/ Модель

Характеристики

Контекст
512 токенов
Параметры
171 млн
Лицензия
CC BY-NC 4.0
Архитектура
bert · dense
Опубликована
1 апр 2024

SaudiBERT

Заполнение пропусковТекст → текст3 профессии

BERT-модель для заполнения пропусков и анализа текстов на саудовском диалекте арабского языка.

480скачиваний за 30 дней21лайквеса обновлены23 мая 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

SaudiBERT — предварительно обученная языковая модель faisalq, специализирующаяся на текстах на саудовском диалекте арабского языка. Она построена на архитектуре BERT и предназначена для заполнения пропусков в тексте и других сценариев, использующих предсказание замаскированных токенов. Модель обучалась на корпусе из более чем 141 миллиона саудовских твитов и более чем 70 миллионов предложений с саудовских интернет-форумов; общий объём текстов составил 26,3 ГБ.

Модель содержит 170,8 млн параметров, имеет контекст до 512 токенов и распространяется в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Она ориентирована на саудовский диалект, поэтому её пригодность для других вариантов арабского языка и иных языков не установлена.

Сценарии применения

  • заполнение пропущенных слов в саудовских текстах
  • предсказание замаскированных токенов в саудовских твитах
  • изучение языковых шаблонов саудовского диалекта
  • создание признаков для классификации саудовских текстов

Ограничения

Модель специализируется на саудовском диалекте; её качество на других вариантах арабского языка и других языках не описано. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

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


SaudiBERT is the first pre-trained large language model focused exclusively on Saudi dialect text. The model was pretrained on two large-scale corpora: the Saudi Tweets Mega Corpus (STMC), which contains +141 million tweets, and the Saudi Forum Corpus, which includes +70 million sentences collected from various Saudi online forums. The datasets comprise 26.3GB of text. The code files along with the results are available on repo.

BibTex

If you use SaudiBERT model in your scientific publication, or if you find the resources in this repository useful, please cite our paper as follows (citation details to be updated):

@article{qarah2024saudibert,
  title={SaudiBERT: A Large Language Model Pretrained on Saudi Dialect Corpora},
  author={Qarah, Faisal},
  journal={arXiv preprint arXiv:2405.06239},
  year={2024}
}


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
418b724

0 моделей