/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Архитектура
bert · dense
Опубликована
2 мар 2022

bert-base-multilingual-cased-finetuned-hausa

Заполнение пропусковТекст → текст3 профессии

BERT-модель, дообученная на текстах на хауса для предсказания скрытых токенов и задач анализа текстов на этом языке.

105скачиваний за 30 дней1лайквеса обновлены27 июн 2022

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

Модель Davlan/bert-base-multilingual-cased-finetuned-hausa — версия BERT, дообученная разработчиком на текстах на языке хауса. Она основана на bert-base-multilingual-cased и предназначена прежде всего для предсказания скрытых токенов в тексте; README также приводит улучшенные результаты на наборах для классификации текстов и распознавания именованных сущностей по сравнению с исходной многоязычной моделью.

Модель содержит 205,1 млн параметров, использует архитектуру BertForMaskedLM и принимает последовательности длиной до 512 токенов. Обучение проводилось на корпусе Hausa CC-100; оценка на MasakhaNER и VOA Hausa Textclass показывает пользу дообучения для распознавания сущностей и классификации новостных текстов. Данные об условиях лицензии в предоставленной карточке отсутствуют.

Сценарии применения

  • предсказание скрытых слов в текстах на хауса
  • классификация новостных текстов на хауса
  • распознавание именованных сущностей в текстах на хауса

Ограничения

README предупреждает, что датасет с размеченными сущностями состоит из новостных статей за ограниченный период, поэтому результаты могут хуже переноситься на другие периоды и предметные области.

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

Hugging Face's logo

language: ha datasets:


bert-base-multilingual-cased-finetuned-hausa

Model description

bert-base-multilingual-cased-finetuned-hausa is a Hausa BERT model obtained by fine-tuning bert-base-multilingual-cased model on Hausa language texts. It provides better performance than the multilingual BERT on text classification and named entity recognition datasets.

Specifically, this model is a bert-base-multilingual-cased model that was fine-tuned on Hausa corpus.

Intended uses & limitations

How to use

You can use this model with Transformers pipeline for masked token prediction.

>>> from transformers import pipeline
>>> unmasker = pipeline('fill-mask', model='Davlan/bert-base-multilingual-cased-finetuned-hausa')
>>> unmasker("Shugaban [MASK] Muhammadu Buhari ya amince da shawarar da ma’aikatar sufuri karkashin jagoranci")
                    
[{'sequence': 
'[CLS] Shugaban Nigeria Muhammadu Buhari ya amince da shawarar da ma [UNK] aikatar sufuri karkashin jagoranci [SEP]', 
'score': 0.9762618541717529, 
'token': 22045, 
'token_str': 'Nigeria'}, 
{'sequence': '[CLS] Shugaban Ka Muhammadu Buhari ya amince da shawarar da ma [UNK] aikatar sufuri karkashin jagoranci [SEP]', 'score': 0.007239189930260181, 
'token': 25444, 
'token_str': 'Ka'}, 
{'sequence': '[CLS] Shugaban, Muhammadu Buhari ya amince da shawarar da ma [UNK] aikatar sufuri karkashin jagoranci [SEP]', 'score': 0.001990817254409194, 
'token': 117, 
'token_str': ','}, 
{'sequence': '[CLS] Shugaban Ghana Muhammadu Buhari ya amince da shawarar da ma [UNK] aikatar sufuri karkashin jagoranci [SEP]', 'score': 0.001566368737258017, 
'token': 28682, 
'token_str': 'Ghana'}, 
{'sequence': '[CLS] Shugabanmu Muhammadu Buhari ya amince da shawarar da ma [UNK] aikatar sufuri karkashin jagoranci [SEP]', 'score': 0.0009375187801197171, 
'token': 11717, 
'token_str': '##mu'}]

Limitations and bias

This model is limited by its training dataset of entity-annotated news articles from a specific span of time. This may not generalize well for all use cases in different domains.

Training data

This model was fine-tuned on Hausa CC-100

Training procedure

This model was trained on a single NVIDIA V100 GPU

Eval results on Test set (F-score, average over 5 runs)

DatasetmBERT F1ha_bert F1
MasakhaNER86.6591.31
VOA Hausa Textclass84.7690.98

BibTeX entry and citation info

By David Adelani

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
e08eaa6

0 моделей