/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Опубликована
27 мар 2023

parlbert-german-v2

Заполнение пропусковТекст → текст3 профессии

Немецкая BERT-модель, адаптированная для заполнения пропусков и анализа политических текстов, включая парламентские протоколы.

99скачиваний за 30 дней5лайковвеса обновлены17 апр 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

ParlBERT-v2 — немецкоязычная модель семейства BERT для работы с политическими текстами. Она основана на deepset/gbert-base и дообучена методом masked language modeling на корпусе GerParCor с парламентскими протоколами федерального и земельного уровней Германии. В README описаны версия, обученная примерно на 5 миллионах предложений, и финальная версия, обученная примерно на 30 миллионах предложений; метаданные указывают размер 137,1 млн параметров, лимит контекста 512 токенов и формат PyTorch.

Модель предназначена для заполнения пропусков и адаптации языковых представлений к немецкой политической лексике, например при анализе парламентских документов. Она лучше ориентирована на политические тексты, чем базовая GBERT, но обучение на специализированном корпусе ограничивает перенос на другие жанры и области. Корпус может отражать перекосы в представленности партий и точек зрения. Лицензия в предоставленных источниках не указана.

Сценарии применения

  • подбор вероятного слова в пропуске немецкого политического текста
  • анализ лексики парламентских протоколов Германии
  • адаптация текстовых представлений для задач на немецких политических документах

Ограничения

Обучение на специализированном корпусе парламентских и политических текстов может ухудшать качество на других жанрах, включая публикации в социальных сетях. Данные могут непропорционально представлять отдельные партии и точки зрения.

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

⚠️ This version is only trained on around 5 million sentences (perplexity w/ adaption: 3.38 and w/o 13.38). The final version trained on around 30 million sentences will be available soon.

🚀 ParlBERT-v2 is a more general version of ParlBERT-v1 including texts from federal and state level in Germany. This first version was only trained on state level.

ParlBERT v2

This model is based on the German BERT (GBERT) architecture, specifically the "deepset/gbert-base" base model. It has been trained on over 30 million German political sentences from the "GerParCor" (Abrami et al. 2022) corpus for three epochs to provide a domain-adapted language model for German political texts. The German Political Texts Adapted GBERT model is designed for tasks related to German political texts. It can be used in a variety of applications.

📚 Datasset

"GerParCor is a genre-specific corpus of (predominantly historical) German-language parliamentary protocols from three centuries and four countries, including state and federal level data." (Abrami et al. 2022)

🤖 Model training

During the model training process, a masked language modeling approach was used with a token masking probability of 15%. The training was performed for three epochs, which means that the entire dataset was passed through the model three times during the training process.

👨‍💻 Model Use

from transformers import pipeline
model = pipeline('fill-mask', model='parlbert-german-v2')
model("Diese Themen gehören nicht ins [MASK].")

⚠️ Limitations

The German ParlBERT has limitations and potential biases. The GerParCor corpus only contains texts from the domain of politics, so the model may not perform well on texts from other domains. Additionally, the model may not be suitable for analyzing social media posts and many more. The model's training data is derived from contemporary German political texts, which may reflect certain biases or perspectives. For instance, the corpus includes texts from specific political parties or interest groups, which may lead to overrepresentation or underrepresentation of certain viewpoints. To address these limitations and potential biases, users are encouraged to evaluate the model's performance on their specific use case and carefully consider the training data's representativeness for their target text domain.

🐦 Twitter: @chklamm

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
46bbb25

0 моделей