File size: 39,818 Bytes
337436a 6c80fbf 337436a dfe868c 337436a dfe868c 337436a dfe868c 337436a dfe868c 337436a dfe868c 337436a dfe868c 337436a dfe868c 337436a dfe868c 337436a |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 |
---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:23103
- bert
- text-embedding
- transformers
base_model: dbmdz/bert-base-turkish-uncased
widget:
- source_sentence: >-
Davacı vekili dava dilekçesinde özetle: KeşidecisiTuristik Servisleri A.Ş.
olan bank Şubesi'ne ait keşide tarihliTL bedelli no'lu çekin kaybolduğunu,
çekin zayi nedeniyle iptaline karar verilmesini talep etmiştir.
sentences:
- >-
Davacı vekilinin dava dilekçesinde özetle; davalı aleyhine başlatılan 13.
İcra Müdürlüğü E. Sayılı icra takibine yapılan itirazın iptalini ve davalıya
% 20 den aşağı olmamak üzere icra inkar tazminatına mahkum edilmesini talep
edilmiştir.
- >-
Davacı vekili, dava dilekçesinde özetle ; müvekkilinin ticari hayatta çek
kullandığını, iptali istenen 2 çek, çek koçanının son 2 çekini
oluşturduğunu, sözkonusu 2 adet boş çekin yıprandığı için müvekkili şirket
yetkilisi tarafından yanına alındığını, Türkiye Bankası A.Ş İzmir Balçova
şubesine ait, numaralı hesaba bağlı no'lu çek ile Türkiye Halk Bankası A.Ş
İzmir Balçova şubesine ait, numaralı hesaba bağlı no'lu üzerinde imza ve
yazı bulunmayan bu boş çeklerin müvekkili şirket yetkilisi tarafından
kaybedildiğini belirterek, kaybolan davaya konu çeklerin üzerine ödeme
yasağı konulmasına ve ilgili bankaya bildirilmesine ve yargılama sonucunda
iptaline karar verilmesini dava ve talep ettiği görülmüştür
- >-
Davacıvekili dava dilekçesinde özetle: Keşidecisi Ltd. Şti. olan bank
Şubesi'ne ait keşide tarihli TL bedelli çek no'lu çekin zayi nedeniyle
iptaline karar verilmesini talep etmiştir.
- source_sentence: >-
Davacı vekili dava dilekçesinde özetle; toplantının 1 numaralı gündem
maddesinin iptali gerektiğini, toplantı nisabı sağlanmayan genel kurul
toplantısının bu vesile ile iptal edilmesi gerektiğini, yeniden yapılması
gerektiğini, davalı şirketi zarara uğratıcı yönde kullandığı oyların, davalı
şirketin sermayesini, faaliyetini etkileyeceğini, dolaylı yoldan azınlık
sıfatını haiz müvekkilinin kanunlardan doğan haklarına halel getireceğinden
temsilci tarafından kullanılan oyları içerir her türlü gündem maddesinin
ayrı ayrı iptali gerektiğini, davanın kabulü ile genel kurul toplantısında
yetkisiz temsilci tarafından kullanılan oyları içerir bütün gündem
maddelerine ilişkin alınan kararların iptaline karar verilmesini talep
etmiştir.
