This is a sentence-transformers model finetuned from BAAI/bge-m3 on the legal, statute and general datasets. 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: BAAI/bge-m3
Maximum Sequence Length: 256 tokens
Output Dimensionality: 1024 dimensions
Similarity Function: Cosine Similarity
Training Datasets:
- legal
- statute
- general

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': 256, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

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.

python

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    'Πολιορκία της Άκρας (1799)',
    'Η Πολιορκία της Άκρας (αγγλικά: Siege of Acre (1799)) το έτος 1799 ήταν μια ανεπιτυχής πολιορκία της οθωμανικής οχυρωμένης πόλης Άκρας από τις γαλλικές δυνάμεις, και αποτέλεσε κομβικό σημείο της εισβολής του Ναπολέοντα στην Αίγυπτο και τη Συρία. Υπήρξε δε μία από τις λίγες ήττες στην καριέρα του μεγάλου Γάλλου στρατηλάτη.',
    'Αν θέλετε να ανακαλύψετε ένα νέο μέρος, μπορείτε να πάτε εδώ: Gatow.Είτε σχεδιάζετε να μείνετε για μια νύχτα είτε για ολόκληρη την εβδομάδα, στη γύρω περιοχή (Gatow) θα βρείτε καταλύματα που ικανοποιούν τις ανάγκες όλων των ταξιδιωτών. Gatow: Ρίξτε μια ματιά στον online χάρτη μας στη Hotels.com και βρείτε ξενοδοχεία. Ο χάρτης μας δείχνει όλες τα ξενοδοχεία στις περιοχές και στις γειτονιές γύρω από αυτό το μέρος (Gatow), επομένως μπορείτε να δείτε πόσο κοντά είστε σε σημεία ενδιαφέροντος και αξιοθέατα. Στη συνέχεια, θα μπορέσετε να κάνετε πιο συγκεκριμένη την αναζήτησή σας στην ευρύτερη περιοχή. Οι καλύτερες προσφορές ξενοδοχείων (Gatow) είναι εδώ με την εγγύηση χαμηλότερης τιμής μας.',
]
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 Datasets

legal

Dataset: legal
Size: 81,757 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 26 tokens
mean: 151.71 tokens
max: 256 tokens
min: 58 tokens
mean: 218.01 tokens
max: 256 tokens

Samples:

