/ Модель

Характеристики

Контекст
512 токенов
Параметры
48,2 млн
Архитектура
bert · dense
Библиотека
transformers
Опубликована
16 июн 2024

bert-medium-amharic

Заполнение пропусковТекст → текст3 профессии

BERT-модель, обученная с нуля для предсказания пропущенных слов в текстах на амхарском языке.

401скачиваний за 30 дней1лайквеса обновлены27 июн 2024

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

bert-medium-amharic — модель семейства BERT, разработанная Rasyosef для обработки амхарского языка. Она обучена с нуля на корпусах Oscar, mC4 и amharic-sentences-corpus, содержащих в сумме 290 млн токенов; токенизатор также обучен с нуля и использует словарь размером 28 тысяч токенов. Архитектура — BertForMaskedLM, размер по метаданным — 48,2 млн параметров, максимальный контекст — 512 токенов.

Основная задача модели — предсказывать замаскированные слова в тексте. В README также приводятся результаты дообучения на классификации тональности и распознавании именованных сущностей, но эти задачи требуют соответствующего дообучения. На амхарском наборе оценки автор сообщает perplexity 13,74 и результаты, сопоставимые с XLM-RoBERTa-base значительно большего размера. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • предсказание пропущенных слов в амхарском тексте
  • извлечение контекстных представлений амхарских слов для NLP-задач
  • дообучение классификатора тональности амхарских текстов
  • дообучение модели для распознавания именованных сущностей в амхарском тексте

Ограничения

Модель обучена для амхарского языка и имеет контекст до 512 токенов. Показатели для классификации тональности и распознавания сущностей относятся к дообученным вариантам; условия лицензии в предоставленных материалах не описаны.

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

bert-medium-amharic

This model has the same architecture as bert-medium and was pretrained from scratch using the Amharic subsets of the oscar, mc4, and amharic-sentences-corpus datasets, on a total of 290 Million tokens. The tokenizer was trained from scratch on the same text corpus, and had a vocabulary size of 28k. It achieves the following results on the evaluation set:

  • Loss: 2.62
  • Perplexity: 13.74

Even though this model only has 40.5 Million parameters, its performance is comparable to the 7x larger 279 Million parameter xlm-roberta-base multilingual model on the same Amharic evaluation set.

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='rasyosef/bert-medium-amharic')
>>> unmasker("ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ [MASK] ተቆጥሯል።")

[{'score': 0.5135582089424133,
  'token': 9345,
  'token_str': 'ዓመት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ ዓመት ተቆጥሯል ።'},
 {'score': 0.2923661470413208,
  'token': 9617,
  'token_str': 'ዓመታት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ ዓመታት ተቆጥሯል ።'},
 {'score': 0.09527599066495895,
  'token': 9913,
  'token_str': 'አመት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ አመት ተቆጥሯል ።'},
 {'score': 0.06960058212280273,
  'token': 10898,
  'token_str': 'አመታት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ አመታት ተቆጥሯል ።'},
 {'score': 0.019061630591750145,
  'token': 28157,
  'token_str': '##ዓመት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተዓመት ተቆጥሯል ።'}]

Finetuning

This model was finetuned and evaluated on the following Amharic NLP tasks

Finetuned Model Performance

The reported F1 scores are macro averages.

ModelSize (# params)PerplexitySentiment (F1)Named Entity Recognition (F1)
bert-medium-amharic40.5M13.740.830.68
bert-small-amharic27.8M15.960.830.68
bert-mini-amharic10.7M22.420.810.64
bert-tiny-amharic4.18M71.520.790.54
xlm-roberta-base279M0.830.73
am-roberta443M0.820.69

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
cbe8e1a

0 моделей