/ Модель

Характеристики

Контекст
512 токенов
Параметры
162 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
2 июл 2022

bertabaporu-base-uncased

Заполнение пропусковТекст → текст3 профессии

BERT-модель для заполнения пропусков и обработки текстов на бразильском португальском языке в стиле Twitter.

5 243скачиваний за 30 дней11лайковвеса обновлены14 ноя 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

BERTabaporu Base Uncased — модель BERT-Base для бразильского португальского языка, разработанная для текстов из Twitter. Она обучена на корпусе из 238 миллионов твитов более чем 100 тысяч пользователей, содержащем свыше 2,9 миллиарда токенов. Архитектура — BERT с 12 слоями; в метаданных указано 162,4 млн параметров, контекст — до 512 токенов.

Модель предназначена для заполнения пропусков в тексте и других сценариев обработки португалоязычных сообщений в домене Twitter. Её можно использовать как основу для анализа и адаптации NLP-систем к неформальному бразильскому португальскому. Репозиторий содержит веса PyTorch; лицензия — MIT. Ограничение контекста составляет 512 токенов, а обучение на твитах может снижать пригодность модели для иных жанров и языковых вариантов.

Сценарии применения

  • предсказание пропущенных слов в бразильских твитах
  • изучение контекстных представлений португалоязычных сообщений
  • адаптация NLP-систем для неформального бразильского португальского
  • анализ текстов из Twitter с использованием BERT

Ограничения

Контекст ограничен 512 токенами. Модель обучена на твитах, поэтому её переносимость на другие жанры и варианты португальского может быть ограничена.

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

Paper: For more details, please refer to our paper: BERTabaporu: Assessing a Genre-Specific Language Model for Portuguese NLP

Introduction

BERTabaporu is a Brazilian Portuguese BERT model in the Twitter domain. The model has been built from a collection of 238 million tweets written by over 100 thousand unique Twitter users, and conveying over 2.9 billion tokens in total.

Available models

ModelArch.#Layers#Params
pablocosta/bertabaporu-base-uncasedBERT-Base12110M
pablocosta/bertabaporu-large-uncasedBERT-Large24335M

Usage

from transformers import AutoTokenizer  # Or BertTokenizer
from transformers import AutoModelForPreTraining  # Or BertForPreTraining for loading pretraining heads
from transformers import AutoModel  # or BertModel, for BERT without pretraining heads
model = AutoModelForPreTraining.from_pretrained('pablocosta/bertabaporu-base-uncased')
tokenizer = AutoTokenizer.from_pretrained('pablocosta/bertabaporu-base-uncased')

Cite us

@inproceedings{costa-etal-2023-bertabaporu, title = "{BERT}abaporu: Assessing a Genre-Specific Language Model for {P}ortuguese {NLP}", author = "Costa, Pablo Botton and Pavan, Matheus Camasmie and Santos, Wesley Ramos and Silva, Samuel Caetano and Paraboni, Ivandr{'e}", editor = "Mitkov, Ruslan and Angelova, Galia", booktitle = "Proceedings of the 14th International Conference on Recent Advances in Natural Language Processing", month = sep, year = "2023", address = "Varna, Bulgaria", publisher = "INCOMA Ltd., Shoumen, Bulgaria", url = "https://aclanthology.org/2023.ranlp-1.24", pages = "217--223", abstract = "Transformer-based language models such as Bidirectional Encoder Representations from Transformers (BERT) are now mainstream in the NLP field, but extensions to languages other than English, to new domains and/or to more specific text genres are still in demand. In this paper we introduced BERTabaporu, a BERT language model that has been pre-trained on Twitter data in the Brazilian Portuguese language. The model is shown to outperform the best-known general-purpose model for this language in three Twitter-related NLP tasks, making a potentially useful resource for Portuguese NLP in general.", }

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
BertForMaskedLM
Ревизия весов
eee618e

0 моделей