/ Модель

Характеристики

Контекст
512 токенов
Параметры
190 млн
Архитектура
bert · dense

bert-base-parsbert-uncased

Заполнение пропусковТекст → текст3 профессии

Одноязычная модель BERT Base для предсказания пропущенных токенов и построения решений NLP на персидском языке.

166 тыс.скачиваний за 30 дней48лайковвеса обновлены18 мая 2021

Бенчмарки

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

Публичные оценки49

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

  • CQADupstackPhysicsRetrieval-Fa

    main_score

    Результат

    0,0583

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAFriendship

    main_score

    Результат

    0,6232

    MTEB

    Публичная таблицаревизия совпадает

  • NQ-FaHardNegatives

    main_score

    Результат

    0,0456

    MTEB

    Публичная таблицаревизия совпадает

  • ClimateFEVER-Fa

    main_score

    Результат

    0,0205

    MTEB

    Публичная таблицаревизия совпадает

  • MultilingualSentimentClassification

    main_score

    Результат

    0,6596

    MTEB

    Публичная таблицаревизия совпадает

  • Touche2020-Fa.v2

    main_score

    Результат

    0,0443

    MTEB

    Публичная таблицаревизия совпадает

  • SIDClassification.v2

    main_score

    Результат

    0,5571

    MTEB

    Публичная таблицаревизия совпадает

  • HotpotQA-Fa

    main_score

    Результат

    0,0337

    MTEB

    Публичная таблицаревизия совпадает

  • Touche2020-Fa

    main_score

    Результат

    0,0114

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAToneChatbotClassification

    main_score

    Результат

    0,9121

    MTEB

    Публичная таблицаревизия совпадает

  • FarsiParaphraseDetection

    main_score

    Результат

    0,9369

    MTEB

    Публичная таблицаревизия совпадает

  • MSMARCO-FaHardNegatives

    main_score

    Результат

    0,2492

    MTEB

    Публичная таблицаревизия совпадает

  • PerShopDomainClassification

    main_score

    Результат

    0,6962

    MTEB

    Публичная таблицаревизия совпадает

  • TRECCOVID-Fa

    main_score

    Результат

    0,1053

    MTEB

    Публичная таблицаревизия совпадает

  • PersianWebDocumentRetrieval

    main_score

    Результат

    0,1004

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotRAGFAQPC

    main_score

    Результат

    0,5084

    MTEB

    Публичная таблицаревизия совпадает

  • SCIDOCS-Fa.v2

    main_score

    Результат

    0,0161

    MTEB

    Публичная таблицаревизия совпадает

  • FiQA2018-Fa.v2

    main_score

    Результат

    0,0153

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAClassification

    main_score

    Результат

    0,771

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAJealousy

    main_score

    Результат

    0,8414

    MTEB

    Публичная таблицаревизия совпадает

  • DBPedia-Fa

    main_score

    Результат

    0,0192

    MTEB

    Публичная таблицаревизия совпадает

  • FEVER-FaHardNegatives

    main_score

    Результат

    0,017

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerTextKeywordsPC

    main_score

    Результат

    0,7125

    MTEB

    Публичная таблицаревизия совпадает

  • SIDClassification

    main_score

    Результат

    0,557

    MTEB

    Публичная таблицаревизия совпадает

  • QuoraRetrieval-Fa.v2

    main_score

    Результат

    0,4848

    MTEB

    Публичная таблицаревизия совпадает

  • SCIDOCS-Fa

    main_score

    Результат

    0,0156

    MTEB

    Публичная таблицаревизия совпадает

  • WikipediaRetrievalMultilingual

    main_score

    Результат

    0,4841

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAToneClassification

    main_score

    Результат

    0,8194

    MTEB

    Публичная таблицаревизия совпадает

  • ParsinluQueryParaphPC

    main_score

    Результат

    0,628

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackMathematicaRetrieval-Fa

    main_score

    Результат

    0,0137

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerTextToneClassification.v3

    main_score

    Результат

    0,9745

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackUnixRetrieval-Fa

    main_score

    Результат

    0,0481

    MTEB

    Публичная таблицаревизия совпадает

  • NeuCLIR2023Retrieval

    main_score

    Результат

    0,0187

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveScenarioClassification

    main_score

    Результат

    0,626

    Общий результат 0,6235
    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackEnglishRetrieval-Fa

    main_score

    Результат

    0,0682

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotRAGFAQRetrieval

    main_score

    Результат

    0,0509

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAFear

    main_score

    Результат

    0,8068

    MTEB

    Публичная таблицаревизия совпадает

  • DeepSentiPers

    main_score

    Результат

    0,5063

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackWebmastersRetrieval-Fa

    main_score

    Результат

    0,0418

    MTEB

    Публичная таблицаревизия совпадает

  • SIDClustring

    main_score

    Результат

    0,3912

    MTEB

    Публичная таблицаревизия совпадает

  • BeytooteClustering

    main_score

    Результат

    0,516

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotTopicsRetrieval

    main_score

    Результат

    0,0015

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAHappiness

    main_score

    Результат

    0,6907

    MTEB

    Публичная таблицаревизия совпадает

  • Query2Query

    main_score

    Результат

    0,5537

    MTEB

    Публичная таблицаревизия совпадает

  • ParsinluEntail

    main_score

    Результат

    0,5779

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotSatisfactionLevelClassification

    main_score

    Результат

    0,356

    MTEB

    Публичная таблицаревизия совпадает

  • NFCorpus-Fa

    main_score

    Результат

    0,0336

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAToneUserClassification

    main_score

    Результат

    0,7268

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerQARetrieval

    main_score

    Результат

    0,2495

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

HooshvareLab/bert-base-parsbert-uncased — одноязычная модель понимания персидского языка, разработанная командой HooshvareLab на архитектуре Google BERT Base. Это плотный трансформер с 190 млн параметров и контекстом до 512 токенов; модель предварительно обучена на корпусе из более чем 2 млн персидских документов разных жанров, включая научные тексты, романы и новости. Веса доступны в форматах PyTorch, TensorFlow и Flax.

