/ Модель

Характеристики

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

convbert-base-turkish-mc4-cased

Заполнение пропусковТекст → текст3 профессии

Регистрозависимая ConvBERT-модель для предсказания замаскированных слов и других языковых задач на турецком языке.

136скачиваний за 30 дней4лайкавеса обновлены6 сен 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

dbmdz/convbert-base-turkish-mc4-cased — регистрозависимая языковая модель ConvBERT для турецкого языка, представленная сообществом Turkish NLP и опубликованная организацией DBMDZ. Она обучена на турецкой части многоязычного корпуса mC4 объёмом 242 ГБ, содержащей около 31,2 млрд токенов; использует словарь из 32 тысяч токенов и последовательности длиной до 512 токенов. Модель предназначена для заполнения пропусков в тексте: по контексту она предсказывает замаскированный токен.

Её можно применять для языкового моделирования и как основу для дальнейших NLP-задач на турецком языке. Доступны веса в форматах PyTorch, Safetensors и TensorFlow; число параметров — около 137,8 млн. Лицензия — MIT.

Сценарии применения

  • предсказание пропущенного слова в турецком предложении
  • проверка контекстной уместности турецких слов
  • создание основы для дообучения турецких NLP-моделей

Ограничения

Контекст ограничен 512 токенами. Карточка описывает обучение на турецкой части mC4 и не заявляет поддержку других языков.

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

🇹🇷 Turkish ConvBERT model

DOI

We present community-driven BERT, DistilBERT, ELECTRA and ConvBERT models for Turkish 🎉

Some datasets used for pretraining and evaluation are contributed from the awesome Turkish NLP community, as well as the decision for the BERT model name: BERTurk.

Logo is provided by Merve Noyan.

Stats

We've trained an (cased) ConvBERT model on the recently released Turkish part of the multiligual C4 (mC4) corpus from the AI2 team.

After filtering documents with a broken encoding, the training corpus has a size of 242GB resulting in 31,240,963,926 tokens.

We used the original 32k vocab (instead of creating a new one).

mC4 ConvBERT

In addition to the ELECTRA base model, we also trained an ConvBERT model on the Turkish part of the mC4 corpus. We use a sequence length of 512 over the full training time and train the model for 1M steps on a v3-32 TPU.

Model usage

All trained models can be used from the DBMDZ Hugging Face model hub page using their model name.

Example usage with 🤗/Transformers:

tokenizer = AutoTokenizer.from_pretrained("dbmdz/convbert-base-turkish-mc4-cased")

model = AutoModel.from_pretrained("dbmdz/convbert-base-turkish-mc4-cased")

Citation

You can use the following BibTeX entry for citation:

@software{stefan_schweter_2020_3770924,
  author       = {Stefan Schweter},
  title        = {BERTurk - BERT models for Turkish},
  month        = apr,
  year         = 2020,
  publisher    = {Zenodo},
  version      = {1.0.0},
  doi          = {10.5281/zenodo.3770924},
  url          = {https://doi.org/10.5281/zenodo.3770924}
}

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.

We would like to thank Merve Noyan for the awesome logo!

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

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
ConvBertForMaskedLM
Ревизия весов
10044b4

0 моделей