anchor	positive
`Πότε ευθύνεται ένας πάροχος τηλεπικοινωνιών για αποστολή προωθητικών sms σε συνδρομητή που έχει εγγραφεί στο μητρώο αντιρρήσεων και έχει ασκήσει δικαίωμα εναντίωσης, και ποια χρηματική ικανοποίηση μπορεί να επιδικαστεί για την ηθική βλάβη;`	Ο ενάγων, συνδρομητής καρτοκινητής τηλεφωνίας της εναγομένης παρόχου, είχε εγγραφεί στο ειδικό μητρώο του άρθρου 11 Ν. 3471/2006 και είχε ασκήσει δικαίωμα εναντίωσης κατά το άρθρο 13 Ν. 2472/1997 και το άρθρο 21 ΓΚΠΔ, ώστε να μην δέχεται προωθητικές επικοινωνίες. Παρά ταύτα, έλαβε τέσσερα προωθητικά sms σε συγκεκριμένες ημερομηνίες, ενώ υπέβαλε επανειλημμένες διαμαρτυρίες και καταγγελίες στην ΑΠΔΠΧ. Η Αρχή διαπίστωσε παραβάσεις του ΓΚΠΔ και επέβαλε πρόστιμο στην εναγομένη, ενώ το πρωτοβάθμιο δικαστήριο είχε κάνει εν μέρει δεκτή την αγωγή και είχε επιδικάσει 1.500 ευρώ.
Δύο φορολογούμενοι υπέβαλαν εμπρόθεσμη ενδικοφανή προσφυγή κατά δύο πράξεων διοικητικού προσδιορισμού ΕΝΦΙΑ έτους 2017, με τις οποίες είχε προσδιοριστεί φόρος 4.377,51 ευρώ στον έναν και 1.905,89 ευρώ στην άλλη. Υποστήριξαν ότι για ακίνητά τους που βρίσκονται στο Ψυχικό έπρεπε να ληφθεί υπόψη η νεότερη ρύθμιση για τις τιμές ζώνης και ζήτησαν ακύρωση ή μεταρρύθμιση των πράξεων. Νομικό ερώτημα: Εφαρμόζεται για τον υπολογισμό του ΕΝΦΙΑ έτους 2017 η νεότερη τιμή ζώνης 4.000 ευρώ για ακίνητα που βρίσκονται στη Β΄ Ζώνη της Δημοτικής Ενότητας Ψυχικού;	Α. Νομικό ζήτημα Το δικαστήριο καλείται να κρίνει αν οι προσβαλλόμενες πράξεις διοικητικού προσδιορισμού ΕΝΦΙΑ έτους 2017, ως προς τα ακίνητα των προσφευγόντων που βρίσκονται στο Ψυχικό, έπρεπε να στηριχθούν στη νεότερη ρύθμιση περί τιμής ζώνης. Ειδικότερα, εξετάζεται αν, ενόψει της ακύρωσης της ΠΟΛ.1009/2016 για ορισμένες ζώνες του Ψυχικού και της μεταγενέστερης ΠΟΛ.1163/2017, η φορολογητέα αξία όφειλε να επανυπολογιστεί με τιμή ζώνης 4.000 ευρώ. Β. Εφαρμοστέος κανόνας δικαίου Κατά το άρθρο 63 ν. 4174/2013 προβλέπεται η άσκηση ενδικοφανούς προσφυγής κατά πράξεων της Φορολογικής Διοίκησης. Κατά το άρθρο 11 της Δ. ΟΡΓ. Α 1036960 ΕΞ 2017/10-03-2017 Απόφασης του Διοικητή της Α.Α.Δ.Ε. και την ΠΟΛ 1064/2017 Απόφαση του Διοικητή της Α.Α.Δ.Ε. ρυθμίζεται η αρμοδιότητα και η διαδικασία εξέτασης των ενδικοφανών προσφυγών από τη Διεύθυνση Επίλυσης Διαφορών. Κατά την ΠΟΛ 1069/4-3-2014 Εγκύκλιο της Γενικής Γραμματείας Δημοσίων Εσόδων του Υπουργείου Οικονομικών και τη Δ.Ε.Δ. 1126366 ΕΞ 2016/30-8-201...
Οι αιτούντες άσκησαν αίτηση ακύρωσης κατά απόφασης του Γενικού Γραμματέα της Περιφέρειας Αττικής με την οποία κηρύχθηκε αναδασωτέα έκταση μετά την πυρκαγιά της 21ης-24ης Αυγούστου 2009. Προέβαλαν ότι οι δύο επίδικες ιδιοκτησίες τους βρίσκονται εντός του οικισμού «Σταμάτα – Σπάτα», ο οποίος προϋπήρχε του 1923, και συνεπώς δεν υπάγονται στη δασική νομοθεσία κατά το άρθρο 3 παρ. 6 περ. ε ν. 998/1979. Το Δικαστήριο είχε προηγουμένως ζητήσει διευκρινίσεις από τη Διοίκηση σχετικά με τη θέση του οικισμού, τα όριά του και τη σχέση των επίδικων εκτάσεων με αυτόν. Νομικό ερώτημα: Επιτρέπεται η κήρυξη ως αναδασωτέας έκτασης που, κατά τους αιτούντες, βρίσκεται εντός οικισμού προϋφισταμένου του 1923;	Α. Νομικό ζήτημα Το Δικαστήριο καλείται να κρίνει αν η προσβαλλόμενη πράξη κήρυξης αναδασωτέας έκτασης στηρίζεται σε ειδική και επαρκή αιτιολογία ως προς τον δασικό χαρακτήρα των επίδικων ιδιοκτησιών. Ειδικότερα, εξετάζει αν οι επίδικες εκτάσεις, ευρισκόμενες εντός του οικισμού «Σταμάτα – Σπάτα», ο οποίος προϋπήρχε του 1923, υπάγονται στη δασική νομοθεσία και μπορούσαν νομίμως να κηρυχθούν αναδασωτέες. Β. Εφαρμοστέος κανόνας δικαίου Κατά το άρθρο 117 παρ. 3 Συντάγματος, οι καμένες δασικές εκτάσεις ή δάση κηρύσσονται υποχρεωτικώς αναδασωτέες, ενώ η σχετική διοικητική πράξη πρέπει να στηρίζεται σε πλήρη αιτιολογία. Κατά το άρθρο 38 παρ. 1 ν. 998/1989 και το άρθρο 41 παρ. 1 ν. 998/1989, καθώς και το άρθρο 41 παρ. 3 ν. 998/1989, η κήρυξη αναδασώσεως προϋποθέτει προηγούμενη διαπίστωση του δασικού χαρακτήρα της έκτασης και της καταστροφής της βλάστησης. Περαιτέρω, κατά το άρθρο 3 παρ. 6 περ. ε ν. 998/1979, εκτάσεις εντός οικισμών προϋφισταμένων του 1923 δεν έχουν κατ’ αρχήν χαρακτήρα δάσους ...

