/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
CC BY-NC 4.0
Архитектура
roberta · dense
Опубликована
16 мар 2022

roberta-eus-euscrawl-base-cased

Заполнение пропусковТекст → текст3 профессии

Баскская модель RoBERTa, обученная на корпусе EusCrawl и предназначенная для предсказания пропущенных токенов и адаптации к задачам обработки баскского текста.

1 064скачиваний за 30 дней2лайкавеса обновлены16 мар 2022

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

ixa-ehu/roberta-eus-euscrawl-base-cased — базовая модель RoBERTa для баскского языка, представленная авторами исследования «Does corpus quality really matter for low-resource languages?». Модель содержит 151,7 млн параметров и обучена на корпусе EusCrawl, собранном с баскских сайтов: корпус включает около 12,5 млн документов и 423 млн токенов. Это регистрозависимая модель для заполнения пропусков в тексте (masked language modeling); она принимает текст и предсказывает скрытые в нём токены. Максимальная длина контекста — 514 токенов.

Модель предназначена для исследований и создания систем обработки баскского текста. В статье её оценивали на классификации тем, анализе тональности, определении позиции, распознавании именованных сущностей и ответах на вопросы. Репозиторий содержит веса PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • предсказание пропущенных слов в баскском тексте
  • дообучение классификатора тем на баскском языке
  • анализ тональности баскских отзывов
  • определение позиции в баскских текстах
  • распознавание именованных сущностей в баскском тексте
  • исследовательские эксперименты с ответами на вопросы по-баскски

Ограничения

Модель ориентирована на баскский язык; применение к другим языкам не подтверждено. 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

Roberta-eus Euscrawl base cased

This is a RoBERTa model for Basque model presented in Does corpus quality really matter for low-resource languages?. There are several models for Basque using the RoBERTa architecture, which are pre-trained using different corpora:

  • roberta-eus-euscrawl-base-cased: Basque RoBERTa trained on Euscrawl, a corpus created using tailored crawling from Basque sites. EusCrawl contains 12,528k documents and 423M tokens.
  • roberta-eus-euscrawl-large-cased: Basque RoBERTa large trained on EusCrawl.
  • roberta-eus-mC4-base-cased: Basque RoBERTa trained on the Basque portion of mc4 dataset.
  • roberta-eus-CC100-base-cased: Basque RoBERTa trained on Basque portion of cc100 dataset.

The models have been tested on five different downstream tasks for Basque: Topic classification, Sentiment analysis, Stance detection, Named Entity Recognition (NER), and Question Answering (refer to the paper for more details). See summary of results below:

ModelTopic class.SentimentStance det.NERQAAverage
roberta-eus-euscrawl-base-cased76.277.757.486.834.666.5
roberta-eus-euscrawl-large-cased77.678.862.987.238.369.0
roberta-eus-mC4-base-cased75.380.459.186.035.267.2
roberta-eus-CC100-base-cased76.278.863.485.235.867.9

If you use any of these models, please cite the following paper:

@misc{artetxe2022euscrawl,
 title={Does corpus quality really matter for low-resource languages?},
 author={Mikel Artetxe, Itziar Aldabe, Rodrigo Agerri,
         Olatz Perez-de-Viñaspre, Aitor Soroa},
 year={2022},
 eprint={2203.08111},
 archivePrefix={arXiv},
 primaryClass={cs.CL}
}

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
RobertaForMaskedLM
Ревизия весов
41f92c9

0 моделей