---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:100
- loss:MultipleNegativesRankingLoss
base_model: sentence-transformers/paraphrase-multilingual-mpnet-base-v2
widget:
- source_sentence: "& aque.\n\n \n\n4 spazHe oO] Wao. Ad Aa AS Bary at Ado &\nazjar\
    \ AZo] ALS Ao] Sepepy) AA) Azhe ASEAIAWE...”\nFa ASAD VSURBWAAVEAA AOS AA). F215\
    \ 0] 9} 20] DW\n\nalelo) AAS weedy seyre Agee -Ay lao Ae aad\n\n \n\n \n\nAMAT.\
    \ o]e4YSt ulSS Wyo} lop Balzyel Apeeley o}o gayAay 7\n\ny &\nA7\\zHel OPA Aso)\
    \ Sept ol WBA Ay] lS MoS ae\n\nAe MAES ol WAAA MBS AABS spas cleo] Ba\n3} BAIAS\
    \ SABA] ASs} GS ASe aa dey. aA\nsayz AAAS Ia AS gow adi\n\n=\nAoyypsD.. FIA WuIs\
    \ Feor GAA dojus Ws wwery\n\n \n\n \n\nHs) AnoA +4) GRE S Desa Wed. sz) 2 YA"
  sentences:
  - 'SMe SB4s AA SA slerqok S AMY AA 2017. 1. 25.


    S}A]U B Apo} lo} SOV gaze] ASS SSE ups}go}

    Hea Ie mast + US AES sale] dst sa Bae

    SAZ UIs AS] AYIo) Bola B Zojm, 3 yo] Ge

    SAS L384 BAIs BSA H49] YS4RZ AE ¥


    U4. Baltes] 22ztBa SHAS 1S AVS] Vat S AMT.


    @) BA B SAA Oe $319] JAA SAE malrps] aeel

    FVqUF. 2B waits] ASs $49] SAB rw] MANE I a

    20] Eels} AYYA| 7lso] Sao] Bae Aas Ys = WE

    AALS] AABN WW BYU YRS mA = olok F AVIA'
  - '<ul § 6 . a | | Oe op eS op

    xz jo} x ojo —| XK ~<A zx DY NI

    zo YH Tr) ® m4 oft ie A <x ¥ “ote m = ®e

    1 = | 2 o + oJ 7 |

    feu Se PSF se we eeeegee Fs

    Vos] s| & xi =F & tae k ag @ » . a

    rosy op es — > ® a NR) | FB = x F is o om

    . —s| old KR Um RR ® xX| x) 3} mp F ay ty NE S

    * TA] OX x lu} Se or X ez jo i BD mo

    er Tae Sots ee FR

    = = 4 9) = x RX —_ 4

    2S yy se HR ao Ae Sy Vo  ® a,

    eng 2 5 = sl ge a) RS op 3 - &

    ye e th yo TT t Oo) fo oF Ky nN ‘oa

    zo mH & eo © as rl yw we A ©'
  - "Hs) AnoA +4) GRE S Desa Wed. sz) 2 YA\n\nAAS Bare] AAS Seyret. ASSAY] Ao} o]\
    \ Bsx- B\n\naso Rad = Fe] Ss] Gow zz) sta\n\n27) SStth.. #°) F SAE GER.\" AW ASID\
    \ VSuUAE\n\n2” AOe F4), SF BAAR Barelo] AIS See} 72] FE 4\naL\n\nUs Me Mblass\
    \ ase aad.\n\n \n\n \n\n \n\n]\n\na °\nwh Mm\n\nrr\nrr\nZl] A]\n\n22 Ap 71 HOH\n\
    JE wy\n\nCc\n=z,\n\n& ah\ngow Ae] Vous\n\na\n\nAAS AO 2H), °] 8Voll\n\nSr Fle\
    \ UA 4\n\nga WAS\n\ngata sels gay zhlel\n\nEAA,\n\n|\n\nz\nct\n\n \n\n1\n\n70\n\
    \nH At\n\nOo\n\nZe ve o] Wey a\n\nw UMA. Asoe wy\n\n|\n\nE\nUL\n\niH\n\noO\nma»"
- source_sentence: "“Ly\n\no\n\n=\n\nAk Al\n\nWaoe\n\nLu\n\n1\n\nAe\n\n]\n\nSAAS BAA\n\
    \nglo] B\n\n1\n\n2] AL BA) ASS AA) Falgo) Aa} so}\n0] ue\n2}\n\ncod\nALA\n#4\n\
    \nuw\n\nala\nca\nal\n\n]\n\n \n\n4\n10\n\n@ Mol ge BE UA) Aol Le\n7;\n\naw\n\n\
    1, Apso Ay\n\nO\n\n7} 7]\n\no} A]\n]\n\n7\n=\nFI\n\nz.\n\noff\n\n3\n\nTIAA She\
    \ Sg\n\noa\n=\n\n}Ee, 19}\n\noO\n\nbo} oF\n\noO}\n\n \n\nAl #+2)2) 2]4l°o) Zo\
    \ sey WD\nTS Aol ry(CHHSl 2001. 8. 21. Mi 200152823 HHA, CHAS! 2008. 7. 24.\n\n\
    TIAL SA SI\nA 2008£4467\n\n4\n\nWAS 2\n\n}3\n\noO\naa\n\n+7]\n\n10\nwv\na\n\n\
    mW\nof\n\nof\n\nNb\na\n\nox\n\nRr\n\nal\n\n-11-"
  sentences:
  - '위에서 본바와같이 당시 방안을 엿들은 군인들의 진술 등에 의해 입증이

