/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
bert · dense

bert-base-arabic-camelbert-mix-did-madar-corpus6

Классификация текстаТекст → label3 профессии

Модель CAMeL Lab определяет арабский диалект текста, выбирая одну из шести категорий MADAR Corpus 6.

1 536скачиваний за 30 дней1лайквеса обновлены17 окт 2021

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CAMeLBERT-Mix DID MADAR Corpus6 — модель классификации арабских текстов по диалектам, разработанная CAMeL Lab и дообученная на MADAR Corpus 6. Она присваивает входному предложению одну из шести меток диалектов и подходит для определения диалекта в коротких сообщениях и фразах; модель можно использовать через pipeline text-classification в Transformers.

Модель основана на архитектуре BERT, содержит 136,3 млн параметров и принимает последовательности длиной до 512 токенов. Она работает с арабским языком и выдаёт метку класса с оценкой уверенности. Репозиторий содержит веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • определение диалекта арабского предложения
  • классификация арабских сообщений по региональному варианту
  • анализ диалектной речи в пользовательских сообщениях

Ограничения

Модель обучена на MADAR Corpus 6 и выдаёт только одну из шести меток этого набора, поэтому она может не покрывать другие арабские диалекты или варианты, не представленные в обучающих данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CAMeLBERT-Mix DID MADAR Corpus6 Model

Model description

CAMeLBERT-Mix DID MADAR Corpus6 Model is a dialect identification (DID) model that was built by fine-tuning the CAMeLBERT-Mix model. For the fine-tuning, we used the MADAR Corpus 6 dataset, which includes 6 labels. Our fine-tuning procedure and the hyperparameters we used can be found in our paper "The Interplay of Variant, Size, and Task Type in Arabic Pre-trained Language Models." Our fine-tuning code can be found here.

Intended uses

You can use the CAMeLBERT-Mix DID MADAR Corpus6 model as part of the transformers pipeline. This model will also be available in CAMeL Tools soon.

How to use

To use the model with a transformers pipeline:

>>> from transformers import pipeline
>>> did = pipeline('text-classification', model='CAMeL-Lab/bert-base-arabic-camelbert-mix-did-madar6')
>>> sentences = ['عامل ايه ؟', 'شلونك ؟ شخبارك ؟']
>>> did(sentences)
[{'label': 'CAI', 'score': 0.9996405839920044},
 {'label': 'DOH', 'score': 0.9997853636741638}]

Note: to download our models, you would need transformers>=3.5.0. Otherwise, you could download the models

Citation

@inproceedings{inoue-etal-2021-interplay,
    title = "The Interplay of Variant, Size, and Task Type in {A}rabic Pre-trained Language Models",
    author = "Inoue, Go  and
      Alhafni, Bashar  and
      Baimukan, Nurpeiis  and
      Bouamor, Houda  and
      Habash, Nizar",
    booktitle = "Proceedings of the Sixth Arabic Natural Language Processing Workshop",
    month = apr,
    year = "2021",
    address = "Kyiv, Ukraine (Online)",
    publisher = "Association for Computational Linguistics",
    abstract = "In this paper, we explore the effects of language variants, data sizes, and fine-tuning task types in Arabic pre-trained language models. To do so, we build three pre-trained language models across three variants of Arabic: Modern Standard Arabic (MSA), dialectal Arabic, and classical Arabic, in addition to a fourth language model which is pre-trained on a mix of the three. We also examine the importance of pre-training data size by building additional models that are pre-trained on a scaled-down set of the MSA variant. We compare our different models to each other, as well as to eight publicly available models by fine-tuning them on five NLP tasks spanning 12 datasets. Our results suggest that the variant proximity of pre-training data to fine-tuning data is more important than the pre-training data size. We exploit this insight in defining an optimized system selection model for the studied tasks.",
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
1f6d964

0 моделей