/ Модель

Характеристики

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

bert-large-arabic

Заполнение пропусковТекст → текст3 профессии

Большая предварительно обученная модель BERT для арабского языка, предназначенная для заполнения пропусков и адаптации к другим языковым задачам.

766скачиваний за 30 дней6лайковвеса обновлены20 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

asafaya/bert-large-arabic — большая предварительно обученная языковая модель BERT для арабского языка. Её обучили на корпусе примерно из 8,2 миллиарда слов, включающем арабскую часть OSCAR, собранную из Common Crawl, свежий дамп арабской Википедии и другие арабоязычные источники общим объёмом около 95 ГБ текста.

Модель предназначена для заполнения пропусков в тексте и может служить основой для адаптации BERT к другим задачам обработки арабского языка. Она содержит 435,4 млн параметров, использует архитектуру BERT Large и поддерживает контекст до 512 токенов. В обучающих данных есть как современный стандартный, так и диалектный арабский; также встречаются отдельные слова на других языках. Доступны версии в форматах PyTorch, TensorFlow и Flax, включая safetensors.

Корпус и словарь не ограничены только современным стандартным арабским, а отдельные неарабские слова в данных могут влиять на результаты. Условия лицензирования в предоставленных источниках не описаны.

Сценарии применения

  • заполнение пропущенных слов в арабском тексте
  • подбор контекстно подходящего арабского слова
  • адаптация BERT для задач понимания арабского языка
  • дообучение для анализа арабских диалектов

Ограничения

Обучающий корпус включает диалектный арабский и отдельные неарабские слова, поэтому состав данных может влиять на результаты. 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 BERT Large Model

Pretrained BERT Large language model for Arabic

If you use this model in your work, please cite this paper:

@inproceedings{safaya-etal-2020-kuisail,
    title = "{KUISAIL} at {S}em{E}val-2020 Task 12: {BERT}-{CNN} for Offensive Speech Identification in Social Media",
    author = "Safaya, Ali  and
      Abdullatif, Moutasem  and
      Yuret, Deniz",
    booktitle = "Proceedings of the Fourteenth Workshop on Semantic Evaluation",
    month = dec,
    year = "2020",
    address = "Barcelona (online)",
    publisher = "International Committee for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2020.semeval-1.271",
    pages = "2054--2059",
}

Pretraining Corpus

arabic-bert-large model was pretrained on ~8.2 Billion words:

and other Arabic resources which sum up to ~95GB of text.

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 does 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

  • This model was trained using Google BERT'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 3M training steps with batchsize of 128, instead of 1M with batchsize of 256.

Load Pretrained Model

You can use this model 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

tokenizer = AutoTokenizer.from_pretrained("asafaya/bert-large-arabic")
model = AutoModelForMaskedLM.from_pretrained("asafaya/bert-large-arabic")

Results

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

Acknowledgement

Thanks to Google for providing free TPU for the training process and for Huggingface for hosting this model 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
BertForMaskedLM
Ревизия весов
a000d4b

0 моделей