/ Модель

Характеристики

Контекст
512 токенов
Параметры
152 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Базовая модель
bert-base-cased
Опубликована
2 мар 2022

EstBERT

Заполнение пропусковТекст → текст5 профессий

Регистрозависимая эстонская BERT-модель для заполнения пропусков в тексте и дообучения под задачи анализа эстонского языка.

1 663скачиваний за 30 дней4лайкавеса обновлены5 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

EstBERT — предварительно обученная регистрозависимая модель семейства BERT, разработанная tartuNLP для эстонского языка. Она обучена на корпусе Estonian National Corpus 2017 и представлена в вариантах обучения с длиной последовательности 128 и 512 токенов; максимальный контекст составляет 512 токенов. Модель содержит 151,6 млн параметров и основана на google-bert/bert-base-cased.

Основной сценарий применения — предсказание замаскированных слов. После дообучения EstBERT можно использовать для разметки частей речи и морфологии, распознавания именованных сущностей, классификации тем и анализа тональности на эстонских текстах. В приведённых авторами сравнениях она превосходит mBERT и XLM-RoBERTa по ряду задач, хотя результаты зависят от задачи и варианта оценки.

Модель принимает текст и выдаёт предсказания токенов. Доступны веса в форматах PyTorch, Flax и Safetensors. Лицензия — CC BY 4.0; при распространении и использовании необходимо соблюдать её условия и указывать авторство.

Сценарии применения

  • предсказание пропущенного слова в эстонском тексте
  • дообучение для распознавания именованных сущностей на эстонском
  • разметка частей речи и морфологических признаков
  • классификация тем эстонских текстов
  • анализ тональности эстонских отзывов

Ограничения

Предварительно обученная модель предназначена прежде всего для эстонского языка; задачи классификации и разметки требуют соответствующего дообучения. Контекст ограничен 512 токенами.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

EstBERT

What's this?

The EstBERT model is a pretrained BERTBase model exclusively trained on Estonian cased corpus on both 128 and 512 sequence length of data.

How to use?

You can use the model with the transformers library the following way.

from transformers import AutoTokenizer, AutoModelForMaskedLM

tokenizer = AutoTokenizer.from_pretrained("tartuNLP/EstBERT")
model = AutoModelForMaskedLM.from_pretrained("tartuNLP/EstBERT")

You can also download the pretrained model from here, EstBERT_128 EstBERT_512

Dataset used to train the model

The EstBERT model is trained both on 128 and 512 sequence length of data. For training the EstBERT we used the Estonian National Corpus 2017, which was the largest Estonian language corpus available at the time. It consists of four sub-corpora: Estonian Reference Corpus 1990-2008, Estonian Web Corpus 2013, Estonian Web Corpus 2017 and Estonian Wikipedia Corpus 2017.

Reference to cite

Tanvir et al 2021

Why would I use?

Overall EstBERT performs better in parts of speech (POS), name entity recognition (NER), rubric, and sentiment classification tasks compared to mBERT and XLM-RoBERTa. The comparative results can be found below;

ModelUPOSXPOSMorphbf UPOSbf XPOSMorph
EstBERT97.8998.4096.9397.8498.4396.80
mBERT97.4298.0696.2497.4398.1396.13
XLM-RoBERTa97.7898.3696.5397.8098.4096.69
ModelRubric128Sentiment128Rubric128Sentiment512
EstBERT81.7074.3680.9674.50
mBERT75.6770.2374.9469.52
XLM-RoBERTa80.3474.5078.6276.07
ModelPrecicion128Recall128F1-Score128Precision512Recall512F1-Score512
EstBERT88.4290.3889.3988.3589.7489.04
mBERT85.8887.0986.5188.4788.2888.37
XLM-RoBERTa87.5591.1989.3487.5090.7689.10

BibTeX entry and citation info

@inproceedings{tanvir-etal-2021-estbert,
    title = {{EstBERT: A Pretrained Language-Specific BERT for Estonian}},
    author = "Tanvir, Hasan  and
      Kittask, Claudia  and
      Eiche, Sandra  and
      Sirts, Kairit",
    editor = "Dobnik, Simon  and
      {\O}vrelid, Lilja",
    booktitle = "Proceedings of the 23rd Nordic Conference on Computational Linguistics (NoDaLiDa)",
    year = "2021",
    address = "Reykjavik, Iceland (Online)",
    publisher = {Link{\"o}ping University Electronic Press, Sweden},
    url = "https://aclanthology.org/2021.nodalida-main.2/",
    pages = "11--19"
}
@misc{tanvir2020estbert,
      title={{EstBERT: A Pretrained Language-Specific BERT for Estonian}}, 
      author={Hasan Tanvir and Claudia Kittask and Kairit Sirts},
      year={2020},
      eprint={2011.04784},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
77837f0

0 моделей