sentences:
- >-
Senede bağlanmamış paylardan, nama yazılı pay senetlerinden ve
ilmühaberlerden doğan pay sahipliği hakları, pay defterinde kayıtlı bulunan
pay sahibi veya pay sahibince, yazılı olarak yetkilendirilmiş kişi
tarafından kullanılır.Hamiline yazılı pay senedinin zilyedi bulunduğunu
ispat eden ve Merkezi Kayıt Kuruluşuna bildirilen kimse, şirkete karşı pay
sahipliğinden doğan hakları kullanmaya yetkilidir.[58]
- >-
Tasfiyenin kapanmasından sonra ek tasfiye işlemlerinin yapılmasının zorunlu
olduğu anlaşılırsa, son tasfiye memurları, yönetim kurulu üyeleri, pay
sahipleri veya alacaklılar, şirket merkezinin bulunduğu yerdeki asliye
ticaret mahkemesinden, bu ek işlemler sonuçlandırılıncaya kadar, şirketin
yeniden tescilini isteyebilirler.Mahkeme istemin yerinde olduğuna kanaat
getirirse, şirketin ek tasfiye için yeniden tesciline karar verir ve bu
işlemlerini yapmaları için son tasfiye memurlarını veya yeni bir veya birkaç
kişiyi tasfiye memuru olarak atayarak tescil ve ilan ettirir.
- >-
Davacı vekili dava dilekçesinde özetle; tarihli ek protokol uyarınca
müvekkili şirket adına düzenleme tarihli bedelli teminat bonosunun iptali
ile hakkında adet bonunun zayi nedeniyle iptaline karar verilmesini talep
etmiştir.
- source_sentence: >-
Davacı vekili dava dilekçesinde özetle; davacının ticari iş ve işlemlerine
ait e-defter kayıtlarının olduğu disklerde meydana gelen arıza nedeniyle
yılı bazı aylara ait kayıtların zayi olduğunu, bu sebeple hizmet
tedarikçilerinden kayıtların kurtarılması talebi üzerine hizmet
tedarikçilerinin şirket kayıtlarının bulunduğu bilgisayar veri tabanına
müdahalesi neticesinde elektronik ortamda yitirilen defter kayıt bilgilerine
yeniden ulaşılmış e-defter dosyaları ve beratlarının yeniden oluşturularak
imzalandığını, bu nedenlerle yılı e-defter kayıtlarının zayi olduğuna dair
taraflarına zayi belgesi verilmesine karar verilmesini talep ve dava
etmiştir.
sentences:
- >-
Davacı vekili dava dilekçesinde özetle; müvekkil hamil olarak keşidecisinin
olduğu, bir adet çeki taşıma sözleşmesine binaen alacağımıza mahsuben almış
olup, aşağıda bilgileri yazılan çek düşürülmek/kaydedilmek suretiyle iradesi
dışında elinden çıktığı, belirtilen çek süresi içerisinde muhatap bankaya
ibrazı halinde uygun görülecek teminat karşılığında ödemeden men yasağı
verilmesingi ve zayi sebebi ile çeklerin iptalini talep ve dava etmiştir.
- >-
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: Müvekkil davacının 05/10/2017
tarihinde Noterliğinin yevmiye numaralı 1 cilt fatura defterinin ve seri
numaralar arası 1 cilt gider defterinin kaybolduğunun tespit edildiğini
ileri sürerek zayi olduklarının tespiti ile iptallerine karar verilmesini
talep ettikleri anlaşılmıştır.
- source_sentence: >-
Davacı vekilinin dava dilekçesinde özetle; davalının, müvekkili bankadan,
referans numarası ile kredi kullandığını, ancak geri ödemelerini
gerçekleştirmediğini, bu nedenle 13/08/2020 tarihinde kredi hesabı kat
edildiğini, kredi sözleşmesinde bildirmiş olduğu adresine kat ihtarnamesi
gönderildiğini, ihtarnamenin gönderilmesine rağmen davalı borçlunun, ihtara
uygun süre içerisinde borcunun ödemediğini ve temerrüde düştüğünü, yukarıda
açıklanan nedenlerle, toplam 43.704,69-TL alacaklarının dava tarihinden
itibaren hesaplanacak faiz ile birlikte davalıdan tahsilini, yargılama
giderlerinin ve vekalet ücretinin davalı tarafa yükletilmesine karar
verilmesini talep ile dava ettiği görüldü.
sentences:
- >-
Davacı vekili dava dilekçesinde özetle; Bankası A.Ş. Şubesi'ne ait 9.500,00
TL bedelli çekin kaybolduğunu, çekin son hamilinin müvekkil olduğunu, çekin
3.kişiler eline geçmesinin aleyhlerine sonuç doğurabileceğini, bu nedenlerle
ilgili çek üzerine ödeme yasağı konulmasına, ilgili çekin iptaline karar
verilmesini talep ve dava etmiştir.
