File size: 32,925 Bytes
820f38a |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 |
---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:23103
- loss:CosineSimilarityLoss
base_model: distilbert/distilroberta-base
widget:
- source_sentence: 'Davacı vekili dava dilekçesinde özetle: Müvekkilinin davalı Şti
''nin müdürü olup ortaklıktan çıkmak için dava açtığını, söz konusu yargılamanın
Antalya Asliye Ticaret Mahkemesi Esas sayılı dosyası ile görülmekte olduğunu ve
bu davanın tarihli celsesinde şirkete kayyım atanması için taraflarına iki haftalık
kesin süre verildiğini, ortaklıktan çıkma esnasında şirketi mahkemede temsil edecek
bir kayyım yasa gereği zorunlu bulunduğundan Şirketi''ye kayyum atanmasına karar
verilmesini talep etmiştir.'
sentences:
- )Davacı vekili dava dilekçesinde özetle; Bankası şubesine ait, numaralı, 13/09/2017
tarihli, keşidecisi A.Ş. olan, 69.000,00 TL bedelli çekin müvekkilinin uhdesinde
iken kaybolduğunu, tüm aramalara rağmen bulunamadığını, müvekkilinin zarara uğrayacağından
bahisle, öncelikle çek üzerine ödeme yasağı kararı konularak, çekin iptaline karar
verilmesini talep ve dava etmiştir.
- Davacı vekili dava dilekçesinde özetle; Müvekkilinin bir ticari ilişki sebebiyle
tanzim tarihli; tanzim tarihli; aldığını müvekkili uhdesinde iken kaybedildiğini
beyan ederek tanzim tarihli tanzim tarihli; vade tarihli bedelli bonoların iptaline
karar verilmesini talep ve dava etmiştir.
- Kıymetli evrak zayi olduğu takdirde mahkeme tarafından iptaline karar verilebilir.Kıymetli
evrakın zayi olduğu veya zıyaın ortaya çıktığı anda senet üzerinde hak sahibi
olan kişi, senedin iptaline karar verilmesini isteyebilir.
- source_sentence: 'Davacı vekili dava dilekçesinde özetle: Davacının yazılı sözleşmeden
kaynaklı alacağını davalı borçludan tahsilini sağlaması amacıyla Bursa 16. İcra
Müdürlüğü''nün 2020/7093 esas sayılı dosyası ile icra takibi başlattığını, başlatılan
icra takibine davalı tarafça itiraz edilmesi nedeniyle takibin durdurulduğunu
bu nedenle itirazın iptali ile borçlunun takip konusu borcu takip dosyasında belirtilen
faiziyle birlikte ödemeye ve takip konusu alacağın %20''sinden az olmamak üzere
tazminata mahkum edilmesine ayrıca yargılama giderleri ve vekalet ücretinin karşı
tarafa yükletilmesine karar verilmesini talep ve dava etmiştir.'
sentences:
- Bir tacirin borçlarının ticari olması asıldır. Ancak, gerçek kişi olan bir tacir,
işlemi yaptığı anda bunun ticari işletmesiyle ilgili olmadığını diğer tarafa açıkça
bildirdiği veya işin ticari sayılmasına durum elverişli olmadığı takdirde borç
adi sayılır.Taraflardan yalnız biri için ticari iş niteliğinde olan sözleşmeler,
Kanunda aksine hüküm bulunmadıkça, diğeri için de ticari iş sayılır.
- İradesi dışında poliçe elinden çıkan kişi, ödeme veya hamilin yerleşim yerindeki
asliye ticaret mahkemesinden, muhatabın poliçeyi ödemekten menedilmesini isteyebilir.Mahkeme,
ödemeyi meneden kararında muhataba, vadenin gelmesi üzerine poliçe bedelini tevdi
etmeye izin verir ve tevdi yerini gösterir.
- Kıymetli evrak zayi olduğu takdirde mahkeme tarafından iptaline karar verilebilir.Kıymetli
evrakın zayi olduğu veya zıyaın ortaya çıktığı anda senet üzerinde hak sahibi
olan kişi, senedin iptaline karar verilmesini isteyebilir.
