/ Модель

Характеристики

Контекст
512 токенов
Параметры
212 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Опубликована
30 июн 2024

MsBERT

Заполнение пропусковТекст → текст3 профессии

MsBERT — специализированная BERT-модель для восстановления пропущенных слов и анализа фрагментарных текстов еврейских рукописей.

86скачиваний за 30 дней4лайкавеса обновлены2 сен 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

MsBERT (Manuscript BERT) — специализированная предварительно обученная модель BERT, разработанная для работы с текстами еврейских рукописей. Она предназначена прежде всего для предсказания пропущенных слов в фрагментарных транскрипциях рукописей разных жанров; также авторы сообщают о её применении для различения цитируемых фрагментов и экзегетических пояснений.

Модель решает задачу заполнения пропусков в тексте (fill-mask), имеет около 211,6 млн параметров и контекстное окно до 512 токенов. Она ориентирована на иврит и рукописные тексты; формат весов в репозитории — safetensors. Авторы сообщают о более высоких результатах предсказания пропусков по сравнению с другими моделями BERT для иврита.

Модель доступна для бесплатного скачивания и использования без ограничений; в метаданных указана лицензия CC BY 4.0. Она предназначена для поддержки исследований рукописей, а предсказания пропущенных слов следует сверять с источниками и экспертной оценкой.

Сценарии применения

  • предсказание пропущенных слов в транскрипциях еврейских рукописей
  • восстановление фрагментов повреждённых рукописных текстов
  • различение цитат и экзегетических пояснений в еврейских текстах

Ограничения

Контекст ограничен 512 токенами. Предсказания для фрагментарных рукописей требуют проверки специалистом и по первоисточникам.

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

MsBERT: A New Model for the Reconstruction of Lacunae in Hebrew Manuscripts

A new pretrained dedicated BERT model, dubbed MsBERT (short for: Manuscript BERT), designed from the ground up to handle Hebrew manuscript text. MsBERT substantially outperforms all existing Hebrew BERT models regarding the prediction of missing words in fragmentary Hebrew manuscript transcriptions in multiple genres, as well as regarding the task of differentiating between quoted passages and exegetical elaborations. We provide MsBERT for free download and unrestricted use, and we also provide an interactive and user-friendly website to allow manuscript scholars to leverage the power of MsBERT in their scholarly work of reconstructing fragmentary Hebrew manuscripts.

You can try out the website here: https://msbert.dicta.org.il.

Sample usage:

from transformers import AutoModelForMaskedLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained('dicta-il/MsBERT')
model = AutoModelForMaskedLM.from_pretrained('dicta-il/MsBERT')

model.eval()

text = '''ויצפהו זהב [MASK] מרכבו ארגמן ר' [MASK] א' [MASK] פרוכת הסמוכה לה ר' ביבי א' זו [MASK] שזהבה דומה לארגמן'''

output = model(tokenizer.encode(text, return_tensors='pt'))
# the first [MASK] is the token #4 (including [CLS])
import torch
top_2 = torch.topk(output.logits[0, 4, :], 2)[1]
print('\n'.join(tokenizer.convert_ids_to_tokens(top_2))) # should print טהור / סגור 

Citation

If you use MsBERT in your research, please cite MsBERT: A New Model for the Reconstruction of Lacunae in Hebrew Manuscripts

BibTeX:

@inproceedings{msbert-2024,
    title = "MsBERT: A New Model for the Reconstruction of Lacunae in Hebrew Manuscripts",
    author = "Shmidman, Avi and Shmidman, Ometz and Gershuni, Hillel and Koppel, Moshe",
    booktitle = "Proceedings of the 1st Machine Learning for Ancient Language Workshop (ML4AL 2024)",
    year = "2024",
    address = "Bangkok, Thailand",
    publisher = "Association for Computational Linguistics",
}

License

Shield: CC BY 4.0

This work is licensed under a Creative Commons Attribution 4.0 International License.

CC BY 4.0

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
d87fc69

0 моделей