Bert Base Uncased Echr

🚀 LEGAL - BERT：刚从法学院毕业的“布偶秀明星”

LEGAL - BERT是一系列用于法律领域的BERT模型，旨在助力法律自然语言处理研究、计算法学以及法律科技应用。为了预训练不同版本的LEGAL - BERT，我们从多个领域（如立法、法院案例、合同）的公开资源中收集了12GB多样的英文法律文本。特定子领域变体（如CONTRACTS - 、EURLEX - 、ECHR - ）和/或通用的LEGAL - BERT在特定领域任务上的表现优于直接使用BERT。这是在欧洲人权法院（ECHR）案例上进行预训练的子领域变体模型。

🚀 快速开始

LEGAL - BERT是专门为法律领域打造的BERT模型家族，能为法律相关的自然语言处理研究和应用提供有力支持。以下将为你介绍该模型的相关信息，包括预训练语料、使用方法等。

✨ 主要特性

• 领域针对性强：基于大量法律文本进行预训练，在法律领域的特定任务上表现出色。
• 多种变体可选：有针对不同子领域（如合同、欧盟法律、欧洲人权法院案例）的变体模型。
• 性能优越：在法律相关任务中，比直接使用普通BERT模型效果更好。

📚 详细文档

预训练语料

LEGAL - BERT的预训练语料包括：

• 116,062份欧盟立法文件，可从EURLEX（http://eur - lex.europa.eu）获取，这是由欧盟出版局运营的欧盟法律知识库。
• 61,826份英国立法文件，可从英国立法门户（http://www.legislation.gov.uk）获取。
• 19,867份欧洲法院（ECJ）的案例，同样可从EURLEX获取。
• 12,554份欧洲人权法院（ECHR）的案例，可从HUDOC（http://hudoc.echr.coe.int/eng）获取。
• 164,141份美国各地法院的案例，可从Case Law Access Project门户（https://case.law）获取。
• 76,366份美国合同，来自美国证券交易委员会（SECOM）的EDGAR数据库（https://www.sec.gov/edgar.shtml）。

预训练细节

• 我们使用Google BERT的GitHub仓库（https://github.com/google - research/bert）中提供的官方代码对BERT进行训练。
• 我们发布了一个类似于英文BERT - BASE模型（12层、768隐藏层、12头、1.1亿参数）的模型。
• 我们选择遵循相同的训练设置：进行100万步训练，批次大小为256个长度为512的序列，初始学习率为1e - 4。
• 我们使用了由TensorFlow研究云（TFRC）免费提供的单个Google Cloud TPU v3 - 8，同时也利用了GCP研究信用。非常感谢谷歌的这两个项目对我们的支持！

模型列表

注：

• LEGAL - BERT - BASE是Chalkidis等人（2020）中提到的LEGAL - BERT - SC模型；该模型是在下面提到的法律语料库上从头开始训练的，使用了由在相同语料库上训练的sentence - piece分词器创建的新词汇表。
• 由于很多人对LEGAL - BERT - FP模型（依赖于原始BERT - BASE检查点的模型）感兴趣，这些模型已在Archive.org（https://archive.org/details/legal_bert_fp）上发布，因为这些模型是次要的，可能仅对那些想深入研究Chalkidis等人（2020）中未解决问题的人有吸引力。

💻 使用示例

基础用法

from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("nlpaueb/bert-base-uncased-echr")
model = AutoModel.from_pretrained("nlpaueb/bert-base-uncased-echr")

作为语言模型使用

🔧 技术细节

可参考文章 "LEGAL - BERT: The Muppets straight out of Law School"（Chalkidis等人，2020）中的实验内容（https://aclanthology.org/2020.findings - emnlp.261）。

📄 许可证

本项目采用CC - BY - SA - 4.0许可证。

引用

@inproceedings{chalkidis-etal-2020-legal,
    title = "{LEGAL}-{BERT}: The Muppets straight out of Law School",
    author = "Chalkidis, Ilias  and
      Fergadiotis, Manos  and
      Malakasiotis, Prodromos  and
      Aletras, Nikolaos  and
      Androutsopoulos, Ion",
    booktitle = "Findings of the Association for Computational Linguistics: EMNLP 2020",
    month = nov,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    doi = "10.18653/v1/2020.findings-emnlp.261",
    pages = "2898--2904"
}

关于我们

雅典经济与商业大学自然语言处理小组致力于开发让计算机处理和生成自然语言文本的算法、模型和系统。该小组目前的研究兴趣包括：

• 数据库、本体、文档集合和网络的问答系统，特别是生物医学问答。
• 从数据库和本体（特别是语义网络本体）生成自然语言。
• 文本分类，包括过滤垃圾邮件和不良内容。
• 信息提取和观点挖掘，包括法律文本分析和情感分析。
• 希腊语的自然语言处理工具，如解析器和命名实体识别器。
• 自然语言处理中的机器学习，特别是深度学习。

该小组隶属于雅典经济与商业大学信息学系信息处理实验室。

Ilias Chalkidis 代表 雅典经济与商业大学自然语言处理小组

| GitHub: @ilias.chalkidis | Twitter: @KiddoThe2B |