/ Модель

Характеристики

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

bert-base-arabic-camelbert-msa-pos-msa

Разметка токеновТекст → label3 профессии

Дообученная модель BERT для определения частей речи в текстах на современном стандартном арабском языке.

141скачиваний за 30 дней0лайковвеса обновлены18 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

CAMeL-Lab разработала CAMeLBERT-MSA POS-MSA — модель для разметки частей речи в текстах на современном стандартном арабском языке (MSA). Это дообученная на наборе данных PATB версия CAMeLBERT-MSA, построенная на архитектуре BERT и имеющая около 136,3 млн параметров. Модель предназначена для использования в конвейере Transformers; для неё указаны форматы PyTorch и TensorFlow, а максимальный контекст составляет 512 токенов.

Модель определяет часть речи для каждого токена арабского текста и может использоваться в задачах лингвистической обработки MSA. Карточка также указывает, что модель планировалась для поддержки в CAMeL Tools. Она выпущена под лицензией Apache-2.0. Доступные сведения не содержат оценок качества или подробностей о метках разметки, поэтому пригодность для конкретного корпуса следует проверять отдельно.

Сценарии применения

  • разметка частей речи в арабском тексте MSA
  • подготовка арабских корпусов для лингвистического анализа
  • добавление POS-разметки в конвейер обработки арабского языка

Ограничения

Модель рассчитана на современный стандартный арабский язык и обучена на PATB; качество на других вариантах арабского и корпусах в доступных сведениях не оценено. Указанное окно контекста ограничено 512 токенами.

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-MSA POS-MSA Model

Model description

CAMeLBERT-MSA POS-MSA Model is a Modern Standard Arabic (MSA) POS tagging model that was built by fine-tuning the CAMeLBERT-MSA model. For the fine-tuning, we used the PATB dataset . 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-MSA POS-MSA 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
>>> pos = pipeline('token-classification', model='CAMeL-Lab/bert-base-arabic-camelbert-msa-pos-msa')
>>> text = 'إمارة أبوظبي هي إحدى إمارات دولة الإمارات العربية المتحدة السبع'
>>> pos(text)
[{'entity': 'noun', 'score': 0.9999764, 'index': 1, 'word': 'إمارة', 'start': 0, 'end': 5}, {'entity': 'noun_prop', 'score': 0.99991846, 'index': 2, 'word': 'أبوظبي', 'start': 6, 'end': 12}, {'entity': 'pron', 'score': 0.9998356, 'index': 3, 'word': 'هي', 'start': 13, 'end': 15}, {'entity': 'noun', 'score': 0.99368894, 'index': 4, 'word': 'إحدى', 'start': 16, 'end': 20}, {'entity': 'noun', 'score': 0.9999426, 'index': 5, 'word': 'إما', 'start': 21, 'end': 24}, {'entity': 'noun', 'score': 0.9999339, 'index': 6, 'word': '##رات', 'start': 24, 'end': 27}, {'entity': 'noun', 'score': 0.99996775, 'index': 7, 'word': 'دولة', 'start': 28, 'end': 32}, {'entity': 'noun', 'score': 0.99996895, 'index': 8, 'word': 'الإمارات', 'start': 33, 'end': 41}, {'entity': 'adj', 'score': 0.99990183, 'index': 9, 'word': 'العربية', 'start': 42, 'end': 49}, {'entity': 'adj', 'score': 0.9999347, 'index': 10, 'word': 'المتحدة', 'start': 50, 'end': 57}, {'entity': 'noun_num', 'score': 0.99931145, 'index': 11, 'word': 'السبع', 'start': 58, 'end': 63}]

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

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 · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForTokenClassification
Ревизия весов
c725a2b

0 моделей