- source_sentence: Davacı vekili dava dilekçesinde özetle; Davacı dava dilekçesinde
özetle; 31/10/2014 tarihinde bağlı olduğu Vergi Dairesinde kayıtlı iş yeri adresini,
işlerinin bozulmasından dolayı terk etmek zorunda kalındığını, başka bir adreste
faaliyete geçmediklerini, bu sebeple vergi kayıtlarının silindiğini, şirketin
ticaret sicilinde halen faal olarak gözüktüğünü, bağkur mülkiyetlerinin de sonlandıramayıp
kapatamadıkları için mağduriyet yaşadıklarını, ticaret sicilinden silinme için
başvurduklarını ancak dava tarihine kadar herhangi bir işlem yapılmadığını, açıklanan
sebeplerle Ticaret Sicil Müdürlüğünün sicil numarasında kayıtlı şirketin kaydının
silinmesini talep ve dava etmiştir.
sentences:
- Davacı vekili dava dilekçesinde özetle; Tic. Ltd. Şti. tarafından ticari ilişki
gereği davacı lehine düzenlenen Şubesi nezdinde IBAN nolu hesaba ait seri numaralı
keşide yeri İstanbul, 11/07/2020 keşide tarihli, 16.700,00-TL bedelli çekin davacı
şirketin elindeyken zayi olduğunu beyanla çekin zayi nedeniyle iptaline karar
verilmesini talep ve dava etmiştir.
- Davacı vekili dava dilekçesinde özetle; ile müvekkili arasında İstanbul Anadolu
İş Mahkemesi'nin esas sayılı dosyası ile alacak davası görüldüğünü, şirketin sicilden
terkin olması nedeniyle tebligat yapılamadığını ve dosyada taraf teşkilinin sağlanamadığını
belirterek ihyasına karar verilmesini talep ve dava etmiştir.
- Mahkeme, dilekçe sahibinin, poliçe elinde iken zıyaa uğradığına dair verdiği açıklamaları
inandırıcı bulursa, verilecek ilanla, poliçeyi eline geçireni, poliçeyi belirli
bir süre içinde getirmeye davet ve aksi takdirde poliçenin iptaline karar vereceğini
ihtar eder.
- source_sentence: Davacı vekili dava dilekçesinde özetle; müvekkilinin 1 adet çeki
zayii ettiğini bu nedenle çek üzerine ödeme yasağı konularak iptaline karar verilmesini
talep ve dava etmiştir.
sentences:
- Kıymetli evrak zayi olduğu takdirde mahkeme tarafından iptaline karar verilebilir.Kıymetli
evrakın zayi olduğu veya zıyaın ortaya çıktığı anda senet üzerinde hak sahibi
olan kişi, senedin iptaline karar verilmesini isteyebilir.
- Davacı vekili dava dilekçesinde özetle; davalılardan ile ibraz ettiğini, davacının
ibraz ettiği çekin sahte olduğunu, çekteki imzanın davacıya ait olmadığını, davalı
çeki incelemeden ödeme yaptığını, mağduriyetin giderilmesi için sayılı dosyası
ile icra takibi başlatıldığını, takibin itiraz üzerine durduğunu belirtmiş, sayılı
takip dosyasına davalılar tarafından yapılan itirazın iptaline, takibin devamına,
davalılar aleyhine %20 icra inkar tazminatına hükmedilmesine karar verilmesini
talep etmiştir.
- Davacı vekili dava dilekçesinde özetle, müvekkili şirkete keşide edilen 25/08/2020
tarihli T Bankası Şubesi 8517461 nolu tacir çekinin müvekkili uhtesindeyken kaybedildiğini,
çekin keşideci Bilişim Elektrik ve Elektronik İnşaat San ve Tic.Ltd.Şti. Tarafından
30.000 USD miktarlı olarak meşru hamili iken kaybı nedeniyle çekin 3. kişilerin
eline geçmesi ihtimali nedeniyle iş bu davanın ikame edildiğini bildirmiş, takdir
edilecek teminat mukabili ödeme yasağı kararı verilerek durumun ilgili bankaya
bildirilmesi ve çekin zayi nedeniyle iptaline karar verilmesini istemiştir.
- source_sentence: Davacı vekili dava dilekçesinde özetle; sıra nolu tutarlı çek (
İbraz tarihi sıra nolu tutarlı çek ( İbraz tarihi sıra nolu keşide tarihi çeklerin
zayi olduğundan bahisle çeklerin iptaline karar verilmesini talep ve dava etmiştir.
sentences:
- Davacı vekili dava dilekçesinde özetle; bank A.Ş. Şubesine ait 2 adet çekin müvekkilin
elinde kaybolduğunu, çekin yetkili hamilinin müvekkil olduğunu, müvekkilin borçlu
Dış Ticaret Ve San. Ltd. Şti.'ne haksız bir ödeme yapmak zorunda kalarak zarara
uğramaması için çek hakkında ödeme yasağı kararı verilmesi gerektiğini, teslim
alındığı sırada çek fotoğrafının müvekkil tarafından saklandığını, bu nedenlerle
2 adet çeke teminat karşılığında ödemeden men yasağı kararı verilmesine, yargılama
sonunda da çekin kaybolması nedeniyle iptaline karar verilmesini talep ve dava
etmiştir.
