Характеристики

Контекст: 512 токенов
Параметры: 138 млн
Лицензия: MIT
Архитектура: bert · dense

Ссылки

bert-base-french-europeana-cased

Регистрозависимая BERT-base модель, предварительно обученная на французских текстах Europeana XVIII–XX веков для анализа исторических коллекций и последующей настройки под NLP-задачи.

41 709скачиваний за 30 дней6лайковвеса обновлены13 сен 2021

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

BERT-base для французских текстов, разработанный командой MDZ Digital Library Баварской государственной библиотеки. Модель предварительно обучена на французской части корпуса Europeana объёмом 63 ГБ и примерно 11 млрд токенов; в корпусе преимущественно тексты XVIII–XX веков. Учитывая исторический состав данных, модель подходит для анализа французских исторических и библиотечных коллекций.

Это плотная модель BERT с 137,8 млн параметров, регистрозависимая (cased) и с контекстом до 512 токенов. Доступны веса для PyTorch, TensorFlow и Flax. Её можно применять как языковое представление для задач вроде распознавания именованных сущностей и классификации; README ссылается на результаты для исторического NER. Лицензия — MIT. Специализация на историческом французском корпусе может ограничивать качество на современных текстах и других языках.

Сценарии применения

распознавание именованных сущностей в исторических французских документах
классификация текстов французских библиотечных и архивных коллекций
извлечение контекстных представлений из исторических французских текстов

Ограничения

Модель обучалась преимущественно на французских текстах XVIII–XX веков, поэтому её качество на современных текстах и других языках может быть ниже. Для прикладных задач вроде NER потребуется подходящая настройка модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🤗 + 📚 dbmdz BERT model

In this repository the MDZ Digital Library team (dbmdz) at the Bavarian State Library open sources French Europeana BERT models 🎉

French Europeana BERT

We extracted all French texts using the language metadata attribute from the Europeana corpus.

The resulting corpus has a size of 63GB and consists of 11,052,528,456 tokens.

Based on the metadata information, texts from the 18th - 20th century are mainly included in the training corpus.

Detailed information about the data and pretraining steps can be found in this repository.

Model weights

BERT model weights for PyTorch and TensorFlow are available.

French Europeana BERT: dbmdz/bert-base-french-europeana-cased - model hub page

Results

For results on Historic NER, please refer to this repository.

Usage

With Transformers >= 2.3 our French Europeana BERT model can be loaded like:

from transformers import AutoModel, AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained("dbmdz/bert-base-french-europeana-cased")
model = AutoModel.from_pretrained("dbmdz/bert-base-french-europeana-cased")

Huggingface model hub

All models are available on the Huggingface model hub.

Contact (Bugs, Feedback, Contribution and more)

For questions about our BERT model just open an issue here 🤗

Acknowledgments

Research supported with Cloud TPUs from Google's TensorFlow Research Cloud (TFRC). Thanks for providing access to the TFRC ❤️

Thanks to the generous support from the Hugging Face team, it is possible to download our model from their S3 storage 🤗

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Ревизия весов: b895c3c