    된다 할 것입니다. 부디 피고인의 처신에 부적절한 부분이 있다하더라도 본

    사건은 강간이라는 중범죄로서 그 책임이 막중하다 할 것이므로 형사 일반

    원칙에 의한 현명한 판단을 하여 피고인에게 무죄를 선고하여 주시기를 간

    청드리는 바입니다.

    위 피고인의 변호인

    변호사 오명근

    변호사 손정미

    0군단 보통군사법원 귀 중

    - 13 -'
  - "Aleta ABS so] A}4pg7] ESS QwRateica a\n\n— +a AAS WAAS Hoe UES Kelas, yazS wy\
    \ ex\nFY UES EH AAI] AS 721 944 yas hast Roy YAS\nthat Shchan eH.\n\n+ WAAR TAMA]\
    \ AS Soe ol Saga, aa) vs Sola =\n\nBU BB} zp7} Bol) gory gy\n\nBBIzH= Balzbol7|\
    \ We] An Ad\" “eau ad’ Ss eee de\nHALA, GEA Bo] Yel Boy spaiz} ojajo) ysto] w\
    \ apa get\n\n#¢ jada Ase.\n\n \n\nER Ba 1 Aas ASAHAIAS ‘Aol WS Sel 4\nAche BS\
    \ 1 AIS ae asaya ( ) MFUTH’ epat spoj\n\nae Bey “RBI ‘SG at Set ef) raph YS Bee\
    \ Beto\n\nTolp Weep &, ES .\ncS Ath Sy Dey, * bg ="
  - "+7]\n\n10\nwv\na\n\nmW\nof\n\nof\n\nNb\na\n\nox\n\nRr\n\nal\n\n-11-\n\no\nZl]\
    \ A(CHAS! 2017. 10. 31. AD 2016221231 BA)S\n\neA\nfal, Bale\n\n3}\n\nroy\n\n°\n\
    ale\n\n2]\n7rAAl\n40] 9101°h\n\n|\n\nU\n\n \n\n \n\nAlo\nAl\n°\n\nSe\n3) a\n8\n\
    \nLu\n\n_\n\nLu\n_\n\nARAL)\n\n3] aL w7)\n\noa\n\nje\n\nFe] 3\nAz\na1¢)\n\no\n\
    \n=\n\noO\n\n21\n\n44 4\n\nFo] A}\n\ns}al WE\n\nES\na\n\n=\n\n]\n\nHEA]\nol) 9}\n\
    LZ] Sf aL\n\nc\n\n]\n\nay\n\nAl\n\nahh]\n\nHe 489A FS Bede] BPstAziai 3\n\nFAZ\
    \ 1BY BSS says]\n\n3\n\noH\n2\n=\n\nZz\n\nSA) BaztolAl SAS\n\nWo] 2)\n\nAPO sto\
    \ a\n+a a\n\nroy\n\nOo\n\n=z\n\nwae z}Alo]\n\nWas La\nAH] Bra & AcolH=E agwe\n\
    \nups} 0]"
- source_sentence: '3} a A


    AL A 202d. YH S]O] YS ol Wels ag] ue

    (VF ASH ol PRY)


    | Ao] Tso] BU 9] WSS Ss} Po] As Mees wyyrp.


    t}


    Ho


    1. 6] A Bary SSe 2

    = 4q Sue Ho] Ws} S SAAoe ye Bae 2qz ¥e 7}

    SA] sa wdc.


