/ Модель

Характеристики

Контекст
512 токенов
Параметры
31,5 млн
Архитектура
bert · dense
Библиотека
transformers
Опубликована
9 мая 2024

bert-small-amharic

Заполнение пропусковТекст → текст3 профессии

Компактная амхароязычная BERT-модель для предсказания замаскированных слов и разработки NLP-систем.

332скачиваний за 30 дней0лайковвеса 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-small-amharic — компактная модель семейства BERT, разработанная rasyosef и предварительно обученная с нуля на амхарском языке. Она содержит около 31,5 млн параметров по метаданным и использует контекст до 512 токенов. Токенизатор обучен на том же корпусе и имеет словарь из 28 тысяч токенов.

Основная задача модели — заполнение пропусков в тексте: она предсказывает замаскированные токены и подходит для экспериментов и разработки амхарских NLP-систем. README также приводит результаты отдельных дообученных вариантов для классификации тональности, распознавания именованных сущностей и классификации новостей; эти результаты не означают, что данный базовый чекпойнт напрямую выполняет эти задачи без дообучения.

Для предобучения использовались амхарские подмножества OSCAR, mC4 и amharic-sentences-corpus, всего около 290 млн токенов. В оценке на амхарском наборе указаны loss 2,77 и perplexity 15,96; README сообщает о сопоставимых с XLM-RoBERTa-base результатах на этой оценке при существенно меньшем числе параметров. Модель предназначена для амхароязычного текста и не является мультимодальной. Лицензия в предоставленных данных не указана.

Сценарии применения

  • предсказание пропущенного слова в амхарском тексте
  • изучение контекстных представлений амхарского языка
  • создание базовой модели для дообучения на амхарских текстовых задачах

Ограничения

Основной чекпойнт предназначен для амхарского языка и задачи fill-mask; классификация тональности, NER и классификация новостей описаны для отдельных дообученных вариантов. Результаты оценки приведены для конкретного набора данных и сами по себе не гарантируют качество на других задачах или корпусах.

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-small-amharic

This model has the same architecture as bert-small 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: 2.77
  • Perplexity: 15.96

Even though this model only has 27.8 Million parameters, its performance is comparable to the 10x 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-small-amharic')
>>> unmasker("ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ [MASK] ተቆጥሯል።")

[{'score': 0.5164287686347961,
  'token': 9345,
  'token_str': 'ዓመት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ ዓመት ተቆጥሯል ።'},
 {'score': 0.2229153960943222,
  'token': 9913,
  'token_str': 'አመት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ አመት ተቆጥሯል ።'},
 {'score': 0.1806153655052185,
  'token': 9617,
  'token_str': 'ዓመታት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ ዓመታት ተቆጥሯል ።'},
 {'score': 0.05486353859305382,
  'token': 10898,
  'token_str': 'አመታት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ አመታት ተቆጥሯል ።'},
 {'score': 0.014157092198729515,
  '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

Amharic News Category Classification

ModelAccuracyPrecisionRecallF1
bert-small-amharic0.890.860.870.86
bert-mini-amharic0.870.830.830.83
xlm-roberta-base0.90.880.880.88

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
b4480f0

0 моделей