/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
MIT
Архитектура
convbert · dense
Опубликована
2 мар 2022

convbert-base-turkish-cased

ЭмбеддингиТекст → embedding4 профессии

Турецкая модель ConvBERT для извлечения контекстных представлений и адаптации к задачам обработки турецкого текста.

2 934скачиваний за 30 дней4лайкавеса обновлены6 сен 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

dbmdz/convbert-base-turkish-cased — модель ConvBERT с учётом регистра для турецкого языка, выпущенная командой MDZ Digital Library Баварской государственной библиотеки. Она предназначена для извлечения контекстных представлений текста и использования в качестве основы для прикладных NLP-задач, например разметки частей речи, распознавания именованных сущностей и ответов на вопросы. Архитектура ConvBERT улучшает BERT с помощью динамической свёртки по фрагментам; модель содержит 137,8 млн параметров и рассчитана на контекст до 512 токенов.

Модель предварительно обучена на турецком корпусе объёмом 35 ГБ, включающем отфильтрованный и разбитый на предложения OSCAR, Википедию, корпуса OPUS и специальный корпус. Для загрузки используется Transformers. Лицензия — MIT, допускающая широкое использование с соблюдением её условий.

Сценарии применения

  • Извлечение векторных представлений турецких предложений
  • Подготовка признаков для разметки частей речи на турецком
  • Подготовка признаков для распознавания именованных сущностей на турецком
  • Подготовка признаков для турецких систем ответов на вопросы

Ограничения

Модель обучена для турецкого языка и имеет максимальный контекст 512 токенов. Указанные downstream-задачи требуют соответствующей донастройки модели.

Для каких профессий подходит4

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

🤗 + 📚 dbmdz Turkish ConvBERT model

In this repository the MDZ Digital Library team (dbmdz) at the Bavarian State Library open sources a cased ConvBERT model for Turkish 🎉

🇹🇷 ConvBERTurk

ConvBERTurk is a community-driven cased ConvBERT model for Turkish.

In addition to the BERT and ELECTRA based models, we also trained a ConvBERT model. The ConvBERT architecture is presented in the "ConvBERT: Improving BERT with Span-based Dynamic Convolution" paper.

We follow a different training procedure: instead of using a two-phase approach, that pre-trains the model for 90% with 128 sequence length and 10% with 512 sequence length, we pre-train the model with 512 sequence length for 1M steps on a v3-32 TPU.

Stats

The current version of the model is trained on a filtered and sentence segmented version of the Turkish OSCAR corpus, a recent Wikipedia dump, various OPUS corpora and a special corpus provided by Kemal Oflazer.

The final training corpus has a size of 35GB and 44,04,976,662 tokens.

Thanks to Google's TensorFlow Research Cloud (TFRC) we could train a cased model on a TPU v3-32!

Usage

With Transformers >= 4.3 our cased ConvBERT model can be loaded like:

from transformers import AutoModel, AutoTokenizer

model_name = "dbmdz/convbert-base-turkish-cased"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name)

Results

For results on PoS tagging, NER and Question Answering downstream tasks, please refer to this repository.

Huggingface model hub

All models are available on the Huggingface model hub.

Contact (Bugs, Feedback, Contribution and more)

For questions about our DBMDZ BERT models in general, just open an issue here 🤗

Acknowledgments

Thanks to Kemal Oflazer for providing us additional large corpora for Turkish. Many thanks to Reyyan Yeniterzi for providing us the Turkish NER dataset for evaluation.

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 both cased and uncased models from their S3 storage 🤗

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
ConvBertModel
Ревизия весов
ba09bc2

0 моделей