    7h. BBL] AB WAM AY BIAS S Is Base] wea wy


    elo] eee) BHsh= 2z]7} Helactpat sea yom wae

    g


    (2) Tea Bw Ade Yes OF Wm OW -che 27H Se

    Ae WsS WS BAe Age Soe YS PAYA Ue

    Aq PBA oO AA age nse Ge 44 ges

    ace AqUd.'
  sentences:
  - "al\nashe} Aol Muse seks AZ Be saeue.\n\nGh. Waele #4 SAS wspeAy mAs} AHS He]\
    \ Gar FA)\no] U7} DAMS YT AASU. 2ae) Bt Jday=s Tad\no] #4 ox] 4.22) oh 44 SS ashy\
    \ yiqea vA] a\n\nal’) Eso] Mojaey oy 3a VAIS ge AG ae ey\n\na\n\n—\n\ny\n\nSts,\
    \ SH DAE? SRW Wee] TS 7a al\n\naL\nAlo, FH ABE wees] BS He Ao] MwMsFUe.\n\n \n\
    \nEe BUde As Pte] SSIAEA AGE VES SRA\n2 SHA, weds BAYABMZI ol wale ces} Go] BAS\n\
    ‘mu’ Hy SA) Seo] Mss SUBS sae.\n\noO\n\n \n\n   \n\n8:58\n+82 10-3379-3670\n\n\
    EAt Oi ALAl\n(A222) 24 315\n\nOF\nLt at QtoloF\nOF"
  - 'AL AAAT-EE] O] HBoll E7177) VAR Aes sal gow


    AA ey Arse] Ase] 12a ue, Hazy} Baels Ss


    AW ES zed) BY EAA] Uso] Bealzs] Aes}


    stray wage] Ast +4)S WawseAe de.

    AAU Ast AA S772) Balas] ASS BY] WH,


    Ba, AN, S7) Se HVS FEASIAY UO} HAI +F WE SLA


    AFA Sot 7]o] U4] SEE of Fs Asta] zestz|] Bs}


    = °] AA Bal AS dete Bes GAs|7] Se Aes st


    om a4 SA) oS Ussa = “Waze Walaa Frys


    at Ay Saas Ate] +AFTD asses] SS ml sao 4

    1%


    ALe Beat” a Be Al ZAM] Bala}


    clr

    off


    f&'
  - "He ASS) Usb See wee Sojmops vpehee qabao\n# SaHS AVS W71S By 1 AME Oo} AA Ae\
    \ my wes\n2% 4 US. 4 6] A Sq ase, ease\n\n4 AO] AAD BA BSoAy 14 SORA, SHAS] a]\
    \ BIAS\n3) Qo] AL Ae} Ao} HARPS Ah\nBA} 3) 3-9] A Wa Fst By] s\n\nBH] YA | AL\
    \ AES AS] HARPS Hels + gh\n\n \n\n \n\n(3) ER BL|PA] AAs) 71S vppeo] VAIS ae sabe]\n\
    ol Zale WMS Qe zlajey aes ged Aa) False us\n& Ad 39S QRo] Molz) PSych. ear Warelo]\
    \ o} aPaoy\nAMA SRAM AYA soja AIS sal\nWE SIE 47) Yee Bos o] AA Bey\nUz} ea] Aa}\
    \ YA DAI] Gs SUS BAe ze} @ aq\nth."
- source_sentence: '있는 증명력을 가진 증거에 의하여야 할 것입니다(대법원 2017. 1. 25.

    선고 2016도15526 판결)

    하지만 본 사건에 있어 위와같은 피해자의 진술은 후술하는 바와같이

    합리적 의심을 배제할 수 있을 정도로 피고인에 대한 유죄의 확실한

    증거로 보기에는 진술의 신빙성이 떨어진다 할 것이며, 그 밖에 다른

    증거는 오히려 피의사실과 모순되거나 유죄의 입증자료로 삼기에는 부

    족하다 할 것입니다.

    나. 피해자의 강간피해 주장은 이를 신빙하기 어렵다 할 것입니다 .

