Add new SentenceTransformer model

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "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
+}

README.md

@@ -0,0 +1,503 @@
+---
+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.*
+-->

config.json

@@ -0,0 +1,27 @@
+{
+  "_name_or_path": "distilroberta-base",
+  "architectures": [
+    "RobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 6,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.47.1",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 50265
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.3.1",
+    "transformers": "4.47.1",
+    "pytorch": "2.5.1+cu124"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:1d3b4686f6d2ab6c9ea8f58b591d39222c06115057ff3b2344e5a66121c3ac15
+size 328485128

modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 256,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,15 @@
+{
+  "bos_token": "<s>",
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "mask_token": {
+    "content": "<mask>",
+    "lstrip": true,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "unk_token": "<unk>"
+}

tokenizer_config.json

@@ -0,0 +1,58 @@
+{
+  "add_prefix_space": false,
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": true,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": true,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": true,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": true,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "50264": {
+      "content": "<mask>",
+      "lstrip": true,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": false,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "errors": "replace",
+  "extra_special_tokens": {},
+  "mask_token": "<mask>",
+  "model_max_length": 512,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "RobertaTokenizer",
+  "trim_offsets": true,
+  "unk_token": "<unk>"
+}