/ Модель

Характеристики

Контекст
512 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
bert · dense

indobert-base-p1

ЭмбеддингиТекст → embedding4 профессии

Предварительно обученная BERT-модель для индонезийского языка, извлекающая контекстные представления текста для NLP-задач.

467 тыс.скачиваний за 30 дней57лайковвеса обновлены19 мая 2021

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

IndoBERT Base phase 1 uncased — предварительно обученная языковая модель для индонезийского языка, разработанная командой IndoBenchmark на основе архитектуры BERT. Она обучена на корпусе Indo4B объёмом 23,43 ГБ с задачами masked language modeling и next sentence prediction; в карточке репозитория указано 124,5 млн параметров, а метаданные каталога оценивают размер примерно в 151,6 млн. Модель принимает текст и формирует контекстные векторные представления токенов; максимальная длина контекста — 512 токенов.

Модель предназначена для извлечения признаков и может служить основой для индонезийских NLP-сценариев, например классификации текста или разметки последовательностей после дополнительной настройки. Доступны веса в форматах PyTorch, TensorFlow и Flax. Лицензия — MIT. Это базовая модель без указаний на прикладную настройку под конкретную предметную область; качество для задач пользователя зависит от последующей настройки и реализации.

Сценарии применения

  • извлечение контекстных эмбеддингов индонезийского текста
  • подготовка признаков для классификации индонезийских текстов
  • дообучение классификатора тональности на индонезийском языке
  • разметка сущностей и последовательностей после дополнительной настройки

Ограничения

Это базовая модель, а не готовое решение для конкретной downstream-задачи: для классификации и разметки обычно требуется дополнительная настройка. Контекст ограничен 512 токенами.

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

IndoBERT Base Model (phase1 - uncased)

IndoBERT is a state-of-the-art language model for Indonesian based on the BERT model. The pretrained model is trained using a masked language modeling (MLM) objective and next sentence prediction (NSP) objective.

All Pre-trained Models

Model#paramsArch.Training data
indobenchmark/indobert-base-p1124.5MBaseIndo4B (23.43 GB of text)
indobenchmark/indobert-base-p2124.5MBaseIndo4B (23.43 GB of text)
indobenchmark/indobert-large-p1335.2MLargeIndo4B (23.43 GB of text)
indobenchmark/indobert-large-p2335.2MLargeIndo4B (23.43 GB of text)
indobenchmark/indobert-lite-base-p111.7MBaseIndo4B (23.43 GB of text)
indobenchmark/indobert-lite-base-p211.7MBaseIndo4B (23.43 GB of text)
indobenchmark/indobert-lite-large-p117.7MLargeIndo4B (23.43 GB of text)
indobenchmark/indobert-lite-large-p217.7MLargeIndo4B (23.43 GB of text)

How to use

Load model and tokenizer

from transformers import BertTokenizer, AutoModel
tokenizer = BertTokenizer.from_pretrained("indobenchmark/indobert-base-p1")
model = AutoModel.from_pretrained("indobenchmark/indobert-base-p1")

Extract contextual representation

x = torch.LongTensor(tokenizer.encode('aku adalah anak [MASK]')).view(1,-1)
print(x, model(x)[0].sum())

Authors

IndoBERT was trained and evaluated by Bryan Wilie*, Karissa Vincentio*, Genta Indra Winata*, Samuel Cahyawijaya*, Xiaohong Li, Zhi Yuan Lim, Sidik Soleman, Rahmad Mahendra, Pascale Fung, Syafri Bahar, Ayu Purwarianti.

Citation

If you use our work, please cite:

@inproceedings{wilie2020indonlu,
  title={IndoNLU: Benchmark and Resources for Evaluating Indonesian Natural Language Understanding},
  author={Bryan Wilie and Karissa Vincentio and Genta Indra Winata and Samuel Cahyawijaya and X. Li and Zhi Yuan Lim and S. Soleman and R. Mahendra and Pascale Fung and Syafri Bahar and A. Purwarianti},
  booktitle={Proceedings of the 1st Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the 10th International Joint Conference on Natural Language Processing},
  year={2020}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
c2cd0b5

0 моделей