    (1) 먼저 본 공소사실에 대한 유죄의 직접적인 증거는 피해자의 진술이

    유일합니다. 그런데 피해자의 진술을 유죄의 근거로 삼기 위해서는 그 진

    술이 논리와 경험법칙에 기하여 증명이 필요한 사실과 양립할 수 없는

    사실의 개연성에 대한 합리적인 의문을 배제할 수 있어야 할 것이며(대법

    원 2017. 1. 25. 선고 2016도15526 판결) 진술의 신빙성이 있는지 여부를'
  sentences:
  - '고 다만 고소인의 반응이 냉랭하여 계단에서 내려오며 팔을 잡으며

    ‘왜 그러느냐’며 말을 걸었을 뿐으로 비록 피고인의 언행이 부적절

    하였을 수는 있지만 후술하는 바와 같이 고소인의 진술은 피고인을 강

    제추행죄로 처벌할 만큼 신빙하기는 다소 부족하다할 것입니다.

    나. 먼저 본 사건은 마치 피고인이 고소인에게 험악한 말을 하거나 강제로

    뭔가 하려고 한 다급한 사정이 있었기에 고소인이 피고인을 피해 주점

    사장에게 도와달라 요청을 하고 옥상으로 피하기까지 한 것이 아닌가

    의심할 수 있습니다.

    그러나 아직 미혼인 피고인은 주점에서 고소인이 흔쾌히 술을 같이 마

    시는 것에 동의를 하고 명함을 주고받으며 대화가 잘되다보니 고소인

    이 자신에게 이성적인 호감이 있다고 생각하여 오늘 밤 같이 있고 싶

    다는 말을 하였던 것으로 그 이상 어떤 험악한 말을 하거나 공포를 조

    장한 적이 없으며 신체접촉도 일체 하지 않았습니다. 고소인도 이와같

    - 4 -

    은 사실에 대하여는 이를 인정하고 있습니다.'
  - '원 2017. 1. 25. 선고 2016도15526 판결) 진술의 신빙성이 있는지 여부를

    판단할 때에는 그 진술 내용 자체의 합리성, 객관적 상당성, 전후의 일관

    성을 따져보아야 할 것입니다(대법원 2016. 6. 23. 선고 2016도2889 판결).

    그런데 피해자의 진술은 자연스럽지 못하며 모순되며 일관성도 떨어지고

    객관적 증거자료에 의하여 인정되는 정황과 배치되는 등 이를 피고인에

    대한 유죄의 직접적인 증거로 하기에는 합리적 의심을 배제할 수 있을

    정도로 신빙성이 있다고 보기는 어렵다 할 것입니다.

    - 3 -

    (2) 피해자는 이 법정에서 당시 상황에 대하여 상당히 자세하게 진술을

    하였습니다. 그런데 피해자는 이 법정에서 당시 상황에 대하여 별다른 이

    유없이 수사기관에서 했던 진술과는 매우 상이한 내용으로 진술하고 있

    는데 이는 피해자의 진술이 신빙성이 없다는 가장 유력한 증거가 된다

    할 것입니다.

    즉 피해자는 이 법정에서 “.. 침대 위에서 저를 덮쳐서 제가 침대에 눕'
  - 'ALe Beat” a Be Al ZAM] Bala}


    clr

    off


    f&


    a4 UAS BAS Latta ASH] Ama Aas Lele

    AH] st St Alol7jo FAS Ts7)] Met BA Ys Alo =


    2] AH] 49

    7h WSLS AS 2 3


    Al OOAA) FYAOS SHS You} op4) eo

    a

    A


    2 ¥MY MY Sas Ba AKL gl


    Uy. BUS 2023. 3. 00. Ao] SF WS Alzho] AHS} SS Bae F

    ajo] Au] SA] ga Dae] ve] So} IHeaspzo] We a

    Asuch. Tae] wAele] Bez] FeAl ole] Solspo} weal S

    Aaa Bo] SS vl. Sz] Sz] eho Sol; AVS Bu Se

    HAASUCE SUS Daal olga aazo] S


    al

    ashe} Aol Muse seks AZ Be saeue.'
- source_sentence: '서도 다른 미용실에서 근무를 하다 피고인이 새로 미용실을 오픈하자

    다시 와서 근무를 하기도 했습니다.

