/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
BalBERT
Опубликована
5 авг 2026

BalPOS

Разметка токеновТекст → label3 профессии

Модель размечает токены белуджского текста 16 универсальными категориями частей речи Universal Dependencies.

48скачиваний за 30 дней1лайквеса обновлены10 авг 2026

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

BalPOS v2 — модель Shah Bakhsh для разметки частей речи в текстах на белуджском языке. Это XLM-RoBERTa, дообученная на базе shahbakhsh/BalBERT для классификации токенов по 16 категориям Universal Dependencies (UPOS). Модель содержит 305,2 млн параметров, принимает текст и имеет контекстное окно 514 токенов.

Модель предназначена для синтаксической разметки белуджских текстов и исследовательских и прикладных NLP-конвейеров для этого языка. В README приведены результаты на отложенной тестовой выборке: точность 87,26% и взвешенная F1-мера 87,22%. Оценка проведена на корпусе из 774 предложений и 14 852 токенов.

Качество может снижаться на диалектах и орфографических вариантах, отличающихся от корпуса; редкие метки имеют более высокую вариативность результатов. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • разметка частей речи в белуджских предложениях
  • подготовка белуджского текста для синтаксического анализа
  • автоматическое присвоение UPOS-меток токенам
  • создание корпусов и NLP-конвейеров для белуджского языка

Ограничения

Обучение и оценка опираются на корпус из одного источника, поэтому качество на других диалектах и орфографических вариантах может отличаться. Для редких меток, например INTJ и X, результаты более вариативны.

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

🏷️ BalPOS v2 — Balochi Universal Part-of-Speech Tagger

State-of-the-Art Universal Dependencies POS Tagging for the Balochi Language

Hugging Face Model GitHub Repository License: Apache 2.0 Base Model

AccuracyWeighted F1MCCMacro F1
87.26 %87.22 %0.852678.99 %

💎 Model Highlights & Architecture

BalPOS v2 is a transformer-based token-classification model fine-tuned from shahbakhsh/BalBERT specifically for Universal Dependencies (UD) Part-of-Speech tagging on the Balochi language (bal).

Developed by Shah Bakhsh, BalPOS v2 provides the foundational syntactic layer for the Balochi NLP research ecosystem.

Key Architectural Attributes

  • Base Architecture: Pretrained Transformer (shahbakhsh/BalBERT)
  • Task: Token Classification (Universal POS Tagging)
  • Tagset: 16 Universal Dependencies (UPOS) tags
  • Target Language: Balochi (bal)
  • Validation Protocol: 5-Fold Cross-Validation over 85% data + 15% Untouched Final Hold-Out Test Set
  • Deterministic Training: Fixed random seed (42), cuDNN deterministic execution enabled

🎯 Benchmark Performance (Final Hold-Out Test)

The evaluation results below reflect performance on the 15% final hold-out test set, which was never seen during hyperparameter optimization or fold selection:

MetricExact ScorePercentageStatus
Accuracy0.872687.26%🥇 Primary Benchmark
Weighted F10.872287.22%⚡ Distribution Weighted
Weighted Precision0.874187.41%⚡ Distribution Weighted
Weighted Recall0.872687.26%⚡ Distribution Weighted
Matthews Correlation Coefficient (MCC)0.85260.8526📐 Multi-Class Quality
Macro F10.789978.99%⚖️ Unweighted Class Mean
Macro Precision0.795679.56%⚖️ Unweighted Class Mean
Macro Recall / Balanced Accuracy0.788178.81%⚖️ Unweighted Class Mean

⚙️ Hyperparameters & Model Selection

Model selection was performed via 5-fold cross-validation over the development split following randomized search hyperparameter optimization:

{
  "learning_rate": 1e-05,
  "batch_size": 8,
  "epochs": 15,
  "weight_decay": 0.01,
  "warmup_ratio": 0.05,
  "gradient_accumulation_steps": 1,
  "seed": 42,
  "best_fold": "Fold 5"
}

🚀 Usage & Quickstart

Option 1: High-Level pipeline

from transformers import pipeline

# Load BalPOS v2 pipeline from Hugging Face
tagger = pipeline(
    task="token-classification",
    model="shahbakhsh/BalPOS",
    aggregation_strategy="simple"
)