- İradesi dışında poliçe elinden çıkan kişi, ödeme veya hamilin yerleşim yerindeki
asliye ticaret mahkemesinden, muhatabın poliçeyi ödemekten menedilmesini isteyebilir.Mahkeme,
ödemeyi meneden kararında muhataba, vadenin gelmesi üzerine poliçe bedelini tevdi
etmeye izin verir ve tevdi yerini gösterir.
- Davacı vekili dava dilekçesinde özetle; müvekkillerinin her türlü ticari defter
ve kayıtlarının tutulduğu bilgisayarların bilişim sistemlerine girme saldırısı
yaşadığını, şirketlerin tüm verilerinin hacklendiğini beyanla; TTK 82/7. Maddesi
uyarınca 2020 yılı Nisan ayından itibaren tutulan tüm defter, fatura ve sair belgelerin
zayi olduğunun tespitine karar verilmesini talep ve dava etmiştir.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- pearson_cosine
- spearman_cosine
model-index:
- name: SentenceTransformer based on distilbert/distilroberta-base
results:
- task:
type: semantic-similarity
name: Semantic Similarity
dataset:
name: tr dev
type: tr-dev
metrics:
- type: pearson_cosine
value: 0.9286904784110396
name: Pearson Cosine
- type: spearman_cosine
value: 0.9261864868985737
name: Spearman Cosine
---
# SentenceTransformer based on distilbert/distilroberta-base
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [distilbert/distilroberta-base](https://huggingface.co/distilbert/distilroberta-base). 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:** [distilbert/distilroberta-base](https://huggingface.co/distilbert/distilroberta-base) <!-- at revision fb53ab8802853c8e4fbdbcd0529f21fc6f459b2b -->
- **Maximum Sequence Length:** 256 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': 256, 'do_lower_case': False}) with Transformer model: RobertaModel
(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("msbayindir/legal-text-embedding-turkish-v1")
# Run inference
sentences = [
'Davacı vekili dava dilekçesinde özetle; sıra nolu tutarlı çek ( İbraz tarihi sıra nolu tutarlı çek ( İbraz tarihi sıra nolu keşide tarihi çeklerin zayi olduğundan bahisle çeklerin iptaline karar verilmesini talep ve dava etmiştir.',
'Davacı vekili dava dilekçesinde özetle; müvekkillerinin her türlü ticari defter ve kayıtlarının tutulduğu bilgisayarların bilişim sistemlerine girme saldırısı yaşadığını, şirketlerin tüm verilerinin hacklendiğini beyanla; TTK 82/7. Maddesi uyarınca 2020 yılı Nisan ayından itibaren tutulan tüm defter, fatura ve sair belgelerin zayi olduğunun tespitine karar verilmesini talep ve dava etmiştir.',
"Davacı vekili dava dilekçesinde özetle; bank A.Ş. Şubesine ait 2 adet çekin müvekkilin elinde kaybolduğunu, çekin yetkili hamilinin müvekkil olduğunu, müvekkilin borçlu Dış Ticaret Ve San. Ltd. Şti.'ne haksız bir ödeme yapmak zorunda kalarak zarara uğramaması için çek hakkında ödeme yasağı kararı verilmesi gerektiğini, teslim alındığı sırada çek fotoğrafının müvekkil tarafından saklandığını, bu nedenlerle 2 adet çeke teminat karşılığında ödemeden men yasağı kararı verilmesine, yargılama sonunda da çekin kaybolması nedeniyle iptaline karar verilmesini talep ve dava etmiştir.",
]
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.*
-->
## Evaluation
### Metrics
#### Semantic Similarity
* Dataset: `tr-dev`
* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| pearson_cosine | 0.9287 |
| **spearman_cosine** | **0.9262** |
<!--
## 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: 23,103 training samples
* Columns: <code>sentence1</code>, <code>sentence2</code>, and <code>score</code>
* Approximate statistics based on the first 1000 samples:
| | sentence1 | sentence2 | score |
|:--------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:---------------------------------------------------------------|
| type | string | string | float |
