/ Модель

Характеристики

Контекст
512 токенов
Параметры
152 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
2 мар 2022

dziribert

Заполнение пропусковТекст → текст3 профессии

BERT-модель для предсказания пропущенных слов и анализа текстов на алжирском разговорном арабском языке.

1 617скачиваний за 30 дней31лайквеса обновлены17 мар 2023

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

DziriBERT — языковая модель на архитектуре BERT, разработанная для алжирского разговорного арабского языка. Она предобучена на примерно одном миллионе публикаций из Twitter и рассчитана на работу с текстом, записанным как арабскими, так и латинскими символами. Модель содержит 151,6 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch, Safetensors и TensorFlow.

Основная задача модели — предсказывать пропущенные токены в тексте. Её также можно применять как основу для классификации алжирских текстов; авторы сообщают о результатах уровня state of the art на наборах данных для такой классификации. Модель выпущена под лицензией Apache-2.0.

Поскольку предобучение основано на сообщениях из социальных сетей, модель может предлагать оскорбительные слова. Это следует учитывать при использовании её предсказаний в пользовательских приложениях.

Сценарии применения

  • подстановка пропущенных слов в алжирском арабском тексте
  • классификация публикаций на алжирском диалекте
  • подготовка основы для моделей анализа алжирских текстов

Ограничения

Предобучение на публикациях из Twitter может приводить к предсказанию оскорбительной лексики. Проверяйте и при необходимости фильтруйте предсказания перед показом пользователям.

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

DziriBERT

DziriBERT is the first Transformer-based Language Model that has been pre-trained specifically for the Algerian Dialect. It handles Algerian text contents written using both Arabic and Latin characters. It sets new state of the art results on Algerian text classification datasets, even if it has been pre-trained on much less data (~1 million tweets).

For more information, please visit our paper: https://arxiv.org/pdf/2109.12346.pdf.

How to use

from transformers import BertTokenizer, BertForMaskedLM

tokenizer = BertTokenizer.from_pretrained("alger-ia/dziribert")
model = BertForMaskedLM.from_pretrained("alger-ia/dziribert")

You can find a fine-tuning script in our Github repo: https://github.com/alger-ia/dziribert

Limitations

The pre-training data used in this project comes from social media (Twitter). Therefore, the Masked Language Modeling objective may predict offensive words in some situations. Modeling this kind of words may be either an advantage (e.g. when training a hate speech model) or a disadvantage (e.g. when generating answers that are directly sent to the end user). Depending on your downstream task, you may need to filter out such words especially when returning automatically generated text to the end user.

How to cite

@article{dziribert,
  title={DziriBERT: a Pre-trained Language Model for the Algerian Dialect},
  author={Abdaoui, Amine and Berrimi, Mohamed and Oussalah, Mourad and Moussaoui, Abdelouahab},
  journal={arXiv preprint arXiv:2109.12346},
  year={2021}
}

Contact

Please contact amine.abdaoui.nlp@gmail.com for any question, feedback or request.

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
4722886

0 моделей