    - 고소인의 남자친구가 신문고에 올린 내용 중 일부(수사기록 제ㅌㅌ쪽 참조) -

    즉 고소인은 피고인과 수차례 합의 하에 성관계를 한 사이이며 그와같

    은 관계가 중단되었다하더라도 어느정도 친밀한 관계를 유지하고 있었

    던 관계라할 것입니다. 이에 당시 고소인을 데리러 왔던 남자친구가 고

    소인의 상태나 분위기가 뭔가 조금 이상하다고 생각하여 추궁을 하며

    혼자 있을 때 블랙박스 영상을 들었는데, 공교롭게도 녹음된 내용이 다

    소 두사람 사이의 관계에 대하여 오인 소지가 있는듯한 대화와 혀차는

    소리가 섞여있자 서로간에 합의 하에 뽀뽀를 한 것 아니냐 강압적인

    몰아가기를 하고 이에 고소인이 강제로 당한 것이라고 변명을 하였고

    이후에는 어쩔 수 없이 추행을 주장하고 있는 것이라 할 것입니다.

    3. 결론

    이상 본 바와같이 이 사건 블랙박스에서 들리는 소리는 뽀뽀 소리가 아닐'
  sentences:
  - '- 4 -

    은 사실에 대하여는 이를 인정하고 있습니다.

    - 고소인 증인신문녹취록 제0쪽 참조 -

    이처럼 피고인은 주점 술자리를 파하면서 고소인과 2차를 가는지 알고

    주점 밖에 나가 고소인을 기다리고 있었을 뿐 고소인이 자신에게 공포

    심을 갖고 있었는지, 고소인이 주점 사장에게 도움을 요청한 사실에 대

    하여 전혀 알지 못하였습니다.

    피고인은 고소인과 단지 주점에서 자리를 파하고 나가며 자리를 옮겨

    2차를 가자고 말을 하였을 뿐이고 고소인의 의사에 반하여 어떠한 언

    행을 할 의도는 전혀 없었습니다.

    즉 수사기관은 피고인이 추행의 의도를 갖고 옥상에 올라간 것처럼 보

    고 있지만 피고인은 당시 고소인이 주점에서 나오지 않아 기다리고 있

    었던 것이었습니다. 피고인은 기다리던 고소인이 계단에서 모습이 보이

    길래 왜 그런가하고 따라 올라갔을 뿐으로 옥상에서 강제로 추행을 할

    이유가 의도도 전혀 없었습니다.

    또한 피고인은 현장에서 경찰이 출동한 영문을 몰랐고 그 상태에서 고

    - 5 -'
  - '(2) Ba SA warele] Maze Alo] Wow ypyat 1B We Ava

    ol sahz} YA] SRS] APS AA] Yo) ZW +H esos Wat


    SPSL HA Tael2] Yo weps} wpwelo] BS Ax 2rE WA Woh'
  - '3. 결론

    이상 본 바와같이 이 사건 블랙박스에서 들리는 소리는 뽀뽀 소리가 아닐

    가능성이 상당하며 나아가 그 어떤 부분에도 고소인이 주장하는 바와같은

    고소인이 입을 막거나 거부하거나 머리채를 잡는 소리나 상황은 없고 또한

    피고인도 앞좌석에서 대화를 나눈 것으로 보이는 바, 이는 고소인이 거짓말

    을 하고 있는 것으로 고소인의 남자친구가 블랙박스를 들으며 서로 합의하

    에 뽀뽀를 한 것 아니냐고 하니 강제로 당한 것이라 만연히 진술하고 고소

    까지 이르게 되었을 의심을 배제할 수 없다할 것입니다.

    이에 본 사건은 피고인이 강제추행범이라 인정할만큼 합리적 의심의 여지

    없이 확실하다고 볼 수는 없다할 것으로 이와같은 사정을 고려하여 피고인

    에게 무죄를 선고하여 주실 것을 요청드립니다.

    2024. 10.

    위 피고인의 변호인

    법무법인 내일파트너스

    담당변호사 오 명 근

    담당변호사 손 정 미

    의정부지방법원 제 1 형사부 귀 중

    2.'
pipeline_tag: sentence-similarity
library_name: sentence-transformers
---

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

This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/paraphrase-multilingual-mpnet-base-v2](https://huggingface.co/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](https://huggingface.co/sentence-transformers/paraphrase-multilingual-mpnet-base-v2) <!-- at revision 84fccfe766bcfd679e39efefe4ebf45af190ad2d -->
- **Maximum Sequence Length:** 128 tokens
- **Output Dimensionality:** 768 dimensions
- **Similarity Function:** Cosine Similarity
<!-- - **Training Dataset:** Unknown -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->

### Model Sources

- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)

