+
The model could be used for classification of legal texts written in Cszech.
|
26 |
+
|
27 |
+
### How to use
|
28 |
+
|
29 |
+
Here is how to use this model to classify legal text written in Cszech in PyTorch:
|
30 |
+
|
31 |
+
```python
|
32 |
+
from transformers import AutoTokenizer, AutoModelWithLMHead, TranslationPipeline
|
33 |
+
|
34 |
+
pipeline = TranslationPipeline(
|
35 |
+
model=AutoModelWithLMHead.from_pretrained("SEBIS/legal_t5_small_cls_cs"),
|
36 |
+
tokenizer=AutoTokenizer.from_pretrained(pretrained_model_name_or_path = "SEBIS/legal_t5_small_cls_cs", do_lower_case=False,
|
37 |
+
skip_special_tokens=True),
|
38 |
+
device=0
|
39 |
+
)
|
40 |
+
|
41 |
+
cs_text = "Jmenování členů smírčí komise zřízené rozhodnutím Komise ze dne 1. července 1994 č. 94/442/ES o zavedení smírčího řízení v rámci schválení účetní závěrky záruční sekce Evropského zemědělského orientačního a záručního fondu (EZOZF) (2006/C 193/09) (1) Komise obnovila mandát: pana José Luis SAENZ GARCIA-BAQUERA (ES) (od 1. srpna 2006 do 31. července 2007). (2) Komise jmenovala členy: - pana Petera BAUMANNA (DA) (od 1. srpna 2006 do 31. července 2009); - pana Daniela PERRINA (FR) (od 1. srpna 2006 do 31. července 2009). (3) Komise jmenovala náhradníky: - pana Roberta BURIANA (A) (od 1. srpna 2006); - pana Eduardo DIEZ PATIERA (ES) (od 1. srpna 2006). --------------------------------------------------"
|
42 |
+
|
43 |
+
pipeline([cs_text], max_length=512)
|
44 |
+
```
|
45 |
+
|
46 |
+
## Training data
|
47 |
+
|
48 |
+
The legal_t5_small_cls_cs model was trained on [JRC-ACQUIS](https://wt-public.emm4u.eu/Acquis/index_2.2.html) dataset consisting of 13 Thousand texts.
|
49 |
+
|
50 |
+
## Training procedure
|
51 |
+
|
52 |
+
### Preprocessing
|
53 |
+
|
54 |
+
### Pretraining
|
55 |
+
An unigram model with 88M parameters is trained over the complete parallel corpus to get the vocabulary (with byte pair encoding), which is used with this model.
|
56 |
+
|
57 |
+
|
58 |
+
## Evaluation results
|
59 |
+
|
60 |
+
When the model is used for classification test dataset, achieves the following results:
|
61 |
+
|
62 |
+
Test results :
|
63 |
+
|
64 |
+
| Model | F1 score |
|
65 |
+
|:-----:|:-----:|
|
66 |
+
| legal_t5_small_cls_cs | 0.6297|
|
67 |
+
|
68 |
+
|
69 |
+
### BibTeX entry and citation info
|