/ Модель

Характеристики

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

convbert-base-turkish-mc4-uncased

Заполнение пропусковТекст → текст3 профессии

ConvBERT без различения регистра, предварительно обученная на турецкой части mC4 для предсказания замаскированных токенов в турецком тексте.

244скачиваний за 30 дней5лайковвеса обновлены10 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-uncased — модель ConvBERT для турецкого языка, представленная сообществом Turkish NLP и опубликованная DBMDZ. Её предварительно обучили без различения регистра на турецкой части корпуса mC4; в метаданных указан размер 137,8 млн параметров и контекст до 512 токенов.

Модель предназначена для заполнения пропусков в тексте: она предсказывает подходящее слово или токен вместо маски. Это подходит для языкового моделирования и экспериментов с NLP на турецком языке. Для дальнейших сценариев, например классификации или ответов на вопросы, потребуется подходящая донастройка. В README описаны обучение в течение 1 млн шагов и использование исходного словаря на 32 тыс. токенов.

Модель доступна под лицензией MIT. Она ориентирована на турецкий язык и обучена на данных mC4; README не приводит оценок качества и не описывает защиту от ошибок или смещений в данных.

Сценарии применения

  • заполнение пропущенных слов в турецком тексте
  • предсказание замаскированных токенов
  • эксперименты с языковым моделированием на турецком
  • создание признаков для NLP-задач после донастройки

Ограничения

Модель рассчитана на турецкий язык и обучена на корпусе mC4; README не приводит количественных оценок качества. Для задач, отличных от заполнения маски, может потребоваться донастройка.

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 (uncased) 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-uncased")

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

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
8bc4ad2

0 моделей