/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Библиотека
transformers
Опубликована
11 июн 2024

BERTimbau-base-text-filter

Классификация текстаТекст → label5 профессий

BERT-модель для классификации и оценки качества текстов на португальском языке.

86скачиваний за 30 дней0лайковвеса обновлены2 окт 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

BERTimbau-base-text-filter — модель классификации текста на основе BERT, дообученная для оценки качества фрагментов текста на португальском языке. Она обучена на наборе данных TucanoBR/GigaVerbo-Text-Filter; в README указаны три эпохи обучения и оптимизатор AdamW. Метаданные описывают архитектуру как BertForSequenceClassification и указывают 136,1 млн параметров, библиотеку Transformers и контекст до 512 токенов.

Модель подходит для автоматической фильтрации и предварительной оценки качества португальских текстов в корпусах и потоках пользовательского контента. Она не предназначена для генерации или оценки текстов на других языках; README не раскрывает шкалу оценок, порог классификации и метрики качества. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • отбор качественных текстов на португальском языке из корпуса
  • автоматическая фильтрация текстовых данных перед обучением
  • предварительная оценка качества пользовательских текстов
  • сортировка португалоязычных текстов по пригодности для обработки

Ограничения

Модель ориентирована на португальский язык; перенос на другие языки не подтверждён. В карточке не приведены метрики качества, шкала оценки и рекомендуемый порог классификации.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BERTimbau-base-text-filter

📣 UPDATE: If you like/use Tucanos or GigaVerbo for anything, know that version 2 is already out. Go to our new organization (Polyglot) to check out all the improvements the Tucano 2 series brings!

BERTimbau-base-text-filter is a BERT model that can be used to score the quality of a given Portuguese text string. This model was trained on the GigaVerbo-Text-Filter dataset.

Details

  • Size: 109,038,209 parameters
  • Dataset: GigaVerbo-Text-Filter
  • Language: Portuguese
  • Number of Training Epochs: 3
  • Batch size: 128
  • Optimizer: torch.optim.AdamW
  • Learning Rate: 4e-5

This repository has the source code used to train this model.

Usage

Here's an example of how to use the BERTimbau-base-text-filter:

from transformers import AutoTokenizer, AutoModelForSequenceClassification
from transformers import TextClassificationPipeline
import torch

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

tokenizer = AutoTokenizer.from_pretrained("TucanoBR/BERTimbau-base-text-filter")
model = AutoModelForSequenceClassification.from_pretrained("TucanoBR/BERTimbau-base-text-filter")
model.to(device)

classifier = TextClassificationPipeline(model=model, tokenizer=tokenizer, device=device)
result = classifier("Os tucanos são aves que correspondem à família Ramphastidae, vivem nas florestas tropicais da América Central e América do Sul. A família inclui cinco gêneros e mais de quarenta espécies diferentes. Possuem bicos notavelmente grandes e coloridos, que possuem a função de termorregulação para as muitas espécies que passam muito tempo na copa da floresta exposta ao sol tropical quente.")

Cite as 🤗

@misc{correa2024tucanoadvancingneuraltext,
      title={{Tucano: Advancing Neural Text Generation for Portuguese}}, 
      author={Corr{\^e}a, Nicholas Kluge and Sen, Aniket and Falk, Sophia and Fatimah, Shiza},
      year={2024},
      eprint={2411.07854},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2411.07854}, 
}

@article{correa2025tucanoadvancingneuraltext,
    title={{Tucano: Advancing Neural Text Generation for Portuguese}},
    author={Corr{\^e}a, Nicholas Kluge and Sen, Aniket and Falk, Sophia and Fatimah, Shiza},
    journal={Patterns},
    publisher={Elsevier},
    year={2025},
    doi={10.1016/j.patter.2025.101325},
    url={https://doi.org/10.1016/j.patter.2025.101325},
    issn={2666-3899}
}

Aknowlegments

We gratefully acknowledge the granted access to the Marvin cluster hosted by University of Bonn along with the support provided by its High Performance Computing & Analytics Lab.

License

BERTimbau-base-text-filter is licensed under the Apache License, Version 2.0. For more details, see the LICENSE file.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
87ced76

0 моделей