|
---
|
|
language:
|
|
- ko
|
|
- en
|
|
library_name: sentence-transformers
|
|
metrics:
|
|
- cosine_accuracy@1
|
|
- cosine_accuracy@3
|
|
- cosine_accuracy@5
|
|
- cosine_accuracy@10
|
|
- cosine_precision@1
|
|
- cosine_precision@3
|
|
- cosine_precision@5
|
|
- cosine_precision@10
|
|
- cosine_recall@1
|
|
- cosine_recall@3
|
|
- cosine_recall@5
|
|
- cosine_recall@10
|
|
- cosine_ndcg@10
|
|
- cosine_mrr@10
|
|
- cosine_map@100
|
|
- dot_accuracy@1
|
|
- dot_accuracy@3
|
|
- dot_accuracy@5
|
|
- dot_accuracy@10
|
|
- dot_precision@1
|
|
- dot_precision@3
|
|
- dot_precision@5
|
|
- dot_precision@10
|
|
- dot_recall@1
|
|
- dot_recall@3
|
|
- dot_recall@5
|
|
- dot_recall@10
|
|
- dot_ndcg@10
|
|
- dot_mrr@10
|
|
- dot_map@100
|
|
pipeline_tag: sentence-similarity
|
|
tags:
|
|
- sentence-transformers
|
|
- sentence-similarity
|
|
- feature-extraction
|
|
- generated_from_trainer
|
|
widget:
|
|
- source_sentence: 대한지적공사 관계자는 "오랜 진통 끝에 지적재조사사업을 추진하게 돼 기쁘다"면서도 뭐라고 말했어?
|
|
sentences:
|
|
- >-
|
|
2018 평창 동계올림픽이 개막하기 전 '공공의 적'은 영하 10도를 넘는 추위였다. 개막을 즈음해 추위는 조금 수그러드는가 싶더니
|
|
바람이 멈추지 않아 대회 2일 차부터 경기가 잇달아 연기·취소됐다.
|
|
올림픽 조직위원회와 국제스키연맹(FIS)은 11일 오전 11시 정선 알파인 경기장에서 열릴 예정이던 알파인 스키 남자 활강 경기를
|
|
강풍으로 연기하기로 했다고 밝혔다. FIS는 “강풍이 경기장에 하루 종일 계속 불 것으로 전망돼 일정을 연기했다”고 밝혔다. 조직위는
|
|
연기된 남자 활강 경기를 오는 15일 오전 11시에 치르고, 이 시간대에 원래 열릴 예정이던 남자 슈퍼대회전 경기 시간을 하루 뒤인
|
|
16일 오전 11시로 순연하기로 했다.
|
|
|
|
이어 이날 오후 1시30분부터 열릴 예정이던 스노보드 여자 슬로프스타일 예선 경기는 연기를 거듭하다 취소됐다. 조직위는 예선 없이 다음
|
|
날 결선에서 참가자 27명이 한번에 경기해 순위를 가리기로 했다.
|
|
|
|
강풍이 경기 진행에 영향을 미칠 것이란 예상은 대회 전부터 있었다. 올림픽 대회 슬로프가 설치된 정선·용평 알파인 경기장과 휘닉스 스노
|
|
경기장은 슬로프 상단부의 해발고도가 900m가 넘는다. 임장호 조직위 기상기후팀장은 “알파인 스키는 상단부에 강한 바람이 불면, 선수들을
|
|
실어나르는 곤돌라를 움직이기 어렵다”며 “스노보드나 프리스타일 스키는 순간적인 돌풍이 불 때 선수들이 다칠 가능성도 있다”고 말했다.
|
|
|
|
바람이 경기에 미치는 영향을 알기에 조직위도 강풍을 비롯한 5가지 긴급 기상 상황을 가정해 경기 운영 매뉴얼을 만들었다. 이날 경기
|
|
취소도 매뉴얼에 따른 조치였다. 임 팀장은 “12~13일 바람이 잦아들다가 14일에 다시 강풍이 불겠지만, 15일부터는 다시 잦아들
|
|
것으로 보고 있다”며 “향후 강풍으로 경기가 연기돼도 올림픽 폐막 전 최대한 모든 경기를 끝내려 하고 있다”고 했다. 다만 경기 일정이
|
|
바뀌면 참가 선수들과 코칭스태프가 어떻게 컨디션을 조절하며 경기를 준비할지 깊은 고민에 빠질 것으로 보인다.
