/ Модель

Характеристики

Контекст
512 токенов
Параметры
150 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
29 апр 2024

TookaBERT-Base

Заполнение пропусковТекст → текст4 профессии

Персидская BERT-модель PartAI для предсказания замаскированных слов и дообучения на задачах обработки персидского языка.

5 202скачиваний за 30 дней28лайковвеса обновлены8 дек 2024

Бенчмарки

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

Публичные оценки50

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

  • SynPerQARetrieval

    main_score

    Результат

    0,2688

    MTEB

    Публичная таблицаревизия совпадает

  • SciFact-Fa

    main_score

    Результат

    0,1354

    MTEB

    Публичная таблицаревизия совпадает

  • NLPTwitterAnalysisClassification.v2

    main_score

    Результат

    0,7149

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackWordpressRetrieval-Fa

    main_score

    Результат

    0,0171

    MTEB

    Публичная таблицаревизия совпадает

  • WikipediaRetrievalMultilingual

    main_score

    Результат

    0,4614

    MTEB

    Публичная таблицаревизия совпадает

  • MSMARCO-FaHardNegatives

    main_score

    Результат

    0,2741

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackRetrieval-Fa

    main_score

    Результат

    0,0309

    MTEB

    Публичная таблицаревизия совпадает

  • TRECCOVID-Fa

    main_score

    Результат

    0,0952

    MTEB

    Публичная таблицаревизия совпадает

  • FEVER-FaHardNegatives

    main_score

    Результат

    0,0081

    MTEB

    Публичная таблицаревизия совпадает

  • PerShopIntentClassification

    main_score

    Результат

    0,9021

    MTEB

    Публичная таблицаревизия совпадает

  • SIDClassification.v2

    main_score

    Результат

    0,5876

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAToneChatbotClassification

    main_score

    Результат

    0,8897

    MTEB

    Публичная таблицаревизия совпадает

  • NQ-Fa

    main_score

    Результат

    0,0108

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotRAGSumSRetrieval

    main_score

    Результат

    0,1235

    MTEB

    Публичная таблицаревизия совпадает

  • StyleClassification

    main_score

    Результат

    0,9641

    MTEB

    Публичная таблицаревизия совпадает

  • ClimateFEVER-Fa

    main_score

    Результат

    0,0039

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAToneUserClassification

    main_score

    Результат

    0,696

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackWebmastersRetrieval-Fa

    main_score

    Результат

    0,0322

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackGamingRetrieval-Fa

    main_score

    Результат

    0,0412

    MTEB

    Публичная таблицаревизия совпадает

  • HotpotQA-Fa

    main_score

    Результат

    0,0233

    MTEB

    Публичная таблицаревизия совпадает

  • PersianTextEmotion

    main_score

    Результат

    0,5326

    MTEB

    Публичная таблицаревизия совпадает

  • PersianTextEmotion.v2

    main_score

    Результат

    0,5288

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerQAPC

    main_score

    Результат

    0,662

    MTEB

    Публичная таблицаревизия совпадает

  • NFCorpus-Fa

    main_score

    Результат

    0,0486

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackAndroidRetrieval-Fa

    main_score

    Результат

    0,0488

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackMathematicaRetrieval-Fa

    main_score

    Результат

    0,0121

    MTEB

    Публичная таблицаревизия совпадает

  • ParsinluQueryParaphPC

    main_score

    Результат

    0,6783

    MTEB

    Публичная таблицаревизия совпадает

  • MSMARCO-Fa

    main_score

    Результат

    0,0123

    MTEB

    Публичная таблицаревизия совпадает

  • SentimentDKSF

    main_score

    Результат

    0,5816

    MTEB

    Публичная таблицаревизия совпадает

  • MassiveScenarioClassification

    main_score

    Результат

    0,6299

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAFear

    main_score

    Результат

    0,8393

    MTEB

    Публичная таблицаревизия совпадает

  • HamshahriClustring

    main_score

    Результат

    0,6643

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackStatsRetrieval-Fa

    main_score

    Результат

    0,0303

    MTEB

    Публичная таблицаревизия совпадает

  • WikipediaRerankingMultilingual

    main_score

    Результат

    0,7395

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotSatisfactionLevelClassification

    main_score

    Результат

    0,3722

    MTEB

    Публичная таблицаревизия совпадает

  • FiQA2018-Fa

    main_score

    Результат

    0,0182

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotRAGToneUserClassification

    main_score

    Результат

    0,6259

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackPhysicsRetrieval-Fa

    main_score

    Результат

    0,0462

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotToneClassification

    main_score

    Результат

    0,6486

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotRAGFAQRetrieval

    main_score

    Результат

    0,1224

    MTEB

    Публичная таблицаревизия совпадает

  • BeytooteClustering

    main_score

    Результат

    0,5527

    MTEB

    Публичная таблицаревизия совпадает

  • CQADupstackUnixRetrieval-Fa

    main_score

    Результат

    0,0322

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerChatbotConvSAJealousy

    main_score

    Результат

    0,8034

    MTEB

    Публичная таблицаревизия совпадает

  • SynPerSTS

    main_score

    Результат

    0,7455

    MTEB

    Публичная таблицаревизия совпадает

  • FarsiParaphraseDetection

    main_score

    Результат

    0,8698

    MTEB

    Публичная таблицаревизия совпадает

  • SciFact-Fa.v2

    main_score

    Результат

    0,1684

    MTEB

    Публичная таблицаревизия совпадает

  • NQ-FaHardNegatives

    main_score

    Результат

    0,0343

    MTEB

    Публичная таблицаревизия совпадает

  • NeuCLIR2023Retrieval

    main_score

    Результат

    0,0463

    MTEB

    Публичная таблицаревизия совпадает

  • NeuCLIR2023RetrievalHardNegatives

    main_score

    Результат

    0,2021

    MTEB

    Публичная таблицаревизия совпадает

  • PersianFoodSentimentClassification

    main_score

    Результат

    0,7201

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

TookaBERT-Base — базовая персидская модель-энкодер семейства TookaBERT, разработанная PartAI. Модель с архитектурой BERT и примерно 150,1 млн параметров предварительно обучена на более чем 500 ГБ персидских текстов из новостей, блогов, форумов и книг. Для предобучения использовались задача masked language modeling с whole-word masking и контекст до 512 токенов.

Модель предназначена прежде всего для восстановления замаскированных слов в персидском тексте. Её представления также подходят как основа для дообучения на классификацию текстов и тональности, распознавание именованных сущностей и задачи вопросов и ответов. Опубликованные оценки охватывают несколько персидских NLP-бенчмарков; результаты могут меняться при дообучении.

Модель доступна в форматах PyTorch и safetensors под лицензией Apache-2.0. Это энкодер для работы с текстом, а не генеративная чат-модель; контекст ограничен 512 токенами.

Сценарии применения

  • восстановление пропущенных слов в персидском тексте
  • дообучение классификатора персидских текстов
  • анализ тональности персидских отзывов
  • распознавание именованных сущностей в персидских документах
  • дообучение модели для персидских вопросов и ответов

Ограничения

Контекст ограничен 512 токенами; модель является энкодером для языкового моделирования с маской и сама по себе не предназначена для диалоговой генерации.

Для каких профессий подходит4

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

Model Details

TookaBERT models are a family of encoder models trained on Persian in two sizes base and large. These Models pre-trained on over 500GB of Persian data including a variety of topics such as News, Blogs, Forums, Books, etc. They pre-trained with the MLM (WWM) objective using two context lengths.

For more information you can read our paper on arXiv.

How to use

You can use this model directly for Masked Language Modeling using the provided code below.

from transformers import AutoTokenizer, AutoModelForMaskedLM

tokenizer = AutoTokenizer.from_pretrained("PartAI/TookaBERT-Base")
model = AutoModelForMaskedLM.from_pretrained("PartAI/TookaBERT-Base")

# prepare input
text = "شهر برلین در کشور <mask> واقع شده است."
encoded_input = tokenizer(text, return_tensors='pt')

# forward pass
output = model(**encoded_input)

It is also possible to use inference pipelines such as below.

from transformers import pipeline

inference_pipeline = pipeline('fill-mask', model="PartAI/TookaBERT-Base")
inference_pipeline("شهر برلین در کشور <mask> واقع شده است.")

You can use this model to fine-tune it over your dataset and prepare it for your task.

  • DeepSentiPers (Sentiment Analysis)
  • ParsiNLU - Multiple-choice (Multiple-choice)

Evaluation

TookaBERT models are evaluated on a wide range of NLP downstream tasks, such as Sentiment Analysis (SA), Text Classification, Multiple-choice, Question Answering, and Named Entity Recognition (NER). Here are some key performance results:

Model nameDeepSentiPers (f1/acc)MultiCoNER-v2 (f1/acc)PQuAD (best_exact/best_f1/HasAns_exact/HasAns_f1)FarsTail (f1/acc)ParsiNLU-Multiple-choice (f1/acc)ParsiNLU-Reading-comprehension (exact/f1)ParsiNLU-QQP (f1/acc)
TookaBERT-large85.66/85.7869.69/94.0775.56/88.06/70.24/87.8389.71/89.7236.13/35.9733.6/60.582.72/82.63
TookaBERT-base83.93/83.9366.23/93.373.18/85.71/68.29/85.9483.26/83.4133.6/33.8120.8/42.5281.33/81.29
Shiraz81.17/81.0859.1/92.8365.96/81.25/59.63/81.3177.76/77.7534.73/34.5317.6/39.6179.68/79.51
ParsBERT80.22/80.2364.91/93.2371.41/84.21/66.29/84.5780.89/80.9435.34/35.2520/39.5880.15/80.07
XLM-V-base83.43/83.3658.83/92.2373.26/85.69/68.21/85.5681.1/81.235.28/35.258/26.6680.1/79.96
XLM-RoBERTa-base83.99/84.0760.38/92.4973.72/86.24/68.16/85.882.0/81.9832.4/32.3720.0/40.4379.14/78.95
FaBERT82.68/82.6563.89/93.0172.57/85.39/67.16/85.3183.69/83.6732.47/32.3727.2/48.4282.34/82.29
mBERT78.57/78.6660.31/92.5471.79/84.68/65.89/83.9982.69/82.8233.41/33.0927.2/42.1879.19/79.29
AriaBERT80.51/80.5160.98/92.4568.09/81.23/62.12/80.9474.47/74.4330.75/30.9414.4/35.4879.09/78.84

*Note because of the randomness in the fine-tuning process, results with less than 1% differences are considered together.

Contact us

If you have any questions regarding this model, you can reach us via the community of the model in Hugging Face.

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
fa5ca89

0 моделей