legal-bert-base-uncased

legal-bert-base-uncased

法律领域专用预训练语言模型

LEGAL-BERT是一系列针对法律领域优化的BERT模型,基于12GB多样化英语法律文本预训练而成。它涵盖立法、法院案例和合同等内容,在法律特定任务中表现优于通用BERT。此外,项目提供了一个仅为BERT-BASE大小33%的轻量级模型,在保持竞争力的同时提高了效率。LEGAL-BERT旨在促进法律NLP研究、计算法律和法律技术应用的发展。

语言模型Huggingface模型司法文本法律自然语言处理Github预训练模型开源项目LEGAL-BERT

LEGAL-BERT:专为法律领域打造的预训练语言模型

LEGAL-BERT是一系列专门为法律领域开发的BERT模型,旨在支持法律自然语言处理研究、计算法学和法律技术应用。这个项目由雅典经济商业大学的自然语言处理小组开发,为法律文本处理提供了强大的工具。

项目背景

随着人工智能技术在各行各业的广泛应用,法律领域也迫切需要高性能的自然语言处理模型来处理大量的法律文本。然而,通用的预训练语言模型在处理专业性很强的法律文本时往往效果不佳。为了解决这个问题,研究人员收集了12GB的多样化英语法律文本,涵盖立法、法院案例、合同等多个领域,用于预训练LEGAL-BERT模型。

模型特点

LEGAL-BERT有以下几个显著特点:

  1. 专业性强:模型在大量法律文本上进行预训练,对法律领域的语言特点有深入理解。

  2. 多样化:提供了多个子领域变体,如CONTRACTS-BERT(合同)、EURLEX-BERT(欧盟法律)和ECHR-BERT(欧洲人权法院案例)等。

  3. 性能优异:在法律领域特定任务上的表现优于通用BERT模型。

  4. 轻量化版本:提供了只有BERT-BASE 33%大小的轻量级模型,在保持竞争性能的同时大大提高了效率。

预训练语料

LEGAL-BERT的预训练语料来源广泛,包括:

  • 116,062份欧盟立法文件
  • 61,826份英国立法文件
  • 19,867份欧洲法院案例
  • 12,554份欧洲人权法院案例
  • 164,141份美国各法院案例
  • 76,366份美国合同文件

这些语料涵盖了法律文本的多个重要领域,为模型提供了全面的法律知识基础。

模型变体

LEGAL-BERT提供了多个针对不同子领域或需求的模型变体:

  1. CONTRACTS-BERT-BASE:专门针对美国合同文本
  2. EURLEX-BERT-BASE:专门针对欧盟立法文本
  3. ECHR-BERT-BASE:专门针对欧洲人权法院案例
  4. LEGAL-BERT-BASE:通用法律BERT模型,在所有语料上训练
  5. LEGAL-BERT-SMALL:轻量级版本,在保持性能的同时大大减小了模型体积

应用示例

LEGAL-BERT在多个法律文本处理任务中表现出色,如:

  • 合同文本分类与信息提取
  • 法律案例分析与检索
  • 法律文书自动生成
  • 法律条文解释

例如,在处理"The applicant submitted that her husband was subjected to treatment amounting to [MASK] whilst in the custody of Adana Security Directorate"这句话时,LEGAL-BERT-BASE以接近100%的概率正确预测出[MASK]处应该填入"torture"(酷刑)一词,远超通用BERT模型的表现。

使用方法

研究人员和开发者可以通过Hugging Face的Transformers库轻松使用LEGAL-BERT:

from transformers import AutoTokenizer, AutoModel tokenizer = AutoTokenizer.from_pretrained("nlpaueb/legal-bert-base-uncased") model = AutoModel.from_pretrained("nlpaueb/legal-bert-base-uncased")

总结

LEGAL-BERT为法律领域的自然语言处理任务提供了强大的工具,它不仅在各种法律文本处理任务中表现出色,还提供了多个专门针对不同子领域的模型变体。无论是学术研究还是实际应用,LEGAL-BERT都为法律文本的智能化处理开辟了新的可能性。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多