/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Архитектура
albert · dense
Опубликована
2 мар 2022

albert-base-arabic

Заполнение пропусковТекст → текст3 профессии

Предварительно обученная арабская модель ALBERT для предсказания замаскированных слов и анализа контекста в тексте.

198скачиваний за 30 дней0лайковвеса обновлены27 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

Arabic-ALBERT Base — базовая предварительно обученная языковая модель архитектуры ALBERT, разработанная Али Сафайей. Она обучена на арабском корпусе OSCAR, сформированном из Common Crawl, и дампе арабской Википедии; обучающая выборка содержала около 4,4 млрд слов. Модель рассчитана на работу с арабским текстом, включая современный литературный арабский и диалекты, и поддерживает заполнение пропусков в тексте по masked language modeling.

Версия Base имеет 12 скрытых слоёв, 12 голов внимания и размер скрытого представления 768. В метаданных указано 136,3 млн параметров и контекст до 512 токенов. Доступны веса PyTorch, Safetensors и TensorFlow. Корпус содержит отдельные неарабские слова и символы, поэтому модель может встречать смешанный текст, но её основное назначение — арабский язык. Условия лицензии в предоставленных источниках не описаны.

Сценарии применения

  • подстановка пропущенных слов в арабском тексте
  • предсказание вероятных слов для языкового моделирования
  • извлечение контекстных признаков из арабских предложений
  • исследования и прототипирование NLP для арабского языка

Ограничения

Модель ориентирована на арабский текст, включая диалектные варианты, и не имеет отдельных версий cased и uncased. Обучающий корпус содержит некоторые неарабские слова; лицензия в предоставленных источниках не указана.

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

Arabic-ALBERT Base

Arabic edition of ALBERT Base pretrained language model

If you use any of these models in your work, please cite this work as:

@software{ali_safaya_2020_4718724,
  author       = {Ali Safaya},
  title        = {Arabic-ALBERT},
  month        = aug,
  year         = 2020,
  publisher    = {Zenodo},
  version      = {1.0.0},
  doi          = {10.5281/zenodo.4718724},
  url          = {https://doi.org/10.5281/zenodo.4718724}
}

Pretraining data

The models were pretrained on ~4.4 Billion words:

Notes on training data:

  • Our final version of corpus contains some non-Arabic words inlines, which we did not remove from sentences since that would affect some tasks like NER.
  • Although non-Arabic characters were lowered as a preprocessing step, since Arabic characters do not have upper or lower case, there is no cased and uncased version of the model.
  • The corpus and vocabulary set are not restricted to Modern Standard Arabic, they contain some dialectical Arabic too.

Pretraining details

  • These models were trained using Google ALBERT's github repository on a single TPU v3-8 provided for free from TFRC.
  • Our pretraining procedure follows training settings of bert with some changes: trained for 7M training steps with batchsize of 64, instead of 125K with batchsize of 4096.

Models

albert-basealbert-largealbert-xlarge
Hidden Layers122424
Attention heads121632
Hidden size76810242048

Results

For further details on the models performance or any other queries, please refer to Arabic-ALBERT

How to use

You can use these models by installing torch or tensorflow and Huggingface library transformers. And you can use it directly by initializing it like this:


from transformers import AutoTokenizer, AutoModel

# loading the tokenizer
base_tokenizer    = AutoTokenizer.from_pretrained("kuisailab/albert-base-arabic")

# loading the model
base_model   = AutoModelForMaskedLM.from_pretrained("kuisailab/albert-base-arabic")

Acknowledgement

Thanks to Google for providing free TPU for the training process and for Huggingface for hosting these models on their servers 😊

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
AlbertForMaskedLM
Ревизия весов
2c42a07

0 моделей