/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Опубликована
2 мар 2022

bert-base-spanish-wwm-uncased

Заполнение пропусковТекст → текст4 профессии

BETO uncased — испаноязычная модель BERT для предсказания скрытых слов и получения контекстных представлений текста.

450 тыс.скачиваний за 30 дней77лайковвеса обновлены18 янв 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

BETO — испаноязычная модель семейства BERT, разработанная командой из Universidad de Chile и предназначенная для работы с испанским текстом. Эта версия uncased не различает регистр букв и обучена с техникой Whole Word Masking на большом испанском корпусе. Она содержит около 137,1 млн параметров, использует архитектуру BertForMaskedLM и обрабатывает последовательности длиной до 512 токенов.

Модель предназначена прежде всего для предсказания скрытых фрагментов текста: она помогает восстанавливать пропущенные слова и получать контекстные представления для последующей адаптации к испаноязычным задачам NLP. В карточке приведены результаты BETO на испанских бенчмарках, включая POS-разметку, распознавание именованных сущностей и классификацию документов; эти результаты относятся к оценкам модели в соответствующих задачах и не означают, что данный чекпойнт напрямую выдаёт все такие разметки без дополнительного обучения.

Доступны веса для PyTorch, TensorFlow и JAX/Flax. Условия лицензирования в предоставленных сведениях не описаны.

Сценарии применения

  • восстановление пропущенных слов в испанском тексте
  • получение контекстных представлений испанских фраз
  • подготовка испанского текста для последующей классификации
  • адаптация к разметке частей речи на испанском
  • адаптация к распознаванию именованных сущностей на испанском

Ограничения

Чекпойнт ориентирован на испанский и не различает регистр букв. Для прямой POS-разметки, распознавания сущностей и классификации потребуется соответствующая донастройка.

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

BETO: Spanish BERT

BETO is a BERT model trained on a big Spanish corpus. BETO is of size similar to a BERT-Base and was trained with the Whole Word Masking technique. Below you find Tensorflow and Pytorch checkpoints for the uncased and cased versions, as well as some results for Spanish benchmarks comparing BETO with Multilingual BERT as well as other (not BERT-based) models.

Download

BETO uncasedtensorflow_weightspytorch_weightsvocab, config
BETO casedtensorflow_weightspytorch_weightsvocab, config

All models use a vocabulary of about 31k BPE subwords constructed using SentencePiece and were trained for 2M steps.

Benchmarks

The following table shows some BETO results in the Spanish version of every task. We compare BETO (cased and uncased) with the Best Multilingual BERT results that we found in the literature (as of October 2019). The table also shows some alternative methods for the same tasks (not necessarily BERT-based methods). References for all methods can be found here.

TaskBETO-casedBETO-uncasedBest Multilingual BERTOther results
POS98.9798.4497.10 [2]98.91 [6], 96.71 [3]
NER-C88.4382.6787.38 [2]87.18 [3]
MLDoc95.6096.1295.70 [2]88.75 [4]
PAWS-X89.0589.5590.70 [8]
XNLI82.0180.1578.50 [2]80.80 [5], 77.80 [1], 73.15 [4]

Example of use

For further details on how to use BETO you can visit the 🤗Huggingface Transformers library, starting by the Quickstart section. BETO models can be accessed simply as 'dccuchile/bert-base-spanish-wwm-cased' and 'dccuchile/bert-base-spanish-wwm-uncased' by using the Transformers library. An example on how to download and use the models in this page can be found in this colab notebook. (We will soon add a more detailed step-by-step tutorial in Spanish for newcommers 😉)

Acknowledgments

We thank Adereso for kindly providing support for traininig BETO-uncased, and the Millennium Institute for Foundational Research on Data that provided support for training BETO-cased. Also thanks to Google for helping us with the TensorFlow Research Cloud program.

Citation

Spanish Pre-Trained BERT Model and Evaluation Data

To cite this resource in a publication please use the following:

@inproceedings{CaneteCFP2020,
  title={Spanish Pre-Trained BERT Model and Evaluation Data},
  author={Cañete, José and Chaperon, Gabriel and Fuentes, Rodrigo and Ho, Jou-Hui and Kang, Hojin and Pérez, Jorge},
  booktitle={PML4DC at ICLR 2020},
  year={2020}
}

License Disclaimer

The license CC BY 4.0 best describes our intentions for our work. However we are not sure that all the datasets used to train BETO have licenses compatible with CC BY 4.0 (specially for commercial use). Please use at your own discretion and verify that the licenses of the original text resources match your needs.

References

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
BertForMaskedLM
Ревизия весов
d1c9c45

0 моделей