You can deploy this model and start earning money today!

Views

No views yet

nepali-legal-e5-finetuned

Name: nepali-legal-e5-finetuned
Availability: InStock

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-large on the nepali_legal_qa dataset. 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: intfloat/multilingual-e5-large
Maximum Sequence Length: 256 tokens
Output Dimensionality: 1024 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- nepali_legal_qa
Language: nep
License: apache-2.0

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, 'architecture': 'XLMRobertaModel'})
  (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})
  (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("ritesh-07/nepali-legal-e5-finetuned")
# Run inference
sentences = [
    'query: ऐनको दफा ९४ मा उल्लेख भए बमोजिम कार्यालयको अधिकार र काम के हो?',
    'passage: कार्यालयलाई रोजगारदाता, व्यवस्थापकीय स्तरको श्रम, वा उद्यमको अन्य श्रमबाट आवश्यक विषयमा जानकारी वा सूचना प्राप्त गर्ने अधिकार छ। यसले रोजगारदाता, व्यवस्थापकीय स्तरको श्रमिक वा अन्य श्रमिकलाई उपस्थित हुन बोलाउन पनि सक्छ। साथै कार्यालयले यस ऐन अन्तर्गत बनेको कुनै कार्यलाई तुरुन्त सच्याउन आवश्यक निर्देशन दिन सक्नेछ ',
    'passage: दिईएको पाठ अनुसार "विदेशी मुद्रामा रहेको सम्पत्ति" भन्नाले नेपाली रुपैयाँ बाहेक विदेशी मुद्रामा रहेको कुनै पनि सम्पत्ति सम्झनु पर्छ।',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[ 1.0000,  0.6637, -0.0652],
#         [ 0.6637,  1.0000, -0.0505],
#         [-0.0652, -0.0505,  1.0000]])

Evaluation

Metrics

Information Retrieval

Dataset: nepali_legal_ir_eval
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.7559
cosine_accuracy@3	0.9007
cosine_accuracy@5	0.9326
cosine_accuracy@10	0.9599
cosine_precision@1	0.7559
cosine_precision@3	0.3002
cosine_precision@5	0.1865
cosine_precision@10	0.096
cosine_recall@1	0.7559
cosine_recall@3	0.9007
cosine_recall@5	0.9326
cosine_recall@10	0.9599
cosine_ndcg@10	0.8647
cosine_mrr@10	0.8335
cosine_map@100	0.8353

Training Details

Training Dataset

nepali_legal_qa

Dataset: nepali_legal_qa at 0fd9cca
Size: 9,882 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 10 tokens
mean: 21.23 tokens
max: 68 tokens
min: 7 tokens
mean: 48.1 tokens
max: 256 tokens

Samples:

anchor	positive
`query: अनुमति नलिइकन व्यक्तिगत जानकारी कहिले संकलन गर्न सकिन्छ?`	passage: निम्न परिस्थितिमा सहमति नलिई व्यक्तिगत जानकारी सङ्कलन गर्न सकिन्छ: यदि व्यक्तिगत जानकारी त्यस्तो अधिकारीले सङ्कलन गरेको सोही कानून बमोजिम अख्तियार प्रयोग गरी सङ्कलन गरेको हो भने, त्यस्तो सूचना सङ्कलन गर्ने व्यवस्था भएमा प्रचलित कानून बमोजिमको अधिकारी, अनुसन्धान, फौजदारी अपराधको अभियोग वा अदालती कारबाही वा कानूनको प्रवर्तन अन्तर्गत कारबाहीको क्रममा सङ्कलन भएमा वा कुनै संस्था वा सार्वजनिक निकायले जानकारी सङ्कलन गर्ने, राख्ने वा गर्न लागेको व्यक्तिले यस्तो शरीरको कुनै पनि पद होस्।
`query: के राष्ट्र बैंकले मर्जर वा एक्विजिसनको आवेदन अस्वीकार गर्न सक्छ?`	`passage: हो, राष्ट्र बैंकले मर्जर वा एक्विजिसनको लागि गरेको निवेदन उपयुक्त नभएमा अस्वीकार गर्न सक्छ। राष्ट्र बैंकले त्यसको कारण सहित सम्बन्धित बैंक वा वित्तीय संस्थालाई सूचित गर्नेछ।`
`query: प्रवेशपत्रको उद्देश्य के हो?`	`passage: प्रवेशपत्रको उद्देश्य भनेको अनुसन्धानको सम्बन्धमा खोजी र जफत गर्ने उद्देश्यले अधिकृत व्यक्तिहरूको आवास वा सम्पत्तिमा प्रवेश गरेको कागजात बनाउनु हो।`