Основная задача этой версии — предсказание замаскированных токенов (fill-mask): модель подставляет вероятные слова в пропуски в персидском тексте. ParsBERT также использовали как основу для доработки под анализ тональности, классификацию текстов и распознавание именованных сущностей; результаты карточки показывают сильные оценки на персидских наборах данных для этих задач. Модель использует uncased-токенизацию, предварительную обработку текста и сегментацию WordPiece.

Модель предназначена для персидского языка. Указанная в метаданных задача — fill-mask; результаты для классификации и NER относятся к downstream-сценариям и могут требовать дополнительной настройки модели. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • подстановка пропущенных слов в персидских предложениях
  • предварительное обучение персидских NLP-систем
  • дообучение классификатора персидских новостей и текстов
  • дообучение модели анализа тональности персидских отзывов
  • дообучение модели распознавания именованных сущностей в персидском тексте

Ограничения

Главная задача этой версии — fill-mask; для классификации, анализа тональности и NER потребуется соответствующая downstream-настройка. Условия лицензии в предоставленных материалах не указаны.

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

ParsBERT: Transformer-based Model for Persian Language Understanding

ParsBERT is a monolingual language model based on Google’s BERT architecture with the same configurations as BERT-Base.

Paper presenting ParsBERT: arXiv:2005.12515

All the models (downstream tasks) are uncased and trained with whole word masking. (coming soon stay tuned)


Introduction

This model is pre-trained on a large Persian corpus with various writing styles from numerous subjects (e.g., scientific, novels, news) with more than 2M documents. A large subset of this corpus was crawled manually.

As a part of ParsBERT methodology, an extensive pre-processing combining POS tagging and WordPiece segmentation was carried out to bring the corpus into a proper format. This process produces more than 40M true sentences.

Evaluation

ParsBERT is evaluated on three NLP downstream tasks: Sentiment Analysis (SA), Text Classification, and Named Entity Recognition (NER). For this matter and due to insufficient resources, two large datasets for SA and two for text classification were manually composed, which are available for public use and benchmarking. ParsBERT outperformed all other language models, including multilingual BERT and other hybrid deep learning models for all tasks, improving the state-of-the-art performance in Persian language modeling.

Results

The following table summarizes the F1 score obtained by ParsBERT as compared to other models and architectures.

Sentiment Analysis (SA) task

DatasetParsBERTmBERTDeepSentiPers
Digikala User Comments81.74*80.74-
SnappFood User Comments88.12*87.87-
SentiPers (Multi Class)71.11*-69.33
SentiPers (Binary Class)92.13*-91.98

Text Classification (TC) task

DatasetParsBERTmBERT
Digikala Magazine93.59*90.72
Persian News97.19*95.79

Named Entity Recognition (NER) task

DatasetParsBERTmBERTMorphoBERTBeheshti-NERLSTM-CRFRule-Based CRFBiLSTM-CRF
PEYMA93.10*86.64-90.59-84.00-
ARMAN98.79*95.8989.984.0386.55-77.45

If you tested ParsBERT on a public dataset and you want to add your results to the table above, open a pull request or contact us. Also make sure to have your code available online so we can add it as a reference

How to use

TensorFlow 2.0

from transformers import AutoConfig, AutoTokenizer, TFAutoModel

config = AutoConfig.from_pretrained("HooshvareLab/bert-base-parsbert-uncased")
tokenizer = AutoTokenizer.from_pretrained("HooshvareLab/bert-base-parsbert-uncased")
model = AutoModel.from_pretrained("HooshvareLab/bert-base-parsbert-uncased")

text = "ما در هوشواره معتقدیم با انتقال صحیح دانش و آگاهی، همه افراد می‌توانند از ابزارهای هوشمند استفاده کنند. شعار ما هوش مصنوعی برای همه است."
tokenizer.tokenize(text)

>>> ['ما', 'در', 'هوش', '##واره', 'معتقدیم', 'با', 'انتقال', 'صحیح', 'دانش', 'و', 'اگاهی', '،', 'همه', 'افراد', 'میتوانند', 'از', 'ابزارهای', 'هوشمند', 'استفاده', 'کنند', '.', 'شعار', 'ما', 'هوش', 'مصنوعی', 'برای', 'همه', 'است', '.']

Pytorch

from transformers import AutoConfig, AutoTokenizer, AutoModel

config = AutoConfig.from_pretrained("HooshvareLab/bert-base-parsbert-uncased")
tokenizer = AutoTokenizer.from_pretrained("HooshvareLab/bert-base-parsbert-uncased")
model = AutoModel.from_pretrained("HooshvareLab/bert-base-parsbert-uncased")

NLP Tasks Tutorial

Coming soon stay tuned

Cite

Please cite the following paper in your publication if you are using ParsBERT in your research:

@article{ParsBERT,
    title={ParsBERT: Transformer-based Model for Persian Language Understanding},
    author={Mehrdad Farahani, Mohammad Gharachorloo, Marzieh Farahani, Mohammad Manthouri},
    journal={ArXiv},
    year={2020},
    volume={abs/2005.12515}
}

Acknowledgments

We hereby, express our gratitude to the Tensorflow Research Cloud (TFRC) program for providing us with the necessary computation resources. We also thank Hooshvare Research Group for facilitating dataset gathering and scraping online text resources.

Contributors

Releases

Release v0.1 (May 27, 2019)

This is the first version of our ParsBERT based on BERTBASE

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
d73a0e2

0 моделей