/ Модель

Характеристики

Контекст
512 токенов
Параметры
49,9 млн
Архитектура
xlm-roberta · dense
Библиотека
transformers
Опубликована
6 янв 2025

roberta-medium-amharic

Заполнение пропусковТекст → текст3 профессии

Компактная XLM-RoBERTa-модель, предварительно обученная с нуля на амхарском тексте для предсказания замаскированных слов и последующего дообучения NLP-задач.

109скачиваний за 30 дней1лайквеса обновлены11 янв 2025

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

roberta-medium-amharic — модель семейства XLM-RoBERTa, разработанная rasyosef и предварительно обученная с нуля на амхарском языке. Она предназначена прежде всего для предсказания замаскированных слов, а также может служить основой для дообучения задач классификации тональности и распознавания именованных сущностей на амхарском языке.

Модель использует архитектуру XLM-RoBERTa для masked language modeling, содержит около 49,9 млн параметров и принимает последовательности длиной до 512 токенов. Токенизатор обучен на тех же корпусах и имеет словарь размером 32 тыс. токенов. Предварительное обучение проводилось на амхарских подмножествах OSCAR, mC4 и amharic-sentences-corpus; автор сообщает о результатах оценки и сравнения с более крупной многоязычной моделью, но они не гарантируют качество на других данных.

Модель рассчитана на амхарский текст и не является готовым классификатором тональности или NER без соответствующего дообучения. Лицензия в предоставленных данных не указана.

Сценарии применения

  • предсказание пропущенных слов в амхарском тексте
  • дообучение классификатора тональности для амхарских текстов
  • дообучение модели распознавания именованных сущностей на амхарском языке

Ограничения

Модель ориентирована на амхарский язык; для классификации тональности и NER её требуется дообучить на соответствующей задаче. Лицензия и качество на данных вне описанных оценочных наборов не подтверждены предоставленными сведениями.

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

roberta-medium-amharic

This model has the same architecture as xlm-roberta-base 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 32k.

The model was trained for 15 hours on an A100 40GB GPU.

It achieves the following results on the evaluation set:

  • Loss: 2.446
  • Perplexity: 11.59

Even though this model has 42 Million parameters it beats the 7x larger 279 Million parameter xlm-roberta-base multilingual model on Amharic Sentiment Classification and Named Entity Recognition tasks.

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/roberta-medium-amharic')
>>> unmasker("ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ <mask> ተቆጥሯል።")

[{'score': 0.7755730152130127,
  'token': 137,
  'token_str': 'ዓመት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ ዓመት ተቆጥሯል።'},
 {'score': 0.09340856224298477,
  'token': 346,
  'token_str': 'አመት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ አመት ተቆጥሯል።'},
 {'score': 0.08586721867322922,
  'token': 217,
  'token_str': 'ዓመታት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ ዓመታት ተቆጥሯል።'},
 {'score': 0.011987944133579731,
  'token': 733,
  'token_str': 'አመታት',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ አመታት ተቆጥሯል።'},
 {'score': 0.010042797774076462,
  'token': 1392,
  'token_str': 'ዓመቱ',
  'sequence': 'ከሀገራቸው ከኢትዮጵያ ከወጡ ግማሽ ምዕተ ዓመቱ 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)
roberta-base-amharic110M8.080.880.78
roberta-medium-amharic42.2M11.590.840.75
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
afro-xlmr-base278M0.830.75
afro-xlmr-large560M0.860.76
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
XLMRobertaForMaskedLM
Ревизия весов
9d02d02

0 моделей