| details | <ul><li>min: 23 tokens</li><li>mean: 174.44 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 35 tokens</li><li>mean: 173.08 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 0.13</li><li>mean: 0.6</li><li>max: 1.0</li></ul> |
* Samples:
| sentence1 | sentence2 | score |
|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------|
| <code>Davacı vekili dava dilekçesinde özetle, müvekkilinin elinde bulanan ve keşidecisinin müvekkili olduğunu beyan ettiği 3 adet çekin zayi olduğunu, ilgili çekler üzerine ihtiyati tedbir ile ödemeden men yasağı kararı verilmesini ve dava konusu çeklerin iptaline karar verilmesini talep ve dava etmiştir.</code> | <code>Davacı vekili dava dilekçesinde özetle; müvekkillerinin her türlü ticari defter ve kayıtlarının tutulduğu bilgisayarların bilişim sistemlerine girme saldırısı yaşadığını, şirketlerin tüm verilerinin hacklendiğini beyanla; TTK 82/7. Maddesi uyarınca 2020 yılı Nisan ayından itibaren tutulan tüm defter, fatura ve sair belgelerin zayi olduğunun tespitine karar verilmesini talep ve dava etmiştir.</code> | <code>0.5695858597755432</code> |
| <code>Davacı vekili dava dilekçesinde özetle; bank Şubesine ait, Keşidecisi Tic. A.Ş. olan, Seri Numaralı, 24.01.2015 keşide tarihli, 25.000 TL bedelli, bank Şubesine ait, Keşidecisi Tic. A.Ş. olan Seri Numaralı, 24.02.2015 keşide tarihli, 25.000 TL bedelli ve bank Şubesine ait, Keşidecisi A.Ş. olan Seri Numaralı, 29.12.2010 keşide tarihli, 5.000 TL bedelli çeklerin kaybolduğunu, bu nedenle çeklerin iptaline karar verilmesini talep ve dava etmiştir.</code> | <code>Davacı vekili dava dilekçesinde özetle; müvekkilin Bankası Şubesi'ne ait 26.500,00 TL lik çeki zilyedinde iken kaybettiğini, çeki tüm aramalarına rağmen bulamadığını, çekin yetkili hamili ve lehtarı olduğunu, bu nedenlerle çek üzerine ödeme yasağı konulmasını, çekin iptaline karar verilmesini talep ve dava etmiştir.</code> | <code>0.74713134765625</code> |
| <code>Davacı vekili dava dilekçesinde özetle; müvekkili şirketin keşidecisi, Bankası Şubesi'nin aval veren , dava dışı Tekstil San. Ve Tic. Ltd.Şti'nin muhatabı olduğu 15/06/2017 tarih 103.000,00 TL bedelli ve 21/06/2018 vade tarihli poliçenin müvekkilinin elinde iken kaybolduğunu, poliçe aslının yapılan tüm aramalara rağmen şirket kasasında bulunamadığını, dava konusu poliçe bedelinin ödenmesinin tedbiren önlenmesini ,yargılama sonunda TTK 757 md gere- ğince zayi nedeniyle poliçenin iptalini talep ve dava etmiştir.</code> | <code>İradesi dışında poliçe elinden çıkan kişi, ödeme veya hamilin yerleşim yerindeki asliye ticaret mahkemesinden, muhatabın poliçeyi ödemekten menedilmesini isteyebilir.Mahkeme, ödemeyi meneden kararında muhataba, vadenin gelmesi üzerine poliçe bedelini tevdi etmeye izin verir ve tevdi yerini gösterir.</code> | <code>0.4938291609287262</code> |
* Loss: [<code>CosineSimilarityLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cosinesimilarityloss) with these parameters:
```json
{
"loss_fct": "torch.nn.modules.loss.MSELoss"
}
```
### Evaluation Dataset
#### Unnamed Dataset
* Size: 5,776 evaluation samples
* Columns: <code>sentence1</code>, <code>sentence2</code>, and <code>score</code>
* Approximate statistics based on the first 1000 samples:
| | sentence1 | sentence2 | score |
|:--------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:---------------------------------------------------------------|
| type | string | string | float |
| details | <ul><li>min: 23 tokens</li><li>mean: 177.14 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 31 tokens</li><li>mean: 171.69 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 0.07</li><li>mean: 0.6</li><li>max: 1.0</li></ul> |
* Samples:
| sentence1 | sentence2 | score |
|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------|
