SentenceTransformer based on neuralmind/bert-large-portuguese-cased

This is a sentence-transformers model finetuned from neuralmind/bert-large-portuguese-cased. It maps sentences & paragraphs to a 1024-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: neuralmind/bert-large-portuguese-cased
Maximum Sequence Length: 512 tokens
Output Dimensionality: 1024 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': 1024, '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-bertimbau")
# Run inference
sentences = [
    ' O projeto de lei visa alterar o artigo 45 da Lei nº 8.080, de 19 de setembro de 1990, para permitir o atendimento de serviços saúde para os soldados da Borracha que participaram da Segunda Guerra Mundial, e seus familiares dependentes. O projeto também busca reconhecer o esforço e dedicação dos brasileiros que lutaram na guerra.',
    ' O projeto de lei apresentado pelo deputado Mauro Nazif em 2007 visa sanar uma falha legislativa na Lei nº 7.986/1989, que omite a gratificação natalina para beneficiários de pensões vitalícias. O projeto propõe a alteração da Lei nº 7.986/1989 para garantir o recebimento da gratificação natalina para os beneficiários de pensões vitalícias, que atualmente não têm direito a essa benefício. Além disso, o projeto também busca regular a percepção da gratificação natalina para os aposentados e anistiaados.',
    ' A proposta de emenda constitucional visa criar as polícias penais federal, estaduais e distrital, e estabelecer as suas atribuições e subordinação. O quadro de servidores das polícias penais será preenchido por meio de concurso público ou da transformação dos cargos isolados ou dos cargos de carreira dos atuais agentes penitenciários ou equivalentes. A emenda também estabelece a subordinação das polícias militares e dos corpos de bombeiros militares aos Governadores dos Estados, do Distrito Federal e dos Territórios.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# 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: 44 tokens
mean: 142.17 tokens
max: 344 tokens

min: 36 tokens
mean: 137.21 tokens
max: 355 tokens

0: ~49.00%
1: ~51.00%

	sentence_0	sentence_1	label
type	string	string	int
details	min: 44 tokens mean: 142.17 tokens max: 344 tokens	min: 36 tokens mean: 137.21 tokens max: 355 tokens	0: ~49.00% 1: ~51.00%

Samples:

sentence_0	sentence_1	label
O Projeto de Lei do Deputado Federal Celso Sabino (PSDB/PA) objetiva coibir o comportamento de furar a fila na ordem de prioridades para vacinação contra COVID-19 e outras enfermidades, estabelecidas por determinadas campanhas de imunização. O projeto propõe a alteração do Decreto-Lei nº 2.848, de 7 de dezembro de 1940, Código Penal, para tornar crime a violação de prioridade para vacinação. O projeto também prevê a criação de um tipo penal específico para a conduta ignominiosa de furar a fila da ordem de prioridade para vacinação, com pena de detenção de um mês a um ano e multa. Além disso, o projeto estabelece que a pena será aumentada se o agente for um funcionário público e cometer o crime, prevalecendo-se do cargo. O projeto foi apresentado na Câmara dos Deputados em 29 de janeiro de 2021 e conta com o apoio de outros deputados.	O projeto de lei nº 1519/2021, apresentado pelo deputado Paulo Bengtson, prioriza o atendimento dos portadores de diabetes nos laboratórios das redes públicas e privadas de saúde durante a realização de exames que necessitem de jejum total. A lei estabelece que os portadores de diabetes têm prioridade na fila de atendimento, juntamente com as gestantes, idosos e pessoas com deficiência. O projeto também determina que os pacientes devem apresentar documentos médicos que comprovem a patologia para ter direito ao tratamento prioritário. A justificativa para o projeto é evitar mal-estar e complicações para os diabéticos, que podem desencadear malefícios à saúde se ficarem muito tempo sem se alimentar. A lei entrará em vigor na data de sua publicação.	`0`
O projeto de Lei Institui a obrigatoriedade de estabelecimentos públicos e privados voltados ao ensino ou recreação infantil e fundamental a capacitarem seu corpo docente e funcional em noções básicas de primeiros socorros, para garantir a integridade física e psicológica de seus tutelados e alunos, evitando sequelas fisiológicas e anatômicas irremediáveis. O curso será ministrado por entidades municipais ou estaduais, especializadas em práticas de auxílio imediato e emergencial à população, e as despesas serão orçamentárias. O não cumprimento dos dispositivos da Lei, implicará às instituições de ensino inadimplentes.	O Projeto de Lei nº 2015/6891, de 2015, propõe a adição de um artigo ao Decreto nº 9.394/1996, que estabelece as diretrizes e bases da educação nacional, para instituição da obrigatoriedade do ensino de primeiros socorros nos cursos e programas da educação superior. O ensino deverá ter uma duração mínima de 100 horas e ser ministrado por profissionais com formação na área da saúde. A aprovação na disciplina de noções de primeiros socorros será condição para a obtenção do diploma ou certificado de conclusão dos cursos e programas da educação superior. O objetivo do Projeto é reduzir o número de óbitos e lesões graves causadas por acidentes, ao ensejar as noções básicas de primeiros socorros para os estudantes de educação superior.	`1`
O Projeto de Lei nº 2.004, de 2004, do Deputado Paulo Delgado, estabelece a tributação de lucros extraordinários obtidos por instituições financeiras, com o objetivo de garantir a justiça fiscal e obter recursos para o pagamento de aposentadorias e programas de estabilização. A proposta estabelece uma adicional de 18% sobre o lucro líquido apurado, com base no patrimônio líquido médio das instituições financeiras. A medida busca evitar que as instituições financeiras auferam lucros extraordinários à custa dos programas de estabilização e da renda dos cidadãos. A justificativa da proposta é que os lucros extraordinários obtidos pelos instituições financeiras são fruto de políticas governamentais de estabilização e fiscalização, e que esses lucros devem ser revertidos para a sociedade, através da contribuição social.	`O projeto de lei nº 2005, do deputado Carlos Nader, dispõe obrigatoriedade de contratação de seguro para estacionamentos privados, com penalidades para não cumprimento. O seguro deve garantir indenização por danos a veículos e pessoas, e o comprovante de estacionamento deve indicar nome da seguradora e apólice. A lei também estabelece sanções para não cumprimento e justifica a necessidade de proteger direitos dos consumidores.`	`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	0.0372
0.1824	1000	0.0216
0.2737	1500	0.019
0.3649	2000	0.0163
0.4561	2500	0.0143
0.5473	3000	0.0122
0.6386	3500	0.0111
0.7298	4000	0.0092
0.8210	4500	0.0086
0.9122	5000	0.0072

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-summary-bertimbau