### 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:

```bash
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 = [
    '서도 다른 미용실에서 근무를 하다 피고인이 새로 미용실을 오픈하자\n다시 와서 근무를 하기도 했습니다.\n- 고소인의 남자친구가 신문고에 올린 내용 중 일부(수사기록 제ㅌㅌ쪽 참조) -\n즉 고소인은 피고인과 수차례 합의 하에 성관계를 한 사이이며 그와같\n은 관계가 중단되었다하더라도 어느정도 친밀한 관계를 유지하고 있었\n던 관계라할 것입니다. 이에 당시 고소인을 데리러 왔던 남자친구가 고\n소인의 상태나 분위기가 뭔가 조금 이상하다고 생각하여 추궁을 하며\n혼자 있을 때 블랙박스 영상을 들었는데, 공교롭게도 녹음된 내용이 다\n소 두사람 사이의 관계에 대하여 오인 소지가 있는듯한 대화와 혀차는\n소리가 섞여있자 서로간에 합의 하에 뽀뽀를 한 것 아니냐 강압적인\n몰아가기를 하고 이에 고소인이 강제로 당한 것이라고 변명을 하였고\n이후에는 어쩔 수 없이 추행을 주장하고 있는 것이라 할 것입니다.\n3. 결론\n이상 본 바와같이 이 사건 블랙박스에서 들리는 소리는 뽀뽀 소리가 아닐',
    '3. 결론\n이상 본 바와같이 이 사건 블랙박스에서 들리는 소리는 뽀뽀 소리가 아닐\n가능성이 상당하며 나아가 그 어떤 부분에도 고소인이 주장하는 바와같은\n고소인이 입을 막거나 거부하거나 머리채를 잡는 소리나 상황은 없고 또한\n피고인도 앞좌석에서 대화를 나눈 것으로 보이는 바, 이는 고소인이 거짓말\n을 하고 있는 것으로 고소인의 남자친구가 블랙박스를 들으며 서로 합의하\n에 뽀뽀를 한 것 아니냐고 하니 강제로 당한 것이라 만연히 진술하고 고소\n까지 이르게 되었을 의심을 배제할 수 없다할 것입니다.\n이에 본 사건은 피고인이 강제추행범이라 인정할만큼 합리적 의심의 여지\n없이 확실하다고 볼 수는 없다할 것으로 이와같은 사정을 고려하여 피고인\n에게 무죄를 선고하여 주실 것을 요청드립니다.\n2024. 10.\n위 피고인의 변호인\n법무법인 내일파트너스\n담당변호사 오 명 근\n담당변호사 손 정 미\n의정부지방법원 제 1 형사부 귀 중\n2.',
    '(2) Ba SA warele] Maze Alo] Wow ypyat 1B We Ava\nol sahz} YA] SRS] APS AA] Yo) ZW +H esos Wat\n\nSPSL HA Tael2] Yo weps} wpwelo] BS Ax 2rE WA Woh',
]
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]
```

<!--
### Direct Usage (Transformers)

<details><summary>Click to see the direct usage in Transformers</summary>

</details>
-->

<!--
### Downstream Usage (Sentence Transformers)

You can finetune this model on your own dataset.

<details><summary>Click to expand</summary>

</details>
-->

<!--
### Out-of-Scope Use

*List how the model may foreseeably be misused and address what users ought not to do with the model.*
-->