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim" 4}

statute

Dataset: statute
Size: 9,200 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 9 tokens
mean: 39.48 tokens
max: 130 tokens
min: 60 tokens
mean: 217.24 tokens
max: 256 tokens

Samples:

anchor	positive
`διατάξεις Περί των επαρχιακών συμβουλίων`	Το ανωτέρω διάταγμα ως και οι: α) Νόμ. ΡΟΣΤ΄ της 16/17 Μαρτ. 1851 περί τροπολογίας του περί επαρχιακών συμβουλίων νόμου. β) Νόμ. ΣΙΕ΄ της 15/22 Απρ. 1867 περί επαρχαιρεσιών. γ) Νόμ. ΑΤΙΕ΄ της 16/18 Δεκ. 1885 περί αναβολής της ενεργήσεως των εκλογών των επαρχ. συμβούλων, παρατάσεως της διαρκείας της υπηρεσίος των επαρχ. συμβούλων κλπ. δ) Νόμ. ΑπΝΣΤ΄ της 3/4 Απρ. 1891 περί επαρχιακών συμβουλίων. ε) Νόμ. ΒΤΙΔ΄ της 25/28 Ιουλ. 1895 περί αναβολής της ενεργείας της εκλογής επαρχιακών συμβούλων. κατηργήθησαν δια του Νομ. ΒΥΜΗ΄/1900 καταργήσαντος τα επαρχιακά συμβούλια.
`διατάξεις Περί κυρώσεως του Κανονισμού Εκπονήσεως Μελετών του Οργανισμού Σχολικών Κτιρίων`	Έχοντες υπ’ όψιν: 1.Τας διατάξεις των άρθρ.4 και 11 του Α.Ν.627/ 1968 και 2.Την από 27.6.1969 απόφασιν του Δ.Σ. του Οργανισμού Σχολικών Κτιρίων, αποφασίζομεν : Κυρούμεν τον Κανονισμόν Εκπονήσεως Μελετών του Οργανισμού Σχολικών Κτιρίων εξ άρθρων δέκα τριών, έχοντα ως ακολούθως: ΕΙΣΑΓΩΓΙΚΑΙ ΔΙΑΤΑΞΕΙΣ Αντικείμενον Κανονισμού Άρθρ.1.-1.Εις τον παρόντα Κανονισμόν υπάγονται τα της εκπονήσεως μελετών εις σχολικά κτίρια της δημοσίας εκπαιδεύσεως πάσης βαθμίδος, πλην ανωτάτης: 2.Αι μελέται αυταί, ως και αι προπαρασκευαστικαί και συναφείς εργασίαι γίνονται μετά προηγουμένην ένταξιν τούτων εις πρόγραμμα του Υπουργείου Εθνικής Παιδείας και Θρησκευμάτων. Εννοιολογικοί προσδιορισμοί ΄Αρθρ.10.-1.Εν τη Συγγραφή Υποχρεώσεων ορίζονται αι διάφοροι προθεσμίαι σταδιακής υποβολής της μελέτης, ήτοι προκαταρκτικής εκθέσεως, προσχεδίων και οριστικής μελέτης. (Μετά την σελ.698,32(β) Σελ.698,33(β) Τεύχος 369 –Σελ.145 Οργανισμός Σχολικών Κτιρίων 32.Θ.δ.3β 2.Εν τη Συγγραφή Υποχρεώσεων, δύναται να τίθενται και προθ...
`διατάξεις Καθορισμός τρόπου είσπραξης Δ.Ε.Χ.Ε`	Έχοντας υπόψη: 1.Τις διατάξεις του άρθρ.31 του Νόμ. 1473/1984 «Μεταρρυθμίσεις στην άμεση και έμμεση φορολογία και άλλες διατάξεις». 2.Την υπ’ αριθ. 35/2.4.1985 Π.Υ.Σ., όπως τροποποιήθηκε και ισχύει με την οποία καθορίζεται η καταβλητέα ωριαία υπερωριακή αποζημίωση στο Προσωπικό του Γενικού Χημείου του Κράτους. 3.Την Τ. 4214/531/11.11.1985 αναλόγου περιεχομένου Απόφαση του Υπουργού των Οικονομικών «Καθορισμός τρόπου είσπραξης Δ.Ε.Τ.Ε.». 4.Την αριθ. 2035036/4426/0024/14.6.1994 απόφαση του Υπουργού των Οικονομικών «περί συστάσεως λογαριασμού και καθορισμού κίνησής του» με την οποία συστήνεται ίδιος λογαριασμός Δ.Ε.Χ.Ε. στην Τράπεζα της Ελλάδος. 5.Την αριθ. 3018074/7656/0078/1994 Απόφαση του Υπουργού των Οικονομικών «καθορισμός ενιαίου ωρομισθίου που θα λαμβάνεται ως βάση για το ύψος των εισπραττομένων Δ.Ε.Χ.Ε.». 6.Την ανάγκη είσπραξης των Δικαιωμάτων Εκτελέσεως Χημικών Εργασιών από τις Χημικές Υπηρεσίες καθώς και την ανάγκη τήρησης όλων των σχετικών διατάξεων σύμφωνα με το Εθνικό και Κοιν...

