/ Модель

Характеристики

Лицензия
MIT
Базовая модель
bert-base-parsbert-uncased
Опубликована
15 фев 2026

parsbert-persian-punctuation

Разметка токеновТекст → label3 профессии

Дообученная ParsBERT восстанавливает знаки препинания в персидском тексте с помощью классификации токенов.

956скачиваний за 30 дней3лайкавеса обновлены21 мая 2026

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 MohammadJRanjbar/parsbert-persian-punctuation — дообученная версия ParsBERT, созданная Mohammad Javad Ranjbar Kalahroodi, Heshaam Faili и Azadeh Shakery из Тегеранского университета и IPM. Она восстанавливает знаки препинания в персидском тексте, классифицируя токены; при обучении использовалась выборка из 1 млн примеров набора PersianPunc.

На тесте из 1000 предложений авторы сообщают macro F1 91,33%, micro F1 97,28% и точное совпадение всего предложения в 61,80% случаев. Показатели различаются по знакам: F1 для точки составляет 98,71%, для вопросительного знака — 88,89%, для персидской запятой — 80,03%. Модель предназначена для персидского языка и распространяется по лицензии MIT.

Сценарии применения

  • расстановка точек и запятых в персидском тексте без пунктуации
  • восстановление вопросительных знаков в персидских фразах
  • подготовка персидских текстов для чтения и публикации
  • автоматическая пунктуация расшифровок персидской речи

Ограничения

Точное совпадение всего предложения на тесте составило 61,80%; качество для персидской запятой ниже, чем для точки. Результаты приведены для теста из 1000 предложений и могут отличаться на других текстах.

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

PersianPunc: ParsBERT for Persian Punctuation Restoration

This model is a fine-tuned version of ParsBERT for Persian punctuation restoration.

Model Description

  • Language: Persian (Farsi)
  • Task: Token Classification (Punctuation Restoration)
  • Base Model: ParsBERT
  • Dataset: PersianPunc (17M samples)
  • Training Subset: 1M samples

Performance

Evaluated on 1,000 test sentences:

  • Macro-averaged F1: 91.33%
  • Micro-averaged F1: 97.28%
  • Full Sentence Match Rate: 61.80%

Per-class Performance:

PunctuationPrecisionRecallF1-Score
Persian Comma (،)84.08%76.35%80.03%
Period (.)98.55%98.86%98.71%
Question (؟)87.50%90.32%88.89%
Colon (:)91.37%89.55%90.45%

Usage

from transformers import AutoTokenizer, AutoModelForTokenClassification
import torch

# Load model and tokenizer
model_name = "MohammadJRanjbar/parsbert-persian-punctuation"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForTokenClassification.from_pretrained(model_name)

# Prepare input (text without punctuation)
text = "سلام چطوری امروز هوا خیلی خوبه"
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=512)

# Get predictions
with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.argmax(outputs.logits, dim=-1)

# Label mapping
id2label = {
    0: "EMPTY",
    1: "COMMA",
    2: "QUESTION", 
    3: "PERIOD",
    4: "COLON"
}

# Map predictions to punctuation
tokens = tokenizer.convert_ids_to_tokens(inputs["input_ids"][0])
labels = [id2label[p.item()] for p in predictions[0]]

# Reconstruct text with punctuation
punct_map = {
    "COMMA": "،",
    "QUESTION": "؟",
    "PERIOD": ".",
    "COLON": ":"
}

result = []
for token, label in zip(tokens, labels):
    if token in ["[CLS]", "[SEP]", "[PAD]"]:
        continue
    result.append(token)
    if label in punct_map:
        result.append(punct_map[label])

punctuated_text = " ".join(result).replace(" ##", "")
print(punctuated_text)

Training Details

  • Training Data: 989,000 samples from PersianPunc dataset
  • Validation Data: 10,000 samples
  • Test Data: 1,000 samples
  • Epochs: 3
  • Batch Size: 680 (effective, with gradient accumulation)
  • Learning Rate: 2e-5
  • Optimizer: AdamW
  • Weight Decay: 0.01

Citation

If you use this model, please cite:

@misc{kalahroodi2026persianpunclargescaledatasetbertbased,
      title={PersianPunc: A Large-Scale Dataset and BERT-Based Approach for Persian Punctuation Restoration}, 
      author={Mohammad Javad Ranjbar Kalahroodi and Heshaam Faili and Azadeh Shakery},
      year={2026},
      eprint={2603.05314},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2603.05314}, 
}

License

MIT License

Authors

  • Mohammad Javad Ranjbar Kalahroodi (University of Tehran)
  • Heshaam Faili (University of Tehran)
  • Azadeh Shakery (University of Tehran & IPM)

Contact

For questions or issues, please contact: mohammadjranjbar@ut.ac.ir

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
c53474b

0 моделей