/ Модель

Характеристики

Контекст
514 токенов
Параметры
125 млн
Архитектура
xlm-roberta · dense
Опубликована
17 окт 2023

visobert

Заполнение пропусковТекст → текст3 профессии

Монолингвальная модель XLM-RoBERTa для заполнения пропусков и анализа вьетнамских текстов из социальных сетей.

11 144скачиваний за 30 дней35лайковвеса обновлены9 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

ViSoBERT là một языковая модель, разработанная авторами исследования Nam Nguyen, Thang Phan, Duc-Vu Nguyen и Kiet Nguyen для обработки вьетнамских текстов из социальных сетей. Она построена на архитектуре XLM-RoBERTa и обучена как монолингвальная модель с маскированным языковым моделированием; в репозитории представлены веса PyTorch объёмом около 124,8 млн параметров, а длина контекста составляет 514 токенов.

Модель предназначена для заполнения пропусков в тексте и как основа для дообучения под анализ эмоций, выявление языка вражды, анализ тональности, обнаружение спам-отзывов и разметку фрагментов с языком вражды во вьетнамских публикациях. Авторы сообщают о результатах уровня state of the art на нескольких задачах обработки вьетнамских социальных сетей. В карточке указана лицензия для использования только в исследовательских целях; авторы просят цитировать статью при публикации результатов или включении модели в программное обеспечение.

Сценарии применения

  • заполнение пропущенных слов во вьетнамских публикациях
  • дообучение классификатора эмоций в комментариях
  • выявление языка вражды в сообщениях
  • анализ тональности вьетнамских отзывов
  • обнаружение спам-отзывов в социальных сетях
  • определение фрагментов с языком вражды

Ограничения

Модель рассчитана на вьетнамские тексты социальных сетей, а не на универсальные многоязычные сценарии; задачи классификации требуют соответствующего дообучения. Авторы ограничивают использование исследовательскими целями; примеры в статье могут содержать оскорбительный или обсценный контент.

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

ViSoBERT: A Pre-Trained Language Model for Vietnamese Social Media Text Processing (EMNLP 2023 - Main)

Disclaimer: The paper contains actual comments on social networks that might be construed as abusive, offensive, or obscene.

ViSoBERT is the state-of-the-art language model for Vietnamese social media tasks:

  • ViSoBERT is the first monolingual MLM (XLM-R architecture) built specifically for Vietnamese social media texts.
  • ViSoBERT outperforms previous monolingual, multilingual, and multilingual social media approaches, obtaining new state-of-the-art performances on four downstream Vietnamese social media tasks.

The general architecture and experimental results of ViSoBERT can be found in our paper:

@inproceedings{nguyen-etal-2023-visobert,
    title = "{V}i{S}o{BERT}: A Pre-Trained Language Model for {V}ietnamese Social Media Text Processing",
    author = "Nguyen, Nam  and
      Phan, Thang  and
      Nguyen, Duc-Vu  and
      Nguyen, Kiet",
    editor = "Bouamor, Houda  and
      Pino, Juan  and
      Bali, Kalika",
    booktitle = "Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing",
    month = dec,
    year = "2023",
    address = "Singapore",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2023.emnlp-main.315",
    pages = "5191--5207",
    abstract = "English and Chinese, known as resource-rich languages, have witnessed the strong development of transformer-based language models for natural language processing tasks. Although Vietnam has approximately 100M people speaking Vietnamese, several pre-trained models, e.g., PhoBERT, ViBERT, and vELECTRA, performed well on general Vietnamese NLP tasks, including POS tagging and named entity recognition. These pre-trained language models are still limited to Vietnamese social media tasks. In this paper, we present the first monolingual pre-trained language model for Vietnamese social media texts, ViSoBERT, which is pre-trained on a large-scale corpus of high-quality and diverse Vietnamese social media texts using XLM-R architecture. Moreover, we explored our pre-trained model on five important natural language downstream tasks on Vietnamese social media texts: emotion recognition, hate speech detection, sentiment analysis, spam reviews detection, and hate speech spans detection. Our experiments demonstrate that ViSoBERT, with far fewer parameters, surpasses the previous state-of-the-art models on multiple Vietnamese social media tasks. Our ViSoBERT model is available only for research purposes. Disclaimer: This paper contains actual comments on social networks that might be construed as abusive, offensive, or obscene.",
}

The pretraining dataset of our paper is available at: Pretraining dataset

Please CITE our paper when ViSoBERT is used to help produce published results or is incorporated into other software.

Installation

Install transformers and SentencePiece packages:

pip install transformers
pip install SentencePiece

Example usage

from transformers import AutoModel, AutoTokenizer
import torch

model= AutoModel.from_pretrained('uitnlp/visobert')
tokenizer = AutoTokenizer.from_pretrained('uitnlp/visobert')

encoding = tokenizer('hào quang rực rỡ', return_tensors='pt')

with torch.no_grad():
  output = model(**encoding)

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
XLMRobertaForMaskedLM
Ревизия весов
196a62a

0 моделей