<!--
## Bias, Risks and Limitations

*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
-->

<!--
### Recommendations

*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
-->

## Training Details

### Training Dataset

#### Unnamed Dataset

* Size: 100 training samples
* Columns: <code>sentence_0</code> and <code>sentence_1</code>
* Approximate statistics based on the first 100 samples:
  |         | sentence_0                                                                           | sentence_1                                                                           |
  |:--------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
  | type    | string                                                                               | string                                                                               |
  | details | <ul><li>min: 28 tokens</li><li>mean: 124.92 tokens</li><li>max: 128 tokens</li></ul> | <ul><li>min: 28 tokens</li><li>mean: 124.92 tokens</li><li>max: 128 tokens</li></ul> |
* Samples:
  | sentence_0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                | sentence_1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                            |
  |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
  | <code>습니다(’증인 ㅊ에 대한 증인신문조서‘ 0쪽 참조).<br>(이와 관련하여 피고인은 당시 피해자와 키스하고 가슴을 만지는 등 스<br>킨십을 나눌 때 피해자가 ‘아 잠깐만’이라고 하는 등의 별다른 말을<br>하지 않았다고 진술하고 있지만, 이는 당시 피고인이 피해자와의 스킨<br>십에 집중하고 있었고 문제가 되리라 생각을 전혀 하지 않았었기에 당<br>시 상황을 제대로 기억을 하지 못하고 있을 가능성이 높은 것으로, 피<br>해자가 피고인이 키스나 가슴을 만지거나 할 때 스킨십을 너무 급하고<br>과하게 하지 말라는 말로 잠깐만이라는 말을 했을 가능성이 많은 것을<br>자신이 기억나는대로 진술하다보니 제대로 기억하지 못하고 있을 개연<br>성이 높다할 것입니다).<br>- 9 -<br>또한 군인 ㅇ의 경우는 피해자가 나가면서 ‘나 간다.’는 말을 하고<br>나갔다는 진술까지 하고 있는데, 이 역시 침대에 눕혀져 있다 간신히<br>피고인을 설득해 몸을 일으켜세운 뒤 정신없이 황급히 뛰쳐 나갔다는</code>                   | <code>피고인을 설득해 몸을 일으켜세운 뒤 정신없이 황급히 뛰쳐 나갔다는<br>피해자의 진술과는 정면으로 배치된다 할 것입니다. 즉 피해자가 ‘나<br>간다’는 말을 하면서 나갔다는 것은 당시 상황에 있어서는 피해자가<br>내심에서는 뭔가 불쾌한 것이 있을 수는 있지만 적어도 강간을 당하는<br>상황은 아니었음을 추단케 하는 분명한 증거라 할 것입니다.<br>다. 이와같이 피해자의 진술은 이를 피고인에 대한 유죄의 증거로 삼기에는<br>합리적 의심을 배제할 수 있을 정도로 신빙성이 부족한 것이 분명하다<br>할 것입니다.<br>한편 본 사건은 피고인의 평소 품행 및 사건 경위 그리고 전후의 정황<br>을 고려하더라도 피고인에 대한 유죄의 개연성이 상당히 부족하다 할<br>것입니다.<br>(1) 먼저 피고인은 지금까지 사회생활을 하여오면서 남에게 피해를 주는<br>행동은 하지 않으려 노력하며 성실히 살아왔습니다. 게다가 의사의 경우<br>는 성범죄로 처벌되면 법령상 10년 이상의 취업제한의 조치를 당하기</code>                              |
  | <code>또한 피고인은 현장에서 경찰이 출동한 영문을 몰랐고 그 상태에서 고<br>- 5 -<br>소인과 분리되었기에 고소인에게 아래와 같이 문자로 ‘뭐냐’며 당시<br>상황에 대하여 물어보기도 하였습니다.<br>- 증거기록 제118쪽 ‘문자내역’ 참조 -<br>다. 한편 고소인은 주점 사장에게 마치 급박한 피해가 있는 것처럼 이야기<br>하고 갑자기 현장에 경찰까지 출동하자 별다른 일이 없었다고 하는 것<br>이 부담스럽자 옥상에서 내려올 때 피고인이 계단에서 팔을 잡아당긴<br>것에 착안하여 엉겹결에 계단에서 키스를 당한 것처럼 진술을 하였던<br>것으로, 후술하는 바와같이 그 진술은 상식적으로 납득하기 힘든 모순<br>점이 많다할 것입니다.<br>(1) 먼저 고소인은 경찰이 현장에 출동하여 경찰에게 당시 상황에 대하<br>여 자세한 설명을 하였습니다. 그런데 당시는 공소사실과 같이 옥상문<br>앞에서 양볼을 잡고 뽀뽀를 하였다는 진술을 한 적이 없었습니다.<br>고소인은 경찰조사에서 옥상 문 앞에서 있었던 일에 대하여 상당히 상</code> | <code>고소인은 경찰조사에서 옥상 문 앞에서 있었던 일에 대하여 상당히 상<br>세히 진술을 하고 있는데, 그렇다면 경찰이 현장에 출동하였을 때 피고<br>인으로부터 옥상에서 당한 피해를 어느 정도는 이야기하였을 것입니다.