/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
29 июл 2024

Hafez_Bert

Заполнение пропусковТекст → текст3 профессии

Персидскоязычная модель BERT для предсказания пропущенных слов и адаптации к задачам обработки текста.

34скачиваний за 30 дней14лайковвеса обновлены29 июл 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

Hafez_Bert — персидскоязычная языковая модель на архитектуре BERT, разработанная Amin Rahmani (Viravirast). Она предназначена для предсказания пропущенных слов в тексте и может служить основой для последующей адаптации к задачам классификации и другим прикладным сценариям. Модель содержит 136,7 млн параметров и обрабатывает контекст длиной до 512 токенов.

По карточке, обучение проводилось на корпусе объёмом более 12 млрд токенов: около 90% составляют учебные и академические материалы, остальные 10% — общие тексты. В README приведён пример заполнения маски на персидском языке. Модель распространяется по лицензии MIT. Карточка описывает оценку на классификации, но не приводит численных результатов; качество для конкретной задачи следует проверять отдельно.

Сценарии применения

  • восстановление пропущенных слов в персидском тексте
  • получение контекстных представлений персидских слов
  • адаптация BERT для классификации персидских текстов

Ограничения

В README не приведены численные результаты оценки, поэтому качество на конкретных задачах нужно проверять отдельно. Контекст ограничен 512 токенами.

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

Hafez_Bert_based language model

The paragraph describes the development of a language model named "Hafez," which references the famous Persian poet from Shiraz, Iran. Here’s a breakdown of the information presented:

Model Type: Hafez is based on the BERT architecture, which is a popular model for natural language processing (NLP).

Cultural Reference: The model is named after Hafez, a renowned Persian poet known for his deeply emotional and philosophical verses. This choice of name suggests a connection to Persian literature and an intention to handle language in a way that may resonate with the cultural significance of the poet. (NLP).

Training Data: The model has been trained on a substantial dataset comprising over 12 billion tokens. The text used to train the Hafez language model is comprised of two parts: 90% consists of educational materials, including research papers, dissertations, and theses, while the remaining 10% includes general texts. This careful selection of content aims to provide the model with a strong foundation in academic language and discourse.

Text Cleaning and Preprocessing: The training data underwent a cleaning and preprocessing phase, which is essential for ensuring that the data is of high quality and suitable for training a machine learning model. The cleaning and preparation were conducted using "Viravirast text tools," which are likely specialized tools designed for text processing in this context.

How to use

from transformers import pipeline
unmasker = pipeline('fill-mask', model='ViravirastSHZ/Hafez_Bert')
print(unmasker("شیراز یکی از زیباترین [MASK] ایران است."))

Results

We have conducted evaluations of the Hafez language model specifically on a text classification task, and we welcome others to explore its performance on various downstream tasks as well. The F1 score will be utilized as the primary metric for measuring the model's effectiveness. We would greatly appreciate any efforts in testing Hafez across different applications.

Cite

@misc{Hafez language model, author = {Amin Rahmani}, title = {[Pre-trained BERT-based language Model for Persian Language]}, year = {2024}, publisher = {Viravirast} }

Contributor

-Amin Rahmani viravirast -Amin Rahmani Linkedin

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
2f6bb0f

0 моделей