Bge M3 Legal Retrieval

🚀 Quintu/bge-m3-legal_retrieval

Quintu/bge-m3-legal_retrieval 是 bge-m3 模型的微調版本，專為法律文檔檢索任務進行了優化。該模型能夠精準處理法律語言的細微差別，基於語義相似度準確、高效地檢索相關法律文檔。

📚 模型詳情

✨ 主要特性

• 法律語言理解：經過優化，能夠理解法律術語、上下文和短語。
• 語義搜索：基於語義而非僅關鍵詞來檢索文檔。
• 高精度檢索：專為法律專業人士和研究人員量身定製。

📦 安裝指南

原文檔未提及安裝步驟，跳過該章節。

💻 使用示例

基礎用法

from sentence_transformers import SentenceTransformer

# Load the fine-tuned model
model_tuned = SentenceTransformer("Quintu/bge-m3-legal_retrieval")

# Example usage: Encode queries and documents
queries = ["What are the key legal precedents for intellectual property disputes?"]
documents = [
    "This document discusses key precedents in intellectual property law.",
    "This document covers legal principles in criminal law."
]

# Encode the queries and documents
query_embeddings = model_tuned.encode(queries)
document_embeddings = model_tuned.encode(documents)

# Compute similarity (example with cosine similarity)
from sklearn.metrics.pairwise import cosine_similarity
similarity_scores = cosine_similarity(query_embeddings, document_embeddings)

# Output similarity scores
print(similarity_scores)

高級用法

原文檔未提及高級用法代碼示例，跳過該部分。

📄 許可證

本項目採用 Apache-2.0 許可證。