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim" 4}

general

Dataset: general
Size: 11,172 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 5 tokens
mean: 18.63 tokens
max: 52 tokens
min: 47 tokens
mean: 139.77 tokens
max: 256 tokens

Samples:

anchor	positive
`πώς λειτουργούν οι "ευέλικτες ημερομηνίες" της kayak και γιατί να τις επιλέξω κατά την αναζήτηση πτήσης από λάρνακα προς ρόδο;`	κάποιες φορές, τα σχέδιά μας για ταξίδι δεν είναι τόσο δεσμευτικά. εάν έχετε ευελιξία, με τις ευέλικτες ημερομηνίες μπορείτε να δείτε όλες τις επιλογές πτήσεων προς ρόδο από λάρνακα έως και 3 ημέρες πριν/μετά από τις ημερομηνίες της προτίμησής σας. για να μπορείτε να επιλέξετε τις πτήσεις που ανταποκρίνονται καλύτερα στις ανάγκες σας. [object Object]
`ποια μέτρα καθαρισμού και υγιεινής ισχύουν αυτήν την περίοδο στο hotel midtown pritam;`	αυτό το κατάλυμα επιβεβαιώνει ότι χρησιμοποιείται απολυμαντικό για τον καθαρισμό του καταλύματος. επιπλέον, παρέχεται απολυμαντικό χεριών στους πελάτες, ισχύουν μέτρα κοινωνικής αποστασιοποίησης και το προσωπικό του καταλύματος φοράει ατομικό προστατευτικό εξοπλισμό. λάβετε υπόψη ότι αυτές οι πληροφορίες παρέχονται από τους συνεργάτες μας.
`προσφέρει το aloft san juan δωρεάν ακύρωση και πλήρη επιστροφή χρημάτων;`	ναι, το aloft san juan έχει διαθέσιμα δωμάτια με πλήρη επιστροφή χρημάτων για κράτηση στη σελίδα μας, τα οποία μπορούν να ακυρωθούν έως και λίγες ημέρες πριν το check-in. απλώς βεβαιωθείτε ότι ελέγχετε την πολιτική ακύρωσης αυτού του καταλύματος, για να δείτε τους ακριβείς όρους και προϋποθέσεις.

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim" 4}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 24
learning_rate: 2e-05
num_train_epochs: 1
warmup_ratio: 0.1
fp16: True
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: no
prediction_loss_only: True
per_device_train_batch_size: 24
per_device_eval_batch_size: 8
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: 2e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 1
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: {}
warmup_ratio: 0.1
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: True
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, '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: False
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: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss
0.0470	200	0.3724
0.0940	400	0.1756
0.1409	600	0.1268
0.1879	800	0.108
0.2349	1000	0.0913
0.2819	1200	0.0755
0.3289	1400	0.0899
0.3759	1600	0.0765
0.4228	1800	0.0822
0.4698	2000	0.0728
0.5168	2200	0.076
0.5638	2400	0.0668
0.6108	2600	0.068
0.6577	2800	0.0637
0.7047	3000	0.0588
0.7517	3200	0.0711
0.7987	3400	0.0632
0.8457	3600	0.0678
0.8926	3800	0.0412
0.9396	4000	0.0505
0.9866	4200	0.0505

Framework Versions

Python: 3.11.10
Sentence Transformers: 3.3.1
Transformers: 4.46.3
PyTorch: 2.5.1+cu121
Accelerate: 1.14.0
Datasets: 5.0.0
Tokenizers: 0.20.3

Citation

BibTeX

Sentence Transformers

bibtex

@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

bibtex

@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}
}

	anchor	positive
type	string	string
details	min: 26 tokens mean: 151.71 tokens max: 256 tokens	min: 58 tokens mean: 218.01 tokens max: 256 tokens

pan0sk/bge-m3-legal-v2

SentenceTransformer based on BAAI/bge-m3

Model Details

Model Description

Model Sources

Full Model Architecture

Usage

Direct Usage (Sentence Transformers)

Training Details

Training Datasets

legal

statute

general

Training Hyperparameters

Non-Default Hyperparameters

All Hyperparameters

Training Logs

Framework Versions

Citation

BibTeX

Sentence Transformers

MultipleNegativesRankingLoss

pan0sk/
bge-m3-legal-v2