<br>- 6 -<br>그런데 아래에서 보다시피 고소인은 사건 당시 경찰이 출동하였을 때<br>옥상에서는 고개를 들어보니 피고인이 옆에 있었고 같이 자고싶다는<br>등의 불편한 말을 하였을 뿐이며 키스는 건물에서 같이 내려오면서 계<br>단에서 몇차례 하였던 것이라 진술을 하고 있을 뿐입니다.<br>- 경찰 임의동행보고서 중 -<br>또한 경찰서에 가서 작성한 진술서에서도 ‘저에게 입맞춤이나 같이 자<br>고 싶다는 말을 그 전에도 했지만 계속해서 ( ) 했습니다.’라고 하여<br>옥상 문 앞에서는 대화만 한 것으로 진술하고 있습니다.<br>- 피해자 작성 경찰 진술서 중 -<br>그런데 고소인은 이후 경찰 조사에서는 계단에서 내려올 때는 입맞춤<br>- 7 -<br>을 한 적 없고 피고인이 팔을 잡았다고 진술하고 옥상 문 앞에서 피고</code> |
  | <code>려고 하자 ‘피곤하니까 나중에 하자’고 하였고 이에 피고인은 알겠다고<br>하고 같이 안고 잠이 들었습니다. 그러다 한시간쯤 지나 피고인은 잠에<br>서 깨 일어나 피해자에게 키스를 하며 깨우고 다시 관계를 하려고 하였<br>는데 이때도 피해자는 ‘아직 피곤하니 더 자자’고 하여 포기하고 잠이<br>들었습니다. 그리고 이러한 과정을 3번 정도 반복하다 다시 잠이 깬 피<br>고인이 또 성관계를 시도하였는데 이때 피해자가 그제서야 엉덩이를 들<br>어주면서 하의를 벗는 것을 도와주었고 스타킹과 팬티는 피해자가 벗게<br>되어 콘돔을 착용하고 자연스레 성관계를 하였습니다.<br>그렇게 성관계를 마친 두사람은 3시 30분경 집을 나와 피해자가 문정<br>동에 산다고 하여 택시를 타고 가던 중 상린이라는 친구에게 먼저 가는<br>- 3 -<br>것이 좋겠다고 생각해 ㅁ이 산다는 문정동 성당쪽에 가서 편의점에 들<br>어가 물2병을 사서 나누어 마신 뒤 ㅁ을 만나 인사를 나누고 헤어졌습<br>니다.</code>                     | <code>어가 물2병을 사서 나누어 마신 뒤 ㅁ을 만나 인사를 나누고 헤어졌습<br>니다.<br>마. 그러고 피고인은 집으로 돌아가 쉬고 있는데 갑자기 저녁 7시경 하기싫<br>었는데 왜 했냐는 전화를 받았고 당황스러워 일단 ‘강제로 한 것 아니<br>다’라고 해명하고 달래주었습니다. 그런데 다시 한시간 정도 있다 전화<br>가 와서 피임은 잘 한 것 맞냐고 하며 사후피임약이라도 사먹어야겠다<br>고 하여 계좌번호를 알려달라고 하고 택시비와 병원비조로 10만원을<br>보내주었습니다.<br>이후 피고인은 걱정이 되기도 하여 피해자에게 몇차례 연락을 취했으나<br>답이 없었고 어느날 피해자에게 경찰에 신고하겠다는 전화를 받았으며<br>그뒤로는 아무런 대화를 나누지 않았고, 경찰로부터 연락이 와 당시 피<br>해자는 정신이 있었고 합의 하에 성관계하였다고 적극 해명을 하였으며<br>기소되어 재판을 받는 지금까지 억울함을 호소하고 있습니다.<br>3. 당시 심신상실상태에 있었다고 하는 등의 본 사건에 대한 피해자의 진<br>술은 이를 신빙할 수 없다할 것입니다.</code> |
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
  ```json
  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  ```

### Training Hyperparameters
#### Non-Default Hyperparameters

- `per_device_train_batch_size`: 4
- `per_device_eval_batch_size`: 4
- `num_train_epochs`: 1
- `multi_dataset_batch_sampler`: round_robin

#### All Hyperparameters
<details><summary>Click to expand</summary>

- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: no
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 4
- `per_device_eval_batch_size`: 4
- `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`: 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
- `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}
- `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
- `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

</details>

### Framework Versions
- Python: 3.11.13
- Sentence Transformers: 4.1.0
- Transformers: 4.52.4
- PyTorch: 2.6.0+cu124
- Accelerate: 1.7.0
- Datasets: 3.6.0
- Tokenizers: 0.21.1

## 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}
}
```

<!--
## Glossary

*Clearly define terms in order to be accessible across audiences.*
-->

<!--
## Model Card Authors

*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
-->

<!--
## Model Card Contact

*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
-->