/ Модель

Характеристики

Контекст
4 098 токенов
Параметры
153 млн
Архитектура
longformer · dense
Опубликована
2 мар 2023

greek-media-longformer-4096

ЭмбеддингиТекст → embedding3 профессии

Longformer, дополнительно предобученный на текстах греческих СМИ для извлечения признаков из длинных текстов на греческом языке.

99скачиваний за 30 дней0лайковвеса обновлены16 фев 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Greek Media Longformer — модель Димитриоса Заикиса и Иоанниса Влахаваса, представляющая собой второй этап предобучения dimitriz/greek-longformer-base-4096 на наборе текстов греческих СМИ dimitriz/greek_media_texts. Это плотная архитектура Longformer с 153,2 млн параметров и контекстом до 4098 токенов; модель предназначена для извлечения признаков из греческого текста. В карточке приведены результаты оценки: loss 1,1424 и accuracy 0,7574. Модель опубликована вместе с научной статьёй IEEE Access. Лицензия в предоставленных данных не указана.

Сценарии применения

  • извлечение признаков из греческих новостных статей
  • получение представлений длинных греческих текстов
  • подготовка греческих текстовых данных для последующей классификации
  • анализ текстов греческих СМИ в NLP-конвейерах

Ограничения

Модель дополнительно предобучена на текстах греческих СМИ, поэтому её представления могут быть менее подходящими для других жанров и языков. В карточке указаны результаты оценки, но отсутствуют подробности о методике и условиях тестирования.

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

Greek Media Longformer

This model is a second-stage pretrained version of dimitriz/greek-longformer-base-4096 trained on the dimitriz/greek_media_texts dataset. It achieves the following results on the evaluation set:

  • Loss: 1.1424
  • Accuracy: 0.7574

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 6.0

Training results

Framework versions

  • Transformers 4.28.0.dev0
  • Pytorch 2.0.0+cu118
  • Datasets 2.11.0
  • Tokenizers 0.13.2

Citing & Authors

The model has been officially released with the article "From Pre-training to Meta-Learning: A journey in Low-Resource-Language Representation Learning". Dimitrios Zaikis and Ioannis Vlahavas. In: IEEE Access.

If you use the model, please cite the following:


@ARTICLE{10288436,
    author =  {Zaikis, Dimitrios and Vlahavas, Ioannis},
    journal = {IEEE Access},
    title =   {From Pre-training to Meta-Learning: A journey in Low-Resource-Language Representation Learning},
    year =    {2023},
    volume =  {},
    number =  {},
    pages =   {1-1},
    doi =     {10.1109/ACCESS.2023.3326337}
  }

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LongformerModel
Ревизия весов
148729e

0 моделей