/ Модель

Характеристики

Контекст
514 токенов
Параметры
96,6 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense

al-roberta-base

Заполнение пропусковТекст → текст3 профессии

Предобученная RoBERTa для албанского языка, которая предсказывает замаскированные слова и может служить основой для последующего дообучения.

8скачиваний за 30 дней1лайквеса обновлены22 сен 2021

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

AL-RoBERTa base — предобученная модель семейства RoBERTa, разработанная для албанского языка. Она обучена на текстах с задачей masked language modeling: по контексту предсказывает скрытые токены и формирует двунаправленные представления текста. Модель содержит 96,6 млн параметров, поддерживает контекст до 514 токенов и чувствительна к регистру.

Модель подходит для заполнения пропусков и получения представлений албанского текста; её также можно дообучить для классификации последовательностей и токенов или ответов на вопросы. Это базовая модель, а не генератор продолжений текста. В README упоминается корпус Wiki на албанском языке. Лицензия — Apache-2.0.

Сценарии применения

  • подстановка пропущенного слова в албанском предложении
  • получение контекстных представлений албанского текста
  • подготовка основы для классификации албанских текстов
  • подготовка основы для разметки токенов на албанском языке
  • подготовка основы для ответов на вопросы по албанским текстам

Ограничения

Модель чувствительна к регистру и не предназначена для авторегрессионной генерации текста. Для прикладных задач классификации, разметки и ответов на вопросы обычно требуется дообучение.

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

AL-RoBERTa base model

Pretrained model on Albanian language using a masked language modeling (MLM) objective. It was introduced in this paper and first released in this repository. This model is case-sensitive: it makes a difference between tirana and Tirana.

Model description

RoBERTa is a transformers model pre-trained on a large corpus of text data in a self-supervised fashion. This means it was pre-trained on the raw texts only, with no humans labeling them in any way (which is why it can use lots of publicly available data) with an automatic process to generate inputs and labels from those texts.

More precisely, it was pre-trained with the Masked language modeling (MLM) objective. Taking a sentence, the model randomly masks 15% of the words in the input then runs the entire masked sentence through the model and has to predict the masked words. This is different from traditional recurrent neural networks (RNNs) that usually see the words one after the other, or from autoregressive models like GPT which internally mask the future tokens. It allows the model to learn a bidirectional representation of the sentence.

This way, the model learns an inner representation of the English language that can then be used to extract features useful for downstream tasks: if you have a dataset of labeled sentences, for instance, you can train a standard classifier using the features produced by the BERT model as inputs.

Intended uses & limitations

You can use the raw model for masked language modeling, but it's mostly intended to be fine-tuned on a downstream task. See the model hub to look for fine-tuned versions of a task that interests you. Note that this model is primarily aimed at being fine-tuned on tasks that use the whole sentence (potentially masked) to make decisions, such as sequence classification, token classification, or question answering. For tasks such as text generation, you should look at models like GPT2.

How to use

You can use this model directly with a pipeline for masked language modeling: \

from transformers import pipeline
unmasker = pipeline('fill-mask', model='macedonizer/al-roberta-base')
unmasker("Tirana është \<mask\> i Shqipërisë.") \

[{'score': 0.9426872134208679, 'sequence': 'Tirana është kryeqyteti i Shqipërisë', 'token': 7901, 'token_str': ' kryeqyteti'}, {'score': 0.03112833760678768, 'sequence': 'Tirana është kryeqytet i Shqipërisë', 'token': 7439, 'token_str': ' kryeqytet'}, {'score': 0.0022084848023951054, 'sequence': 'Tirana është qytet i Shqipërisë', 'token': 2246, 'token_str': ' qytet'}, {'score': 0.0016222079284489155, 'sequence': 'Tirana është qyteti i Shqipërisë', 'token': 2784, 'token_str': ' qyteti'}, {'score': 0.0008979254635050893, 'sequence': 'Tirana është Kryeqytet i Shqipërisë', 'token': 37653, 'token_str': ' Kryeqytet'}]

Here is how to use this model to get the features of a given text in PyTorch:

from transformers import RobertaTokenizer, RobertaModel
tokenizer = RobertaTokenizer.from_pretrained('macedonizer/al-roberta-base')
model = RobertaModel.from_pretrained('macedonizer/al-roberta-base')
text = "Replace me by any text you'd like."
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)

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
a48686a

0 моделей