/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Опубликована
2 мар 2022

es-seq2seq-gender-encoder

ЭмбеддингиТекст → embedding3 профессии

Энкодер испанской модели seq2seq для создания текстовых вариантов с изменённым грамматическим родом и контрфактических примеров.

118скачиваний за 30 дней1лайквеса обновлены3 сен 2023

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

es-seq2seq-gender-encoder — часть энкодера модели для преобразования грамматического рода в испанских предложениях. Модель разработана для дополнения испанских текстовых данных и создания контрфактических примеров, позволяющих проверять, меняется ли вывод другой модели при изменении рода субъекта или говорящего. Она может согласованно менять артикли, существительные и прилагательные, учитывать некоторые формы существительных, не менять слова, не относящиеся к людям, и оставлять имена людей без изменений.

Энкодер и декодер инициализированы весами и словарём BETO uncased. Модель обучена на текстах, преобразованных скриптом смены рода на основе датасета muchocine и первых 6 853 строк испанского корпуса OSCAR. Метаданные указывают архитектуру BERT, около 137,1 млн параметров и контекст длиной 512 токенов. Репозиторий содержит веса в форматах PyTorch, Flax и safetensors. Модель предназначена для испанского языка и не охватывает небинарные и гендерно-нейтральные формы, отсутствовавшие в обучающих данных. Условия лицензирования в предоставленных данных не описаны.

Сценарии применения

  • создание испанских текстов с заменой мужского грамматического рода на женский и наоборот
  • согласованное изменение рода артиклей, существительных и прилагательных
  • генерация контрфактических примеров для проверки чувствительности модели к роду субъекта
  • аугментация испанских текстовых наборов данных
  • сохранение слов, не относящихся к людям, без изменения рода

Ограничения

В этой версии имена людей остаются без изменений; небинарные и гендерно-нейтральные формы не представлены в обучающих данных. Описание лицензии отсутствует в предоставленных сведениях.

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

es-seq2seq-gender (encoder)

This is a seq2seq model (encoder half) to "flip" gender in Spanish sentences. The model can augment your existing Spanish data, or generate counterfactuals to test a model's decisions (would changing the gender of the subject or speaker change output?).

Intended Examples:

  • el profesor viejo => la profesora vieja (article, noun, adjective all flip)
  • una actriz => un actor (irregular noun)
  • el lingüista => la lingüista (irregular noun)
  • la biblioteca => la biblioteca (no person, no flip)

People's names are unchanged in this version, but you can use packages such as https://pypi.org/project/gender-guesser/

Sample code

https://colab.research.google.com/drive/1Ta_YkXx93FyxqEu_zJ-W23PjPumMNHe5

import torch
from transformers import AutoTokenizer, EncoderDecoderModel

model = EncoderDecoderModel.from_encoder_decoder_pretrained("monsoon-nlp/es-seq2seq-gender-encoder", "monsoon-nlp/es-seq2seq-gender-decoder")
tokenizer = AutoTokenizer.from_pretrained('monsoon-nlp/es-seq2seq-gender-decoder') # all are same as BETO uncased original

input_ids = torch.tensor(tokenizer.encode("la profesora vieja")).unsqueeze(0)
generated = model.generate(input_ids, decoder_start_token_id=model.config.decoder.pad_token_id)
tokenizer.decode(generated.tolist()[0])
> '[PAD] el profesor viejo profesor viejo profesor...'

Training

I originally developed a gender flip Python script with BETO, the Spanish-language BERT from Universidad de Chile, and spaCy to parse dependencies in sentences.

More about this project: https://medium.com/ai-in-plain-english/gender-bias-in-spanish-bert-1f4d76780617

The seq2seq model is trained on gender-flipped text from that script run on the muchocine dataset, and the first 6,853 lines from the OSCAR corpus (Spanish ded-duped).

The encoder and decoder started with weights and vocabulary from BETO (uncased).

Non-binary gender

This model is useful to generate male and female text samples, but falls short of capturing gender diversity in the world and in the Spanish language. Some communities prefer the plural -@s to represent -os and -as, or -e and -es for gender-neutral or mixed-gender plural, or use fewer gendered professional nouns (la juez and not jueza). This is not yet embraced by the Royal Spanish Academy and is not represented in the corpora and tokenizers used to build this project.

This seq2seq project and script could, in the future, help generate more text samples and prepare NLP models to understand us all better.

Sources

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
0398a0f

0 моделей