# Tag Balochi sentence
text = "وتی فلسفہ"
results = tagger(text)

for entity in results:
    print(f"Token: {entity['word']:<15} | Tag: {entity['entity_group']:<8} | Score: {entity['score']:.4f}")

Option 2: Direct PyTorch / Transformers API

import torch
from transformers import AutoTokenizer, AutoModelForTokenClassification

model_id = "shahbakhsh/BalPOS"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForTokenClassification.from_pretrained(model_id)
model.eval()

sentence = "وتی فلسفہ"
inputs = tokenizer(sentence, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits

predictions = torch.argmax(logits, dim=-1)[0]
tokens = tokenizer.convert_ids_to_tokens(inputs["input_ids"][0])

for token, pred_id in zip(tokens, predictions):
    if token not in [tokenizer.cls_token, tokenizer.sep_token, tokenizer.pad_token]:
        tag = model.config.id2label[pred_id.item()]
        print(f"{token:<15} -> {tag}")

📊 Universal POS Tagset (16 Labels)

BalPOS v2 maps Balochi tokens to all 16 UPOS categories:

TagNameDescriptionExample Tokens
ADJAdjectiveModifies a nounگران, شَر
ADPAdpositionPreposition / Postpositionگۆں, ماں
ADVAdverbModifies verb/adjانّۆ, سک
AUXAuxiliaryAuxiliary or copular verbاِنت, بوت
CCONJCoordinating ConjunctionConnects words or clausesءُ, یا
DETDeterminerDemonstrative or articleاے, آ
INTJInterjectionExclamationواہ, ھۆ
NOUNNounCommon nounمارچ, کتاب
NUMNumeralCardinal/ordinal numberیک, دۆ
PARTParticleFunction wordمئے
PRONPronounPersonal/possessive pronounمن, تئو, وتی
PROPNProper NounName of entityبلوچستان, کراچی
PUNCTPunctuationPunctuation marks. , ؟ !
SCONJSubordinating ConjunctionSubordinating connectorکہ, پرچا کہ
VERBVerbAction/state verbرَوت, گوشیت
XOtherForeign or unclassified token—

📂 Corpus & Dataset Information

  • Corpus: Custom Balochi UD (CoNLL-U) Corpus
  • Total Corpus Size: 774 sentences / 14,852 tokens
  • Development Partition (85%): Used for 5-Fold Cross-Validation & HPO
  • Test Partition (15%): Untouched hold-out test set for final reporting

⚠️ Limitations & Ethical Considerations

  1. Single-Source Corpus: Annotations and vocabulary are inherited from the source CoNLL-U corpus.
  2. Rare Tags Variance: Infrequent tags (such as INTJ or X) have higher variance in per-class evaluation.
  3. Dialectal Scope: Evaluated primarily on standard orthographic conventions present in the training set.

🗺️ Balochi NLP Ecosystem Roadmap

BalPOS v2 is part of an ongoing open-source initiative for Balochi NLP led by Shah Bakhsh:

  • 🟢 shahbakhsh/BalBERT — Pretrained Masked Language Model (Released)
  • 🟢 shahbakhsh/BalPOS — Universal POS Tagger (Released)
  • 🟡 BalNER — Named Entity Recognition for Balochi (In Development)
  • 🟡 BalMorph — Morphological Feature Tagging (In Development)
  • 🟡 BalParser — Universal Dependency Parser (In Development)

📜 Citation & Attribution

If you use BalPOS v2 or BalBERT, please cite this repository:

@misc{balpos_v2_2026,
  title        = {{BalPOS v2: Balochi Universal Part-of-Speech Tagger}},
  author       = {Shah Bakhsh},
  year         = {2026},
  publisher    = {Hugging Face},
  howpublished = {\url{https://huggingface.co/shahbakhsh/BalPOS}},
  note         = {Fine-tuned from shahbakhsh/BalBERT on Balochi UD Corpus}
}

📄 License

Distributed under the Apache License 2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaForTokenClassification
Ревизия весов
572de08

0 моделей