- >-
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.
- >-
Davacı vekili dava dilekçesinde özetle, müvekkili şirketin eser sözleşmesi
kapsamında keşidecisi Dekorasyon ve Elektrik Ltd.Şti 8012249 çek nolu
900.000,00 TL meblağlı çek verildiğini, çekin müvekkili firma uhdesinde iken
kaybolduğunu belirterek bu çek üzerine ödeme yasağı konulmasına ve dava
konusu çek hakkında zayii belgesi verilmesini talep ve dava etmiştir.
- source_sentence: >-
Davacı vekili, dava dilekçesinde özetle; davaya konu çekin kaybolduğunu, söz
konusu çekin üçüncü kişilerin eline geçmesi halinde müvekkii şirketin zarara
uğrayacağını, kötü niyetli üçüncü kişilerin haksız şekilde yararlanarak
sebepsiz zenginleşmesine mahal vermemek adına ve müvekkili şirketin mağdur
olmaması için ihtiyati tedbir kararı verilerek ödeme yasağı konulmasına ve
söz konusu çekin kaybolması nedeni ile iptaline karar verilmesini talep
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; müvekkiline ait davalı şirket
nezdinde sigortalı plakalı aracın 01.12.2019 tarihinde kazaya karıştığını,
kazada sürücünün kastı veya ağır kusuru bulunmadığını, diğer araçta meydana
gelen hasar nedeniyle bir kısım ödemeler yapıldığını, ödenen bedellerin
müvekkilinden talep edildiğini, müvekkili aleyhine başlatılan icra takibinin
teminat karşılığında tedbiren durdurulmasını, müvekkiline ait araç
sürücüsünün kazanın meydana gelişinde ağır kusurunun bulunmaması sebebiyle
davacının hak talep edemeyeceğini, icra takibinin iptali ile yargılama
gideri ve vekalet ücretinin davalıya yükletilmesine karar verilmesini talep
ve dava etmiştir.
- >-
Poliçenin getirilmesine ilişkin ilan, 35 inci maddede yazılı gazete ile üç
defa yapılır.Özellik gösteren olaylarda, mahkeme, uygun göreceği daha başka
ilan önlemlerine de başvurabilir.
datasets:
- msbayindir/legal_stsb_dataset
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- pearson_cosine
- spearman_cosine
model-index:
- name: SentenceTransformer based on dbmdz/bert-base-turkish-uncased
results:
- task:
type: semantic-similarity
name: Semantic Similarity
dataset:
name: sts dev
type: sts-dev
metrics:
- type: pearson_cosine
value: 0.9713826919225055
name: Pearson Cosine
- type: spearman_cosine
value: 0.9704890531378497
name: Spearman Cosine
- task:
type: semantic-similarity
name: Semantic Similarity
dataset:
name: sts test
type: sts-test
metrics:
- type: pearson_cosine
value: 0.9700676508041346
name: Pearson Cosine
- type: spearman_cosine
value: 0.9688303106966699
name: Spearman Cosine
language:
- tr
---
# SentenceTransformer based on dbmdz/bert-base-turkish-uncased
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [dbmdz/bert-base-turkish-uncased](https://huggingface.co/dbmdz/bert-base-turkish-uncased) on the [legal_stsb_dataset](https://huggingface.co/datasets/msbayindir/legal_stsb_dataset) dataset. 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:** [dbmdz/bert-base-turkish-uncased](https://huggingface.co/dbmdz/bert-base-turkish-uncased) <!-- at revision 6cb8cd880acc6f7d9723161b573fce0dfd23b39b -->
- **Maximum Sequence Length:** 256 tokens
- **Output Dimensionality:** 768 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- [legal_stsb_dataset](https://huggingface.co/datasets/msbayindir/legal_stsb_dataset)
