/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
CC BY-NC 4.0
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base
Библиотека
transformers
Опубликована
16 ноя 2025

ota-roberta-base-kadisicilleri

Заполнение пропусковТекст → текст3 профессии

Модель XLM-RoBERTa для восстановления замаскированных слов в османско-турецких судебных и административных текстах.

48скачиваний за 30 дней0лайковвеса обновлены17 ноя 2025

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

Модель enesyila/ota-roberta-base-kadisicilleri разработана Enes Yılandiloğlu и дообучена на основе FacebookAI/xlm-roberta-base для заполнения пропусков в османско-турецких текстах. Она ориентирована на судебные и административные документы kadı sicilleri: обучающая выборка включает записи из Стамбула и Диярбакыра XVI–XX веков. Модель принимает текст с маскированными словами и предсказывает подходящие варианты; указанный размер — 305,2 млн параметров, длина контекста — 514 токенов.

Модель подходит для восстановления и дополнения предложений, а также как основа для последующих задач разметки именованных сущностей, UD-аннотации, перевода и классификации. Эти downstream-задачи описаны в карточке как возможные направления применения, но основная задача модели — fill-mask. Транслитерация обучающих данных не соответствует системе IJMES: для лучшей совместимости рекомендуется использовать исходный формат написания, включая символы â, î, ô и û. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • восстановление пропущенных слов в османско-турецких судебных записях
  • дополнение предложений на османском турецком языке
  • подготовка текста судебных архивов к разметке именованных сущностей
  • подготовка османско-турецких записей для UD-аннотации
  • помощь в классификации исторических судебных документов

Ограничения

Обучающие данные используют транслитерацию, не соответствующую IJMES, поэтому модель может хуже работать с текстами в этой системе записи. Лицензия CC BY-NC 4.0 не допускает коммерческого использования.

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

Model Card for Model ID

This is a fill-mask model for Ottoman Turkish. The model was finetuned on Ottoman Turkish court records (kadı sicilleri). Thus, it was optimized for legal/administrative texts (court records). The data consists of 15,060,44 words and 26,260,597 tokens from 63,608 court records from Istanbul (1513-1813) and Diyarbakır (1654-1919).

Model Details

Model Description

  • Developed by: Enes Yılandiloğlu
  • Shared by: Enes Yılandiloğlu
  • Model type: fill-mask
  • Language(s) (NLP): Ottoman Turkish (1500-1928)
  • License: cc-by-nc-4.0
  • Finetuned from model: FacebookAI/xlm-roberta-base

Uses

Direct Use

Mask filling & completion of Ottoman Turkish sentences. It was specifically built to work with Ottoman Turkish court records.

Downstream Use

  • Named Entity Recognition
  • UD-style annotation
  • Translation
  • Classification

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model.

The training data does not align with IJMES transliteration system. To exemplify, the word ﻗﺎﺿﻰ was transliterated as kâdî, instead of how it appears in IJMES, ḳāḍī. Therefore, to use the model, not using IJMES-transliterated data is recommended. Yet, the characters â, î, ô, and û are present in the training data. So, there is no need to convert â into a to use this model properly.

How to Get Started with the Model

Use the code below to get started with the model.

from transformers import AutoTokenizer, AutoModelForMaskedLM, pipeline

# 1. Load the finetuned model and tokenizer
model_name = "enesyila/ota-roberta-base-kadisicilleri"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model     = AutoModelForMaskedLM.from_pretrained(model_name)

# 2. Create a mask-filling pipeline
unmasker = pipeline("fill-mask", model=model, tokenizer=tokenizer)

# 3. Run it on an Ottoman-style sentence
sequence = "Mehmed <mask> mahkemeye geldi"
results = unmasker(sequence)

# 4. Print the top 5 predictions
for r in results:
    print(f"{r['sequence']} (score: {r['score']:.4f})")

Training Details

Training Data

The data consists of 15,060,44 words and 26,260,597 tokens from 63,608 court records from Istanbul (1513-1813) and Diyarbakır (1654-1919). Data for the records from Istanbul can be found here and data from Diyarbakır is here.

Training Procedure

Training Hyperparameters

  • Training regime: [More Information Needed]

  • Chunk-size: 512 tokens

  • Batching

    • per_device_train_batch_size=32
    • per_device_eval_batch_size=64
  • Optimizer & Schedule

    • Optimizer: AdamW
    • Learning rate: 2 × 10⁻⁵
    • Learning scheduler: cosine
    • Weight decay: 0.01
    • Warmup ratio: 0.1
  • Training schedule:

    • Number of epochs = 9

Evaluation

Evaluation loss: 0.4429 Perplexity: 1.56

Citation

If you use this model in your research, please cite:

@misc{xlm-roberta-base-ota-kadisicilleri,
  author = {Yılandıloğlu, Enes},
  title = {XLM-RoBERTa Base for Ottoman Turkish Court Records},
  year = {2025},
  publisher = {Hugging Face},
  howpublished = {\\url{https://huggingface.co/enesyila/ota-roberta-base-kadisicilleri}}
}
## Model Card Authors [optional]

Enes Yılandiloğlu

## Model Card Contact

enes.yilandiloglu@helsinki.fi

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForMaskedLM
Ревизия весов
635dfbe

0 моделей