/ Модель

Характеристики

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

electra-base-turkish-cased-discriminator

Языковая модель4 профессии

Базовая турецкая ELECTRA-модель для предобучения и донастройки на задачи понимания текста, включая разметку частей речи и распознавание именованных сущностей.

3 958скачиваний за 30 дней5лайковвеса обновлены28 окт 2024

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

Это базовая регистрозависимая модель ELECTRA для турецкого языка, опубликованная командой MDZ Digital Library при Баварской государственной библиотеке. Модель с архитектурой ElectraForPreTraining обучена распознавать исходные токены и заменённые токены, созданные другой нейросетью; она служит предварительно обученной основой для дальнейшей настройки под задачи обработки языка.

Модель содержит 137,8 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в форматах PyTorch, TensorFlow и Safetensors. Обучение проводилось на турецком корпусе объёмом 35 ГБ, включающем OSCAR, Википедию, OPUS и специальный корпус. Её можно адаптировать для разметки частей речи, распознавания именованных сущностей и других задач понимания турецкого текста.

Лицензия — MIT. Это дискриминатор ELECTRA для предобучения и донастройки, а не готовая генеративная модель; качество на конкретной прикладной задаче зависит от дополнительного обучения и оценки.

Сценарии применения

  • дообучение распознаванию именованных сущностей на турецком
  • разметка частей речи в турецких текстах
  • классификация турецких текстов после донастройки
  • извлечение признаков из турецкого текста
  • создание специализированных моделей понимания турецкого языка

Ограничения

Модель является предобученным дискриминатором и не предназначена для генерации связного текста; для прикладных задач требуется донастройка. Максимальная длина входа составляет 512 токенов.

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 ELECTRA model

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

Turkish ELECTRA model

We release a base ELECTRA model for Turkish, that was trained on the same data as BERTurk.

ELECTRA is a new method for self-supervised language representation learning. It can be used to pre-train transformer networks using relatively little compute. ELECTRA models are trained to distinguish "real" input tokens vs "fake" input tokens generated by another neural network, similar to the discriminator of a GAN.

More details about ELECTRA can be found in the ICLR paper or in the official ELECTRA repository on GitHub.

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 v3-8 for 1M steps.

Model weights

Transformers compatible weights for both PyTorch and TensorFlow are available.

ModelDownloads
dbmdz/electra-base-turkish-cased-discriminatorconfig.json • pytorch_model.bin • vocab.txt

Usage

With Transformers >= 2.8 our ELECTRA base cased model can be loaded like:

from transformers import AutoModelWithLMHead, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("dbmdz/electra-base-turkish-cased-discriminator")
model = AutoModelWithLMHead.from_pretrained("dbmdz/electra-base-turkish-cased-discriminator")

Results

For results on PoS tagging or NER 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 ELECTRA models 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

Нельзя запустить

У модели не указана задача.

Класс архитектуры
ElectraForPreTraining
Ревизия весов
44ba696

0 моделей