<!-- - **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: BertModel
(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/turkish-legal-bert-base-uncased-stsb-v1-sts")
# Run inference
sentences = [
'Davacı vekili, dava dilekçesinde özetle; davaya konu çekin kaybolduğunu, söz konusu çekin üçüncü kişilerin eline geçmesi halinde müvekkii şirketin zarara uğrayacağını, kötü niyetli üçüncü kişilerin haksız şekilde yararlanarak sebepsiz zenginleşmesine mahal vermemek adına ve müvekkili şirketin mağdur olmaması için ihtiyati tedbir kararı verilerek ödeme yasağı konulmasına ve söz konusu çekin kaybolması nedeni ile iptaline karar verilmesini talep etmiştir.',
'Poliçenin getirilmesine ilişkin ilan, 35 inci maddede yazılı gazete ile üç defa yapılır.Özellik gösteren olaylarda, mahkeme, uygun göreceği daha başka ilan önlemlerine de başvurabilir.',
'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.',
]
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
* Datasets: `sts-dev` and `sts-test`
* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)
| Metric | sts-dev | sts-test |
|:--------------------|:-----------|:-----------|
| pearson_cosine | 0.9714 | 0.9701 |
| **spearman_cosine** | **0.9705** | **0.9688** |
<!--
## 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
#### legal_stsb_dataset
* Dataset: [legal_stsb_dataset](https://huggingface.co/datasets/msbayindir/legal_stsb_dataset) at [8118fd0](https://huggingface.co/datasets/msbayindir/legal_stsb_dataset/tree/8118fd03b92a37c332aa7c3886d2d90acafa57d9)
* 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: 12 tokens</li><li>mean: 85.75 tokens</li><li>max: 212 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 85.87 tokens</li><li>max: 198 tokens</li></ul> | <ul><li>min: 0.14</li><li>mean: 0.61</li><li>max: 1.0</li></ul> |
* Samples:
| sentence1 | sentence2 | score |
|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------|
| <code>Davacı vekili dava dilekçesinde özetle; müvekkili şirketin yönetim kurulunu oluşturan üyeler arasında anlaşmazlık bulunduğunu, şirketin borca batık olduğunu belirterek borca batık şirketin iflasına, şirkete idari kayyum atanmasına, şirket ile ilgili her türlü muhafaza tedbirlerinin alınmasını talep ve dava etmiştir.</code> | <code>Davacı vekili dava dilekçesinde özetle; müvekkilinin gıda sektöründe faaliyet gösterdiğini, özellikle çalıştığını, ancak yılında ülke genelinde yaşanan piyasalardaki ekonomik durumdan etkilendiğini, banka kredilerindeki daralmalar nedeniyle nakit akışında sıkıntı çekildiğini, artan faizlerle birlikte şirketin borca batık hale geldiğini belirterek ekte sunulan iyileştirme projelerine göre faaliyetlerine devam etmeleri halinde borca batıklıktan kurtulabileceklerini belirterek sonuçta İİK 179 ve devamı maddeleri uyarınca her iki davacı şirketin bir yıl süreyle ertelenmesine karar verilmesini istemiştir.</code> | <code>0.6354198455810547</code> |