|
|
- >-
|
|
지적도면과 실제 경계가 맞지 않는 '지적불부합지'에 대한 재조사가 실시된다. 국토해양부는 지적도상 경계와 실제 경계가 일치하지 않는
|
|
지적불부합지에 대해 2030년까지 지적재조사를 추진한다고 지난달 30일 밝혔다. 이와 관련 김기현 의원이 대표발의한 지적재조사특별법안이
|
|
이날 국회 상임위를 통과했다. 지적불부합지는 경계분쟁과 민원의 대상이 되고 있는데, 현재 전체 필지의 약 15%(554만필지)에 이를
|
|
것으로 추정된다. 특히 상당수는 지적측량이 불가능해 소유권 이전이나 건축행위 등 재산권 행사가 불가능하거나 제한받고 있어 조정이 시급한
|
|
상황이다. 이에 따라 1995년 지적재조사사업추진 기본계획이 수립되고, 이듬해 지적재조사특별법이 입법예고됐지만 관련 부처들의 반대로
|
|
무산됐다. 이후 2000년 다시 재조사사업 기본계획이 수립되고, 2006년 토지조사특별법안이 제출됐으나 성사되지 못한 채 오늘에 이르고
|
|
있다. 지적불부합지는 100년 전 낙후된 기술로 만든 종이지적을 계속 사용하면서 종이도면의 신축, 경계선의 굵기, 개인오차 등으로
|
|
생겨났다. 또 대장이 토지·임야대장으로 이원화돼 있고, 도면도 7종의 축척으로 등록된 것도 원인으로 꼽힌다. 일례로 1:1200 축척의
|
|
압구정동 대지(280㎡, 1000만원/㎡)의 경우 지적도상 경계가 0.8mm 오차가 나면 실제 면적에선 27㎡의 차이가 발생, 약
|
|
2억7000만원의 땅값이 차이나게 된다. 6·25전쟁으로 전국 106만1000필지의 지적공부가 분·소실되고, 약 80%의 지적측량기준점을
|
|
잃어버린 것도 한 원인이다. 토지공법학회는 2005년 지적불부합에 따른 경계분쟁으로 연간 약 3800억원의 소송비용이 발생한 것으로
|
|
추정했다. 또 경계확인측량으로 연간 900억원의 비용이 지출되고 있다. 정부는 총 8410억원을 투입, 2020년까지 280만필지를,
|
|
나머지 274만필지는 2030년까지 정비할 계획이다. 국토부 관계자는 "지적불부합지가 정비되면 경계분쟁이 해소돼 사회적 비용을 절감할 수
|
|
있고, 개인의 재산권 행사도 수월해 질 것"이라고 기대했다. 그러나 전국에 걸친 전면적인 지적재조사가 아니라 불부합지를 중심으로 한
|
|
단계적 추진이어서 한계가 있다는 지적이다. 앞으로 재조사가 진행되면 불부합지가 계속 나타나게 될 것인데 그 때마다 경계조정을 해야 하는
|
|
번거로움이 있다는 것. 특히 불부합지에 대한 경계조정은 이해가 첨예하게 충돌하다 보니 사업추진이 매우 어렵다. 이 때문에 전면적인
|
|
재조사를 통해 한 번에 마무리하는 것이 수월하다는 설명이다. 대한지적공사 관계자는 "오랜 진통 끝에 지적재조사사업을 추진하게 돼
|
|
기쁘다"면서도 "원래 전면적인 사업추진을 원했으나 예산 등의 문제로 단계적으로 진행하게 돼 아쉽다"고 말했다.
