/ Модель

Характеристики

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

bert-fa-base-uncased

Заполнение пропусковТекст → текст3 профессии

Одноязычная модель BERT для персидского языка, предназначенная для заполнения пропусков и дообучения на задачах NLP.

9 370скачиваний за 30 дней33лайкавеса обновлены18 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

ParsBERT v2.0 — одноязычная модель понимания персидского языка от HooshvareLab на архитектуре Google BERT. Она предварительно обучена на персидских текстах из разных жанров и предметных областей; авторы описывают корпус объёмом более 3,9 млн документов, 73 млн предложений и 1,3 млрд слов. Модель содержит 190 млн параметров и принимает последовательности длиной до 512 токенов.

Основная задача модели в этом репозитории — предсказание замаскированных токенов. Её можно использовать для заполнения пропусков в персидском тексте и дообучать для классификации, анализа тональности и распознавания именованных сущностей. В карточке приведены результаты на наборах данных для этих задач, но сама модель не является готовым классификатором или NER-моделью.

Модель доступна в форматах PyTorch, TensorFlow и Flax и распространяется по лицензии Apache-2.0. Она рассчитана на персидский язык; контекст ограничен 512 токенами, а применение для downstream-задач обычно требует отдельного дообучения.

Сценарии применения

  • восстановление замаскированных слов в персидском тексте
  • получение контекстных представлений персидских предложений
  • дообучение для классификации персидских новостей и публикаций
  • дообучение для анализа тональности персидских отзывов
  • дообучение для распознавания именованных сущностей в персидском тексте

Ограничения

Контекст ограничен 512 токенами. Для классификации, анализа тональности и распознавания сущностей базовую модель нужно дообучить на соответствующей задаче.

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 (v2.0)

A Transformer-based Model for Persian Language Understanding

We reconstructed the vocabulary and fine-tuned the ParsBERT v1.1 on the new Persian corpora in order to provide some functionalities for using ParsBERT in other scopes! Please follow the ParsBERT repo for the latest information about previous and current models.

Introduction

ParsBERT is a monolingual language model based on Google’s BERT architecture. This model is pre-trained on large Persian corpora with various writing styles from numerous subjects (e.g., scientific, novels, news) with more than 3.9M documents, 73M sentences, and 1.3B words.

Paper presenting ParsBERT: arXiv:2005.12515

Intended uses & limitations

You can use the raw model for either masked language modeling or next sentence prediction, but it's mostly intended to be fine-tuned on a downstream task. See the model hub to look for fine-tuned versions on a task that interests you.

How to use

TensorFlow 2.0

from transformers import AutoConfig, AutoTokenizer, TFAutoModel

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

Training

ParsBERT trained on a massive amount of public corpora (Persian Wikidumps, MirasText) and six other manually crawled text data from a various type of websites (BigBang Page scientific, Chetor lifestyle, Eligasht itinerary, Digikala digital magazine, Ted Talks general conversational, Books novels, storybooks, short stories from old to the contemporary era).

As a part of ParsBERT methodology, an extensive pre-processing combining POS tagging and WordPiece segmentation was carried out to bring the corpora into a proper format.

Goals

Objective goals during training are as below (after 300k steps).

***** Eval results *****
global_step = 300000
loss = 1.4392426
masked_lm_accuracy = 0.6865794
masked_lm_loss = 1.4469004
next_sentence_accuracy = 1.0
next_sentence_loss = 6.534152e-05

Derivative models

Base Config

ParsBERT v2.0 Model

ParsBERT v2.0 Sentiment Analysis

ParsBERT v2.0 Text Classification

ParsBERT v2.0 NER

Eval results

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.

Sentiment Analysis (SA) Task

DatasetParsBERT v2ParsBERT v1mBERTDeepSentiPers
Digikala User Comments81.7281.74*80.74-
SnappFood User Comments87.9888.12*87.87-
SentiPers (Multi Class)71.31*71.11-69.33
SentiPers (Binary Class)92.42*92.13-91.98

Text Classification (TC) Task

DatasetParsBERT v2ParsBERT v1mBERT
Digikala Magazine93.65*93.5990.72
Persian News97.44*97.1995.79

Named Entity Recognition (NER) Task

DatasetParsBERT v2ParsBERT v1mBERTMorphoBERTBeheshti-NERLSTM-CRFRule-Based CRFBiLSTM-CRF
PEYMA93.40*93.1086.64-90.59-84.00-
ARMAN99.84*98.7995.8989.984.0386.55-77.45

BibTeX entry and citation info

Please cite in publications as the following:

@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}
}

Questions?

Post a Github issue on the ParsBERT Issues repo.

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
a04aa40

0 моделей