/ Модель

Характеристики

Контекст
514 токенов
Параметры
138 млн
Лицензия
CC BY-NC-ND 4.0
Архитектура
camembert · dense
Библиотека
transformers
Опубликована
9 дек 2024

AdminBERT-16GB

Заполнение пропусковТекст → текст3 профессии

Французская CamemBERT, адаптированная к административным текстам и предназначенная для предсказания замаскированных слов и последующей адаптации к анализу документов.

71скачиваний за 30 дней2лайкавеса обновлены6 фев 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

AdminBERT-16GB — французская языковая модель, разработанная для работы с административными документами. Это производная модели CamemBERT на архитектуре RoBERTa, дообученная на корпусе из 50 миллионов французских административных текстов из набора Adminset. Модель содержит 137,8 млн параметров, использует Whole Word Masking с долей маскирования 30% и принимает последовательности длиной до 514 токенов.

Основная задача модели — предсказывать замаскированные слова в тексте. Такое представление может быть полезно как основа для адаптации к административной лексике, включая последующее дообучение для распознавания именованных сущностей в документах. В README приведена оценка NER на Adminset-NER, но она относится к отдельным дообученным моделям, а не к AdminBERT-16GB напрямую. Модель распространяется по лицензии CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных материалов.

Сценарии применения

  • восстановление пропущенных слов во французских административных текстах
  • адаптация языковой модели к лексике административных документов
  • дообучение для распознавания именованных сущностей в административных документах

Ограничения

В README не приведены прямые результаты оценки AdminBERT-16GB на задаче заполнения пропусков; результаты NER относятся к отдельно дообученным моделям. Лицензия CC BY-NC-ND 4.0 ограничивает коммерческое использование и распространение производных материалов.

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

AdminBERT 16GB: A French Language Model adapted to administrative documents

AdminBERT-16GB is a French language model adapted on a large corpus of 50 millions French administrative texts. It is a derivative of CamemBERT model, which is based on the RoBERTa architecture. AdminBERT-16GB is trained using the Whole Word Masking (WWM) objective with 30% mask rate for 3 epochs on 24 A100 GPUs. The dataset used for training is Adminset.

Evaluation

Regarding the fact that at date, there was no evaluation coprus available compose of French administrative documents, we decide to create our own on the NER (Named Entity Recognition) task.

Model Performance

ModelP (%)R (%)F1 (%)
Wikineural-NER FT77.4975.4075.70
NERmemBERT-Large FT77.4378.3877.13
CamemBERT FT77.6279.5977.26
NERmemBERT-Base FT77.9979.5978.34
AdminBERT-NER 4G78.4780.3579.26
AdminBERT-NER 16GB78.7982.0780.11

To evaluate each model, we performed five runs and averaged the results on the test set of Adminset-NER.

Citation

If you use this dataset, please cite the following paper:

@inproceedings{sebbag-etal-2025-adminset,
    title = "{A}dmin{S}et and {A}dmin{BERT}: a Dataset and a Pre-trained Language Model to Explore the Unstructured Maze of {F}rench Administrative Documents",
    author = "Sebbag, Thomas  and
      Quiniou, Solen  and
      Stucky, Nicolas  and
      Morin, Emmanuel",
    editor = "Rambow, Owen  and
      Wanner, Leo  and
      Apidianaki, Marianna  and
      Al-Khalifa, Hend  and
      Eugenio, Barbara Di  and
      Schockaert, Steven",
    booktitle = "Proceedings of the 31st International Conference on Computational Linguistics",
    month = jan,
    year = "2025",
    address = "Abu Dhabi, UAE",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2025.coling-main.27/",
    pages = "392--406",
    abstract = "In recent years, Pre-trained Language Models(PLMs) have been widely used to analyze various documents, playing a crucial role in Natural Language Processing (NLP). However, administrative texts have rarely been used in information extraction tasks, even though this resource is available as open data in many countries. Most of these texts contain many specific domain terms. Moreover, especially in France, they are unstructured because many administrations produce them without a standardized framework. Due to this fact, current language models do not process these documents correctly. In this paper, we propose AdminBERT, the first French pre-trained language models for the administrative domain. Since interesting information in such texts corresponds to named entities and the relations between them, we compare this PLM with general domain language models, fine-tuned on the Named Entity Recognition (NER) task applied to administrative texts, as well as to a Large Language Model (LLM) and to a language model with an architecture different from the BERT one. We show that taking advantage of a PLM for French administrative data increases the performance in the administrative and general domains, on these texts. We also release AdminBERT as well as AdminSet, the pre-training corpus of administrative texts in French and the subset AdminSet-NER, the first NER dataset consisting exclusively of administrative texts in French."
}

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
CamembertForMaskedLM
Ревизия весов
b58ae5e

0 моделей