/ Модель

Характеристики

Контекст
512 токенов
Параметры
152 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Опубликована
6 мая 2022

ElhBERTeu

ЭмбеддингиТекст → embedding3 профессии

Одноязычная баскская BERT-модель для извлечения контекстных представлений и построения систем понимания баскского языка.

2 431скачиваний за 30 дней3лайкавеса обновлены7 фев 2025

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

ElhBERTeu — базовая одноязычная модель BERT для баскского языка, представленная в работе о бенчмарке BasqueGLUE. Авторы предварительно обучили её на корпусе из 575 млн токенов: новостях, Википедии, научных текстах, литературе и субтитрах. Модель имеет регистрозависимый токенизатор со словарём на 50 тыс. токенов; в карточке указаны архитектура BertModel, 151,7 млн параметров и контекст до 512 токенов.

Модель предназначена для получения контекстных представлений текста, которые можно использовать как основу для задач понимания баскского языка, например распознавания сущностей, классификации и оценки сходства предложений. Она оценивалась на BasqueGLUE и показала средний результат 73,71. Доступны веса в форматах PyTorch и safetensors. Лицензия — CC BY 4.0.

Сценарии применения

  • получение эмбеддингов баскских текстов
  • классификация текстов на баскском языке
  • распознавание именованных сущностей в баскском тексте
  • оценка сходства баскских предложений
  • дообучение систем понимания баскского языка

Ограничения

Контекст ограничен 512 токенами. Это базовая модель для извлечения представлений, поэтому для конкретной задачи классификации или разметки может потребоваться отдельная голова или 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

ElhBERTeu

This is a BERT model for Basque introduced in BasqueGLUE: A Natural Language Understanding Benchmark for Basque.

To train ElhBERTeu, we collected different corpora sources from several domains: updated (2021) national and local news sources, Basque Wikipedia, as well as novel news sources and texts from other domains, such as science (both academic and divulgative), literature or subtitles. More details about the corpora used and their sizes are shown in the following table. Texts from news sources were oversampled (duplicated) as done during the training of BERTeus. In total 575M tokens were used for pre-training ElhBERTeu.

DomainSize
News2 x 224M
Wikipedia40M
Science58M
Literature24M
Others7M
Total575M

ElhBERTeu is a base, cased monolingual BERT model for Basque, with a vocab size of 50K, which has 124M parameters in total.

There is a medium-size model available here: ElhBERTeu-medium

ElhBERTeu was trained following the design decisions for BERTeus. The tokenizer and the hyper-parameter settings remained the same (batch_size=256), with the only difference being that the full pre-training of the model (1M steps) was performed with a sequence length of 512 on a v3-8 TPU.

The model has been evaluated on the recently created BasqueGLUE NLU benchmark:

ModelAVGNERCF_intentF_slotBHTCBECVaxxQNLIWiCcoref
F1F1F1F1F1MF1accaccacc
BERTeus73.2381.9282.5274.3478.2669.4359.3074.2670.7168.31
ElhBERTeu73.7182.3082.2475.6478.0569.8963.8173.8471.7165.93

If you use this model, please cite the following paper:

  • G. Urbizu, I. San Vicente, X. Saralegi, R. Agerri, A. Soroa. BasqueGLUE: A Natural Language Understanding Benchmark for Basque. In proceedings of the 13th Language Resources and Evaluation Conference (LREC 2022). June 2022. Marseille, France
@InProceedings{urbizu2022basqueglue,
  author    = {Urbizu, Gorka  and  San Vicente, Iñaki  and  Saralegi, Xabier  and  Agerri, Rodrigo  and  Soroa, Aitor},
  title     = {BasqueGLUE: A Natural Language Understanding Benchmark for Basque},
  booktitle      = {Proceedings of the Language Resources and Evaluation Conference},
  month          = {June},
  year           = {2022},
  address        = {Marseille, France},
  publisher      = {European Language Resources Association},
  pages     = {1603--1612},
  abstract  = {Natural Language Understanding (NLU) technology has improved significantly over the last few years and multitask benchmarks such as GLUE are key to evaluate this improvement in a robust and general way. These benchmarks take into account a wide and diverse set of NLU tasks that require some form of language understanding, beyond the detection of superficial, textual clues. However, they are costly to develop and language-dependent, and therefore they are only available for a small number of languages. In this paper, we present BasqueGLUE, the first NLU benchmark for Basque, a less-resourced language, which has been elaborated from previously existing datasets and following similar criteria to those used for the construction of GLUE and SuperGLUE. We also report the evaluation of two state-of-the-art language models for Basque on BasqueGLUE, thus providing a strong baseline to compare upon. BasqueGLUE is freely available under an open license.},
  url       = {https://aclanthology.org/2022.lrec-1.172}
}

License: CC BY 4.0

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
bb695ac

0 моделей