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim", 4 "gather_across_devices": false 5}

Evaluation Dataset

nepali_legal_qa

Dataset: nepali_legal_qa at 0fd9cca
Size: 1,098 evaluation samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 10 tokens
mean: 21.32 tokens
max: 64 tokens
min: 11 tokens
mean: 46.08 tokens
max: 256 tokens

Samples:

anchor	positive
`query: ऐन बमोजिम दण्डनीय अपराधको सम्बन्धमा बरामद गरिएको सामान लिलामी गर्ने प्रक्रिया के हो?`	passage: ऐन बमोजिम सजाय हुने अपराधको सम्बन्धमा जफत गरिएका सामान वा वस्तुहरू जसमा खिया लाग्ने, भाँच्ने वा क्षय हुने सम्भावना छ वा जसको कुनै मालिक छैन, प्रचलित कानूनमा उल्लेख भएबमोजिम प्रक्रिया पूरा गरी लिलामी गर्न सकिनेछ।
`query: विभागको लिखित अधिकार बिना विभागका अधिकारीले ऐनको दफा ८२ बमोजिमको अधिकार प्रयोग गर्न सक्छ?`	`passage: होइन, ऐनको दफा ८२(२) बमोजिम कुनै पनि अधिकारीले उपदफा (१) मा उल्लिखित अधिकारहरू विभागबाट लिखित अधिकार नलिई प्रयोग गर्न पाउने छैन।`
`query: प्रतिनिधि सभाको संरचना के हो?`	passage: प्रतिनिधि सभामा देहायबमोजिम कुल दुई सय पचहत्तर सदस्य रहनेछन्: (क) पहिलो विगतको निर्वाचन प्रणालीबाट निर्वाचित हुने एक सय पैंसठ सदस्य, एक भूगोल र जनसङ्ख्याका आधारमा छुट्याइएका एक सय ६५ निर्वाचन क्षेत्रका प्रत्येक निर्वाचन क्षेत्रबाट निर्वाचित हुने र (ख) राजनीतिक दललाई मतदाताले मतदान गर्ने समानुपातिक निर्वाचन प्रणालीबाट एक सय १० सदस्य निर्वाचित हुने । पूरै देशलाई एउटै निर्वाचन क्षेत्रका रूपमा लिइएको छ।

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim", 4 "gather_across_devices": false 5}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
gradient_accumulation_steps: 4
learning_rate: 1e-05
lr_scheduler_type: cosine
warmup_ratio: 0.1
fp16: True
remove_unused_columns: False
load_best_model_at_end: True
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 8
per_device_eval_batch_size: 8
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 4
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 1e-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: 3
max_steps: -1
lr_scheduler_type: cosine
lr_scheduler_kwargs: None
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
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: False
label_names: None
load_best_model_at_end: True
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}
parallelism_config: None
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch_fused
optim_args: None
adafactor: False
group_by_length: False
length_column_name: length
project: huggingface
trackio_space_id: trackio
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
hub_revision: None
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
include_tokens_per_second: False
include_num_input_tokens_seen: no
neftune_noise_alpha: None
optim_target_modules: None
batch_eval_metrics: False
eval_on_start: False
use_liger_kernel: False
liger_kernel_config: None
eval_use_gather_object: False
average_tokens_across_devices: True
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	Validation Loss	nepali_legal_ir_eval_cosine_ndcg@10
0.3236	100	0.197	-	-
0.6472	200	0.0107	-	-
0.9709	300	0.0118	-	-
1.2945	400	0.0042	-	-
1.6181	500	0.0035	0.0081	0.8647
1.9417	600	0.0031	-	-
2.2654	700	0.0013	-	-
2.5890	800	0.0014	-	-
2.9126	900	0.002	-	-

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.12.12
Sentence Transformers: 5.2.1
Transformers: 4.57.6
PyTorch: 2.9.0+cu126
Accelerate: 1.12.0
Datasets: 4.0.0
Tokenizers: 0.22.2

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: 10 tokens mean: 21.23 tokens max: 68 tokens	min: 7 tokens mean: 48.1 tokens max: 256 tokens