| <code>Davacı vekili dava dilekçesinde özetle; Dava konusu alacağın davacı şirketin ticari defter ve kayıtlarında sabit olduğu, itirazda bulunan davalının %20 'den aşağı olmamak üzere icra inkar tazminatına mahkum edilmesi gerektiği, taraflar arasında arabuluculuk görüşmelerine ait arabuluculuk son tutanağı dava dilekçesi ekine sunduğunu, açıklanan sebeplerden dolayı davalı tarafın icra inkar tazminatına hükmedilmesini, yargılama giderlerinin davalı tarafa yükletilmesine karar verilmesini talep ettiği görülmüştür.</code> | <code>Alıcı, devraldığı satılanın durumunu işlerin olağan akışına göre imkân bulunur bulunmaz gözden geçirmek ve satılanda satıcının sorumluluğunu gerektiren bir ayıp görürse, bunu uygun bir süre içinde ona bildirmek zorundadır. Alıcı gözden geçirmeyi ve bildirimde bulunmayı ihmal ederse, satılanı kabul etmiş sayılır. Ancak, satılanda olağan bir gözden geçirmeyle ortaya çıkarılamayacak bir ayıp bulunması hâlinde, bu hüküm uygulanmaz. Bu tür bir ayıbın bulunduğu sonradan anlaşılırsa, hemen satıcıya bildirilmelidir; bildirilmezse satılan bu ayıpla birlikte kabul edilmiş sayılır.</code> | <code>0.5559174418449402</code> |
| <code>Davacı vekili dava dilekçesinde özetle; bank Şubesi'ne () ait, 15.03.2022 tarihli, 75.000,00 TL bedelli, Iban No'lu, seri no'lu bir adet çekin müvekkilinin elindeyken kaybolduğunu, müvekkilinin kaybolan çek nedeniyle mağdur olmaması için öncelikle çek üzerine ödeme yasağı konulmasını ve çekin iptaline karar verilmesini talep ve dava etmiştir.</code> | <code>Davacı vekili dava dilekçesinde özetle; müvekkilinin " Bankası / Şubesi'nin seri numaralı, keşidecisi Tic. Ve San. Ltd. () şirket yetkilisi olan, 25/12/2020 keşide tarihli, 24.751,68 TL bedelli, bir adet çekin kaybedildiğini beyanla öncelikle çek üzerinde ödeme yasağı karar verilmesini, yapılacak yargılama neticesinde çeklerin iptaline karar verilmesini talep etmiştir.</code> | <code>0.7215161919593811</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
#### legal_stsb_dataset
* Dataset: [legal_stsb_dataset](https://huggingface.co/datasets/msbayindir/legal_stsb_dataset) at [8118fd0](https://huggingface.co/datasets/msbayindir/legal_stsb_dataset/tree/8118fd03b92a37c332aa7c3886d2d90acafa57d9)
* Size: 2,887 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: 12 tokens</li><li>mean: 88.39 tokens</li><li>max: 206 tokens</li></ul> | <ul><li>min: 16 tokens</li><li>mean: 87.14 tokens</li><li>max: 198 tokens</li></ul> | <ul><li>min: 0.14</li><li>mean: 0.6</li><li>max: 1.0</li></ul> |
* Samples:
| sentence1 | sentence2 | score |
|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------|
| <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>Davacı vekili dava dilekçesinde özetle; müvekkili olan davacının hamili olduğu bedelli hamiline yazılı çekin kaybolduğunu, çekin üçüncü kişiler tarafından bulunması halinde müvekkili olan davacının mağduriyet yaşayacağını dermeyan etmiş, öncelikle davaya konu edilen çek hakkında ihtiyati tedbir (ödemeden men) kararı verilmesi ile çekin zayi nedeniyle iptaline karar verilmesini talep ve dava etmiştir.</code> | <code>0.913142204284668</code> |