| <code>Davacı vekili dava dilekçesinde özetle; Müvekkili şirkete sonucu ciro yolu ile verilen, zayi olduğunu, müvekkilinin haklı ve yasal hamili bulunduğu sırada zayi edilen bu çeklerin kötüniyetli üçüncü şahısların eline geçmesi ve müvekkilinin mağdur duruma düşürülmesi mümkün olduğundan zayi edilen bu çek bedelleri üzerine öncelikle ödeme yasağı tesis edilmesine ve bilahare çeklerin iptaline karar verilmesini dava ve talep etmiştir.</code> | <code>İradesi dışında poliçe elinden çıkan kişi, ödeme veya hamilin yerleşim yerindeki asliye ticaret mahkemesinden, muhatabın poliçeyi ödemekten menedilmesini isteyebilir.Mahkeme, ödemeyi meneden kararında muhataba, vadenin gelmesi üzerine poliçe bedelini tevdi etmeye izin verir ve tevdi yerini gösterir.</code> | <code>0.7115448713302612</code> |
| <code>Davacı vekili dava dilekçesinde özetle; müvekkilinin dilekçe içeriğinde bildirdiği çekin yasal hamili olduğunu, çekin kaybediğildiğini belirterek çekin üzerine ödeme yasağı konulması ile çekin iptaline karar verilmesini talep ve dava etmiştir.</code> | <code>Kıymetli evrak zayi olduğu takdirde mahkeme tarafından iptaline karar verilebilir.Kıymetli evrakın zayi olduğu veya zıyaın ortaya çıktığı anda senet üzerinde hak sahibi olan kişi, senedin iptaline karar verilmesini isteyebilir.</code> | <code>0.53521329164505</code> |
| <code>Davacı vekili dava dilekçesinde özetle; müvekkilinin dilekçe içeriğinde bildirdiği çekin yasal hamili olduğunu, çekin kaybediğildiğini belirterek çekin üzerine ödeme yasağı konulması ile çekin iptaline karar verilmesini talep ve dava etmiştir.</code> | <code>İradesi dışında poliçe elinden çıkan kişi, ödeme veya hamilin yerleşim yerindeki asliye ticaret mahkemesinden, muhatabın poliçeyi ödemekten menedilmesini isteyebilir.Mahkeme, ödemeyi meneden kararında muhataba, vadenin gelmesi üzerine poliçe bedelini tevdi etmeye izin verir ve tevdi yerini gösterir.</code> | <code>0.6673290133476257</code> |
* Loss: [<code>CosineSimilarityLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cosinesimilarityloss) with these parameters:
```json
{
"loss_fct": "torch.nn.modules.loss.MSELoss"
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: epoch
- `per_device_train_batch_size`: 64
- `per_device_eval_batch_size`: 64
- `num_train_epochs`: 4
- `warmup_ratio`: 0.1
- `fp16`: True
- `batch_sampler`: no_duplicates
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: epoch
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 64
- `per_device_eval_batch_size`: 64
- `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`: 1.0
- `num_train_epochs`: 4
- `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`: 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
- `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
</details>
### Training Logs
| Epoch | Step | Training Loss | Validation Loss | tr-dev_spearman_cosine |
|:------:|:----:|:-------------:|:---------------:|:----------------------:|
| 0 | 0 | - | - | 0.2161 |
| 0.2770 | 100 | 0.0626 | - | - |
| 0.5540 | 200 | 0.0102 | - | - |
| 0.8310 | 300 | 0.0082 | - | - |
| 1.0028 | 362 | - | 0.0085 | 0.7776 |
| 1.1053 | 400 | 0.0095 | - | - |
| 1.3823 | 500 | 0.0061 | - | - |
| 1.6593 | 600 | 0.005 | - | - |
| 1.9363 | 700 | 0.0047 | - | - |
| 2.0028 | 724 | - | 0.0054 | 0.8873 |
| 2.2105 | 800 | 0.005 | - | - |
| 2.4875 | 900 | 0.0042 | - | - |
| 2.7645 | 1000 | 0.0034 | - | - |
| 3.0028 | 1086 | - | 0.0032 | 0.9026 |
| 3.0388 | 1100 | 0.0032 | - | - |
| 3.3158 | 1200 | 0.0038 | - | - |
| 3.5928 | 1300 | 0.0032 | - | - |
| 3.8698 | 1400 | 0.0024 | - | - |
| 3.9917 | 1444 | - | 0.0026 | 0.9262 |
### Framework Versions
- Python: 3.11.11
- Sentence Transformers: 3.3.1
- Transformers: 4.47.1
- PyTorch: 2.5.1+cu124
- Accelerate: 1.2.1
- Datasets: 3.2.0
- Tokenizers: 0.21.0
## 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",
}
```
<!--
## 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.*
--> |