/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
9 ноя 2023

camelbert-msa-qalb14-ged-13

Разметка токеновТекст → label3 профессии

BERT-модель для обнаружения грамматических ошибок в морфологически предобработанном тексте на современном стандартном арабском языке.

190скачиваний за 30 дней1лайквеса обновлены9 янв 2024

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-MSA GED-13 — модель CAMeL Lab для обнаружения грамматических ошибок в текстах на современном стандартном арабском языке (MSA). Это BERT-модель с 136,3 млн параметров, дообученная для классификации токенов на наборе QALB-2014. Модель рассчитана на работу с морфологически предобработанным текстом; доступна для использования через pipeline библиотеки Transformers.

Модель подходит для разметки токенов, связанных с грамматическими ошибками, и может служить компонентом систем проверки арабского текста. Контекст составляет до 512 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Результаты на обычном, непредобработанном тексте могут отличаться, поскольку модель обучалась на морфологически предобработанных данных.

Сценарии применения

  • разметка грамматических ошибок в арабских предложениях
  • проверка текстов на современном стандартном арабском языке
  • встраивание обнаружения ошибок в конвейер обработки арабского текста

Ограничения

Модель дообучалась на морфологически предобработанном тексте, поэтому её качество на необработанном тексте может отличаться. Контекст ограничен 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 QALB-2014 GED-13 Model

Model description

CAMeLBERT-MSA GED-13 Model is a Modern Standard Arabic (MSA) grammatical error detection (GED) model that was built by fine-tuning the CAMeLBERT-MSA model. For the fine-tuning, we used the QALB-2014 dataset. Please note that this model was fine-tuned on morphologically preprocessed text. Our fine-tuning procedure and the hyperparameters we used can be found in our paper "Advancements in Arabic Grammatical Error Detection and Correction: An Empirical Investigation." Our fine-tuning code and data can be found here.

Intended uses

You can use the CAMeLBERT-MSA QALB-2014 GED-13 model as part of the transformers pipeline.

How to use

To use the model with a transformers pipeline:

>>> from transformers import pipeline
>>> ged = pipeline('token-classification', model='CAMeL-Lab/camelbert-msa-qalb14-ged-13')
>>> text = 'و قال له انه يحب اكل الطعام بكثره'
>>> ged(text)
[{'entity': 'MERGE-B', 'score': 0.99943775, 'index': 1, 'word': 'و', 'start': 0, 'end': 1}, {'entity': 'MERGE-I', 'score': 0.99959165, 'index': 2, 'word': 'قال', 'start': 2, 'end': 5}, {'entity': 'UC', 'score': 0.9985884, 'index': 3, 'word': 'له', 'start': 6, 'end': 8}, {'entity': 'REPLACE_O', 'score': 0.8346316, 'index': 4, 'word': 'انه', 'start': 9, 'end': 12}, {'entity': 'UC', 'score': 0.99985325, 'index': 5, 'word': 'يحب', 'start': 13, 'end': 16}, {'entity': 'REPLACE_O', 'score': 0.6836415, 'index': 6, 'word': 'اكل', 'start': 17, 'end': 20}, {'entity': 'UC', 'score': 0.99763715, 'index': 7, 'word': 'الطعام', 'start': 21, 'end': 27}, {'entity': 'REPLACE_O', 'score': 0.993848, 'index': 8, 'word': 'بكثره', 'start': 28, 'end': 33}]

Citation

@inproceedings{alhafni-etal-2023-advancements,
    title = "Advancements in {A}rabic Grammatical Error Detection and Correction: An Empirical Investigation",
    author = "Alhafni, Bashar  and
      Inoue, Go  and
      Khairallah, Christian  and
      Habash, Nizar",
    editor = "Bouamor, Houda  and
      Pino, Juan  and
      Bali, Kalika",
    booktitle = "Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing",
    month = dec,
    year = "2023",
    address = "Singapore",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2023.emnlp-main.396",
    doi = "10.18653/v1/2023.emnlp-main.396",
    pages = "6430--6448",
    abstract = "Grammatical error correction (GEC) is a well-explored problem in English with many existing models and datasets. However, research on GEC in morphologically rich languages has been limited due to challenges such as data scarcity and language complexity. In this paper, we present the first results on Arabic GEC using two newly developed Transformer-based pretrained sequence-to-sequence models. We also define the task of multi-class Arabic grammatical error detection (GED) and present the first results on multi-class Arabic GED. We show that using GED information as auxiliary input in GEC models improves GEC performance across three datasets spanning different genres. Moreover, we also investigate the use of contextual morphological preprocessing in aiding GEC systems. Our models achieve SOTA results on two Arabic GEC shared task datasets and establish a strong benchmark on a recently created dataset. We make our code, data, and pretrained models publicly available.",
}

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
BertForTokenClassificationSingleLabel
Ревизия весов
447179d

0 моделей