/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Архитектура
xlm-roberta · dense

xlm-roberta-base-finetuned-yoruba

Заполнение пропусковТекст → текст3 профессии

Дообученная на текстах йоруба модель XLM-RoBERTa для предсказания скрытых токенов и языковых задач на йоруба.

81скачиваний за 30 дней1лайквеса обновлены28 мая 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

Davlan/xlm-roberta-base-finetuned-yoruba — модель Davlan, полученная дообучением xlm-roberta-base на текстах на языке йоруба. Это плотная трансформерная архитектура XLM-RoBERTa с 305,2 млн параметров и контекстом до 514 токенов; репозиторий содержит веса PyTorch. Модель предназначена для предсказания скрытых токенов, а также может применяться для классификации текста и распознавания именованных сущностей на йоруба.

В обучении использовались тексты Библии, JW300, Menyo-20k, Wikipedia и новостных источников на йоруба, а также другие корпуса. В оценке на MasakhaNER модель показала F1 83,66 против 77,58 у XLM-R. Результаты могут хуже переноситься на другие области: обучающие данные для распознавания сущностей включали размеченные новостные статьи определённого периода. Лицензия в предоставленных данных не приведена.

Сценарии применения

  • предсказание пропущенного слова в тексте на йоруба
  • классификация текстов на йоруба
  • распознавание именованных сущностей в новостях на йоруба

Ограничения

Модель обучалась на ограниченном наборе размеченных новостных статей определённого периода, поэтому качество распознавания сущностей может снижаться в других временных периодах и предметных областях. Лицензия не указана в предоставленных 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

Hugging Face's logo

language: yo datasets:


xlm-roberta-base-finetuned-yoruba

Model description

xlm-roberta-base-finetuned-yoruba is a Yoruba RoBERTa model obtained by fine-tuning xlm-roberta-base model on Yorùbá language texts. It provides better performance than the XLM-RoBERTa on text classification and named entity recognition datasets.

Specifically, this model is a xlm-roberta-base model that was fine-tuned on Yorùbá 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/xlm-roberta-base-finetuned-yoruba')
>>> unmasker("Arẹmọ Phillip to jẹ ọkọ <mask> Elizabeth to ti wa lori aisan ti dagbere faye lẹni ọdun mọkandilọgọrun")
                    
[{'sequence': '<s> Arẹmọ Phillip to jẹ ọkọ Queen Elizabeth to ti wa lori aisan ti dagbere faye lẹni ọdun mọkandilọgọrun</s>', 'score': 0.24844281375408173, 
'token': 44109, 
'token_str': '▁Queen'}, 
{'sequence': '<s> Arẹmọ Phillip to jẹ ọkọ ile Elizabeth to ti wa lori aisan ti dagbere faye lẹni ọdun mọkandilọgọrun</s>', 'score': 0.1665010154247284, 
'token': 1350, 
'token_str': '▁ile'}, 
{'sequence': '<s> Arẹmọ Phillip to jẹ ọkọ ti Elizabeth to ti wa lori aisan ti dagbere faye lẹni ọdun mọkandilọgọrun</s>', 'score': 0.07604238390922546, 
'token': 1053, 
'token_str': '▁ti'}, 
{'sequence': '<s> Arẹmọ Phillip to jẹ ọkọ baba Elizabeth to ti wa lori aisan ti dagbere faye lẹni ọdun mọkandilọgọrun</s>', 'score': 0.06353845447301865, 
'token': 12878, 
'token_str': '▁baba'}, 
{'sequence': '<s> Arẹmọ Phillip to jẹ ọkọ Oba Elizabeth to ti wa lori aisan ti dagbere faye lẹni ọdun mọkandilọgọrun</s>', 'score': 0.03836742788553238, 
'token': 82879, 
'token_str': '▁Oba'}]



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 Bible, JW300, Menyo-20k, Yoruba Embedding corpus and CC-Aligned, Wikipedia, news corpora (BBC Yoruba, VON Yoruba, Asejere, Alaroye), and other small datasets curated from friends.

Training procedure

This model was trained on a single NVIDIA V100 GPU

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

DatasetXLM-R F1yo_roberta F1
MasakhaNER77.5883.66
BBC Yorùbá Textclass

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
XLMRobertaForMaskedLM
Ревизия весов
6d9e518

0 моделей