/ Модель

Характеристики

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

bert-base-finnish-uncased-v1

Заполнение пропусковТекст → текст5 профессий

Финская модель BERT для заполнения пропусков и дообучения под задачи обработки финского языка.

785скачиваний за 30 дней0лайковвеса обновлены20 фев 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

TurkuNLP/bert-base-finnish-uncased-v1 — финская версия BERT Base с архитектурой BertForMaskedLM, разработанная TurkuNLP и обученная с нуля на финских текстах. Модель содержит 151,7 млн параметров, использует словарь из 50 000 WordPiece-токенов с улучшенным покрытием финской лексики и принимает последовательности длиной до 512 токенов.

Предварительное обучение выполнено в течение 1 млн шагов на более чем 3 млрд токенов финских новостей, интернет-обсуждений и веб-данных. Модель предназначена для заполнения пропусков в тексте и может служить основой для дообучения под классификацию документов, распознавание именованных сущностей, разметку частей речи и другие задачи обработки финского языка. В README приведены результаты, превосходящие multilingual BERT на нескольких финских наборах данных.

Для запуска доступны веса в PyTorch, TensorFlow и Flax, включая формат safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • Заполнение пропущенных слов в финских текстах
  • Дообучение классификатора финских новостных статей
  • Распознавание именованных сущностей в финских документах
  • Разметка частей речи в финских корпусах

Ограничения

Для классификации, распознавания сущностей и разметки частей речи модель требуется дообучить на соответствующей задаче. В предоставленных данных лицензия не указана.

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

Quickstart

Release 1.0 (November 25, 2019)

Download the models here:

We generally recommend the use of the cased model.

Paper presenting Finnish BERT: arXiv:1912.07076

What's this?

A version of Google's BERT deep transfer learning model for Finnish. The model can be fine-tuned to achieve state-of-the-art results for various Finnish natural language processing tasks.

FinBERT features a custom 50,000 wordpiece vocabulary that has much better coverage of Finnish words than e.g. the previously released multilingual BERT models from Google:

VocabularyExample
FinBERTSuomessa vaihtuu kesän aikana sekä pääministeri että valtiovarain ##ministeri .
Multilingual BERTSuomessa vai ##htuu kes ##än aikana sekä p ##ää ##minister ##i että valt ##io ##vara ##in ##minister ##i .

FinBERT has been pre-trained for 1 million steps on over 3 billion tokens (24B characters) of Finnish text drawn from news, online discussion, and internet crawls. By contrast, Multilingual BERT was trained on Wikipedia texts, where the Finnish Wikipedia text is approximately 3% of the amount used to train FinBERT.

These features allow FinBERT to outperform not only Multilingual BERT but also all previously proposed models when fine-tuned for Finnish natural language processing tasks.

Results

Document classification

learning curves for Yle and Ylilauta document classification

FinBERT outperforms multilingual BERT (M-BERT) on document classification over a range of training set sizes on the Yle news (left) and Ylilauta online discussion (right) corpora. (Baseline classification performance with FastText included for reference.)

[code][Yle data] [Ylilauta data]

Named Entity Recognition

Evaluation on FiNER corpus (Ruokolainen et al 2019)

ModelAccuracy
FinBERT92.40%
Multilingual BERT90.29%
FiNER-tagger (rule-based)86.82%

(FiNER tagger results from Ruokolainen et al. 2019)

[code][data]

Part of speech tagging

Evaluation on three Finnish corpora annotated with Universal Dependencies part-of-speech tags: the Turku Dependency Treebank (TDT), FinnTreeBank (FTB), and Parallel UD treebank (PUD)

ModelTDTFTBPUD
FinBERT98.23%98.39%98.08%
Multilingual BERT96.97%95.87%97.58%

[code][data]

Use with PyTorch

If you want to use the model with the huggingface/transformers library, follow the steps in huggingface_transformers.md

Previous releases

Release 0.2

October 24, 2019 Beta version of the BERT base uncased model trained from scratch on a corpus of Finnish news, online discussions, and crawled data.

Download the model here: bert-base-finnish-uncased.zip

Release 0.1

September 30, 2019 We release a beta version of the BERT base cased model trained from scratch on a corpus of Finnish news, online discussions, and crawled data.

Download the model here: bert-base-finnish-cased.zip

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
69e3fe8

0 моделей