/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
cc
Архитектура
bert · dense
Опубликована
6 янв 2023

swiss_german_pos_model

Разметка токеновТекст → label3 профессии

BERT-модель размечает части речи токенов в текстах на швейцарском немецком по схеме UPOS.

22скачиваний за 30 дней4лайкавеса обновлены7 янв 2023

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

noeminaepli/swiss_german_pos_model — модель на базе BERT для разметки частей речи в текстах на швейцарском немецком. Она присваивает токенам универсальные части речи по схеме Universal POS (UPOS) и рассчитана на автоматическую лингвистическую разметку текстов. Модель содержит 137,1 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате PyTorch.

Модель предназначена для подготовки корпусов, лингвистического анализа и предварительной разметки швейцарских немецких текстов. Лицензия — CC; конкретный вариант лицензии в предоставленных данных не уточнён.

Сценарии применения

  • разметка частей речи в текстах на швейцарском немецком
  • автоматическая аннотация лингвистических корпусов
  • подготовка текстовых данных для синтаксического анализа

Ограничения

Контекст модели ограничен 512 токенами; более длинный текст требует разбиения. Предоставленные сведения не описывают точность модели и конкретный вариант лицензии CC.

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

Swiss German Part-of-Speech Tagging Model

The swiss_german_pos_model is a part-of-speech tagging model for Swiss German. The model is trained on Universal POS tags (upos).

Training procedure and data sets

  1. Base model: German LM: dbmdz/bert-base-german-cased
  2. Continued LM training with swisscrawl data
  3. Task fine-tuning on the UD_German-HDT data set with character-level noise
  4. Task fine-tuning on the Swiss German NOAH-Corpus (train + dev split)
  • Accuracy on Swiss German NOAH test split: 0.9587
  • Accuracy on German UD_German-HDT test set after GSW fine-tuning: 0.9553 (vs. 0.9814 at step 3 before GSW fine-tuning)

Usage

from transformers import AutoTokenizer, AutoModelForTokenClassification, pipeline

model = AutoModelForTokenClassification.from_pretrained("noeminaepli/swiss_german_pos_model")
tokenizer = AutoTokenizer.from_pretrained("noeminaepli/swiss_german_pos_model")

pos_tagger = pipeline('ner', model=model, tokenizer=tokenizer, aggregation_strategy="simple")
tokens = pos_tagger("Worum söu mes ned chönne?")

Output:

[{'entity_group': 'ADV',
  'score': 0.9627313,
  'word': 'Worum',
  'start': 0,
  'end': 5},
 {'entity_group': 'VERB',
  'score': 0.98772717,
  'word': 'söu',
  'start': 6,
  'end': 9},
 {'entity_group': 'PRON',
  'score': 0.99970305,
  'word': 'mes',
  'start': 10,
  'end': 13},
 {'entity_group': 'PART',
  'score': 0.9999368,
  'word': 'ned',
  'start': 14,
  'end': 17},
 {'entity_group': 'VERB',
  'score': 0.99841064,
  'word': 'chönne',
  'start': 18,
  'end': 24},
 {'entity_group': 'PUNCT',
  'score': 0.9999957,
  'word': '?',
  'start': 24,
  'end': 25}]

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 1
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5.0

Framework versions

  • Transformers 4.25.0.dev0
  • Pytorch 1.13.1
  • Datasets 2.8.0
  • Tokenizers 0.13.2

Citation

@inproceedings{aepli-sennrich-2022-improving,
    title = "Improving Zero-Shot Cross-lingual Transfer Between Closely Related Languages by Injecting Character-Level Noise",
    author = {Aepli, No{\"e}mi  and
      Sennrich, Rico},
    booktitle = "Findings of the Association for Computational Linguistics: ACL 2022",
    month = may,
    year = "2022",
    address = "Dublin, Ireland",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2022.findings-acl.321",
    doi = "10.18653/v1/2022.findings-acl.321",
    pages = "4074--4083",
    abstract = "Cross-lingual transfer between a high-resource language and its dialects or closely related language varieties should be facilitated by their similarity. However, current approaches that operate in the embedding space do not take surface similarity into account. This work presents a simple yet effective strategy to improve cross-lingual transfer between closely related varieties. We propose to augment the data of the high-resource source language with character-level noise to make the model more robust towards spelling variations. Our strategy shows consistent improvements over several languages and tasks: Zero-shot transfer of POS tagging and topic identification between language varieties from the Finnic, West and North Germanic, and Western Romance language branches. Our work provides evidence for the usefulness of simple surface-level noise in improving transfer between language varieties.",
}

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForTokenClassification
Ревизия весов
951e98f

0 моделей