/ Модель

Характеристики

Контекст
512 токенов
Параметры
198 млн
Архитектура
bert · dense
Опубликована
2 мар 2022

DarijaBERT-arabizi

Заполнение пропусковТекст → текст3 профессии

BERT-модель для предсказания пропущенных токенов в текстах на марокканском диалекте Darija, записанном латиницей.

1 060скачиваний за 30 дней10лайковвеса обновлены25 сен 2024

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

DarijaBERT-arabizi — модель семейства BERT, разработанная AIOX Lab совместно с SI2M Lab INSEA для обработки марокканского арабского диалекта Darija, записанного латинскими буквами (Arabizi). Это версия DarijaBERT для Arabizi, основанная на архитектуре BERT-base без цели обучения Next Sentence Prediction. Модель содержит 197,7 млн параметров и принимает последовательности длиной до 512 токенов.

Модель обучена примерно на 4,6 млн последовательностей, полученных из комментариев YouTube. Её основная задача — предсказывать пропущенные токены в тексте; это может служить основой для экспериментов и других NLP-сценариев на марокканском диалекте. В карточке не указана лицензия. Данные из социальных сетей могут приводить к токсичным предсказаниям.

Сценарии применения

  • восстановление пропущенных слов в текстах на Darija Arabizi
  • эксперименты с языковым моделированием марокканского диалекта
  • подготовка представлений текста Darija для NLP-исследований

Ограничения

Обучение на комментариях YouTube может отражать токсичное содержание этих данных. Модель предназначена для Darija, записанного латинскими буквами, поэтому её применимость к арабскому письму или другим языкам не подтверждена.

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

AIOX Lab and SI2M Lab INSEA have joined forces to offer researchers, industrialists and the NLP (Natural Language Processing) community the first intelligent Open Source system that understands Moroccan dialectal language "Darija". DarijaBERT is the first BERT model for the Moroccan Arabic dialect called “Darija”. It is based on the same architecture as BERT-base, but without the Next Sentence Prediction (NSP) objective. This model is the Arabizi specific version of DarijaBERT and it was trained on a total of ~4.6 Million sequences of Darija dialect written in Latin letters.

The model was trained on a dataset issued from Youtube comments.

More details about DarijaBert are available in the dedicated GitHub repository Loading the model The model can be loaded directly using the Huggingface library:

from transformers import AutoTokenizer, AutoModel
DarijaBERT_tokenizer = AutoTokenizer.from_pretrained("SI2M-Lab/DarijaBERT-arabizi")
DarijaBert_model = AutoModel.from_pretrained("SI2M-Lab/DarijaBERT-arabizi")

Citation

If you use our models for your scientific publication, or if you find the resources in this repository useful, please cite our paper as follows (to be updated):

@article{gaanoun2023darijabert,
  title={Darijabert: a Step Forward in Nlp for the Written Moroccan Dialect},
  author={Gaanoun, Kamel and Naira, Abdou Mohamed and Allak, Anass and Benelallam, Imade},
  year={2023}
}

Acknowledgments We gratefully acknowledge Google’s TensorFlow Research Cloud (TRC) program for providing us with free Cloud TPUs.

Warning This model being trained on texts from social networks, it can unfortunately generate toxic outputs reflecting part of the learned data

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
399963e

0 моделей