| <code>Davacı vekili dava dilekçesinde özetle; Müvekkili şirkete ait 2 adet çek yaprağının kaybolduğunu, çeklerin doldurulmadığını ve şirket yetkilisinin imzasının da bulunmadığını ancak banka nezdinde hala risk olarak göründüğünü beyanla çeklerin iptalini ve ödemeden men yasağı verilmesini talep ve dava etmiştir.</code> | <code>Davacı vekili dava dilekçesinde özetle; Bankası A.Ş. Gültepe/İzmir Şubesine ait, 03.02.2022 tarihli, seri no’lu 20.000,00 TL bedelli çekin kaybolması ve bulunamaması nedeniyle çekin iptaline, davacı şirketin ileride zarara uğramasının önlenmesi bakımından çek bedelinin bankaca ödenmemesi yönünde karar kesinleşene kadar ödeme yasağı konulmasına karar verilmesini talep ve dava etmiştir.</code> | <code>0.758105456829071</code> |
| <code>Davacı vekili dava dilekçesinde özetle; müvekkillerinin davalı şirkette % 33 oranında pay sahibi olduklarını, geri kalan hisseye sahip olan davalıların uzun yıllardır müdür olarak görev yaptıklarını, yıldır kâr payı dağıtılmadığını, müvekkillerinin inceleme, bilgi alma ve genel kurula katılarak oy kullanma haklarının engellendiğini, davalı şahısların kendilerini alacaklı gösterdiklerini, müvekkillerinin genel kurulun toplantıya çağrılması ve özel denetim yapılmasını talep ettiğini, davalılar tarafından gönderilen cevabi ihtarnamede genel kurulun -tarihinde toplandığının, mali tabloların kabul edilerek müdürlerin ibra edildiğinin ve geçmiş yıl kârlarının ne şekilde tasarruf edileceğinin karara bağlandığının bildirildiğini oysa, çağrının usulüne uygun yapılmadığını, genel kurulda alınan kararların da kanuna, ana sözleşmeye ve iyiniyet kurallarına aykırı olduğunu ileri sürerek, genel kurul kararlarının yokluğunun tespiti ile iptaline ve şirkete özel denetçi atanmasına karar verilmesini ta...</code> | <code>Tescil kaydı ile ilan edilen durum arasında aykırılık bulunması hâlinde, tescil edilmiş olan gerçek durumu bildikleri ispat edilmediği sürece, üçüncü kişilerin ilan edilen duruma güvenleri korunur.</code> | <code>0.4380776286125183</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`: steps
- `per_device_train_batch_size`: 64
- `per_device_eval_batch_size`: 64
- `num_train_epochs`: 4
- `warmup_ratio`: 0.1
- `fp16`: True
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: steps
- `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`: batch_sampler
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
| Epoch | Step | Training Loss | Validation Loss | sts-dev_spearman_cosine | sts-test_spearman_cosine |
|:------:|:----:|:-------------:|:---------------:|:-----------------------:|:------------------------:|
| 0 | 0 | - | - | 0.7712 | - |
| 0.2770 | 100 | 0.0198 | 0.0047 | 0.8934 | - |
| 0.5540 | 200 | 0.0042 | 0.0034 | 0.9204 | - |
| 0.8310 | 300 | 0.0033 | 0.0027 | 0.9401 | - |
| 1.1080 | 400 | 0.0027 | 0.0023 | 0.9525 | - |
| 1.3850 | 500 | 0.002 | 0.0021 | 0.9530 | - |
| 1.6620 | 600 | 0.0019 | 0.0019 | 0.9593 | - |
| 1.9391 | 700 | 0.0017 | 0.0017 | 0.9622 | - |
| 2.2161 | 800 | 0.0013 | 0.0017 | 0.9628 | - |
| 2.4931 | 900 | 0.0011 | 0.0016 | 0.9644 | - |
| 2.7701 | 1000 | 0.0011 | 0.0015 | 0.9668 | - |
| 3.0471 | 1100 | 0.0011 | 0.0014 | 0.9683 | - |
| 3.3241 | 1200 | 0.0008 | 0.0014 | 0.9695 | - |
| 3.6011 | 1300 | 0.0008 | 0.0013 | 0.9698 | - |
| 3.8781 | 1400 | 0.0008 | 0.0013 | 0.9705 | - |
| 4.0 | 1444 | - | - | - | 0.9688 |
### 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.*
--> |