|
|
model-index:
|
|
- name: SentenceTransformer
|
|
results:
|
|
- task:
|
|
type: information-retrieval
|
|
name: Information Retrieval
|
|
dataset:
|
|
name: miracl
|
|
type: miracl
|
|
metrics:
|
|
- type: cosine_accuracy@1
|
|
value: 0.6103286384976526
|
|
name: Cosine Accuracy@1
|
|
- type: cosine_accuracy@3
|
|
value: 0.8169014084507042
|
|
name: Cosine Accuracy@3
|
|
- type: cosine_accuracy@5
|
|
value: 0.8732394366197183
|
|
name: Cosine Accuracy@5
|
|
- type: cosine_accuracy@10
|
|
value: 0.92018779342723
|
|
name: Cosine Accuracy@10
|
|
- type: cosine_precision@1
|
|
value: 0.6103286384976526
|
|
name: Cosine Precision@1
|
|
- type: cosine_precision@3
|
|
value: 0.378716744913928
|
|
name: Cosine Precision@3
|
|
- type: cosine_precision@5
|
|
value: 0.27605633802816903
|
|
name: Cosine Precision@5
|
|
- type: cosine_precision@10
|
|
value: 0.17276995305164322
|
|
name: Cosine Precision@10
|
|
- type: cosine_recall@1
|
|
value: 0.3846655691726114
|
|
name: Cosine Recall@1
|
|
- type: cosine_recall@3
|
|
value: 0.5901991071005155
|
|
name: Cosine Recall@3
|
|
- type: cosine_recall@5
|
|
value: 0.6794216477315068
|
|
name: Cosine Recall@5
|
|
- type: cosine_recall@10
|
|
value: 0.7694903427297795
|
|
name: Cosine Recall@10
|
|
- type: cosine_ndcg@10
|
|
value: 0.6723275985412543
|
|
name: Cosine Ndcg@10
|
|
- type: cosine_mrr@10
|
|
value: 0.7262426410313736
|
|
name: Cosine Mrr@10
|
|
- type: cosine_map@100
|
|
value: 0.6073885234240499
|
|
name: Cosine Map@100
|
|
- type: dot_accuracy@1
|
|
value: 0.6103286384976526
|
|
name: Dot Accuracy@1
|
|
- type: dot_accuracy@3
|
|
value: 0.8169014084507042
|
|
name: Dot Accuracy@3
|
|
- type: dot_accuracy@5
|
|
value: 0.8732394366197183
|
|
name: Dot Accuracy@5
|
|
- type: dot_accuracy@10
|
|
value: 0.92018779342723
|
|
name: Dot Accuracy@10
|
|
- type: dot_precision@1
|
|
value: 0.6103286384976526
|
|
name: Dot Precision@1
|
|
- type: dot_precision@3
|
|
value: 0.378716744913928
|
|
name: Dot Precision@3
|
|
- type: dot_precision@5
|
|
value: 0.27605633802816903
|
|
name: Dot Precision@5
|
|
- type: dot_precision@10
|
|
value: 0.17276995305164322
|
|
name: Dot Precision@10
|
|
- type: dot_recall@1
|
|
value: 0.3846655691726114
|
|
name: Dot Recall@1
|
|
- type: dot_recall@3
|
|
value: 0.5901991071005155
|
|
name: Dot Recall@3
|
|
- type: dot_recall@5
|
|
value: 0.6794216477315068
|
|
name: Dot Recall@5
|
|
- type: dot_recall@10
|
|
value: 0.7694903427297795
|
|
name: Dot Recall@10
|
|
- type: dot_ndcg@10
|
|
value: 0.6723275985412543
|
|
name: Dot Ndcg@10
|
|
- type: dot_mrr@10
|
|
value: 0.7262426410313736
|
|
name: Dot Mrr@10
|
|
- type: dot_map@100
|
|
value: 0.6073885234240499
|
|
name: Dot Map@100
|
|
license: apache-2.0
|
|
base_model:
|
|
- BAAI/bge-m3
|
|
---
|
|
# SentenceTransformer
|
|
|
|
This is a [sentence-transformers](https://www.SBERT.net) model trained on the train_set dataset. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
|
|
## Model Details
|
|
- Learning other languages besides Chinese and English is insufficient, so additional learning is needed to optimize use of other languages.
|
|
- This model is additionally trained on the Korean dataset.
|
|
### Model Description
|
|
- **Model Type:** Sentence Transformer
|
|
Transformer Encoder
|
|
- **Maximum Sequence Length:** 8192 tokens
|
|
- **Output Dimensionality:** 1024 tokens
|
|
- **Similarity Function:** Cosine Similarity
|
|
### 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': 8192, 'do_lower_case': False}) with Transformer model: XLMRobertaModel
|
|
(1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
|
|
(2): Normalize()
|
|
)
|
|
``` |
