/ Модель

Характеристики

Контекст
512 токенов
Параметры
4,6 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
29 июл 2023

turkish-tiny-bert-uncased

Заполнение пропусковТекст → текст3 профессии

Компактный турецкий BERT предсказывает пропущенные токены и подходит для экспериментов с заполнением масок в турецком тексте.

161скачиваний за 30 дней8лайковвеса обновлены27 дек 2023

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

ytu-ce-cosmos/turkish-tiny-bert-uncased — компактная модель BERT для турецкого языка, разработанная ytu-ce-cosmos для заполнения пробела в линейке небольших турецких BERT-моделей. Она предназначена для задачи fill-mask: предсказывает пропущенные токены в тексте. Модель содержит 4,6 млн параметров, поддерживает контекст до 512 токенов и доступна в форматах PyTorch, Safetensors и TensorFlow; архитектура — BertForPreTraining.

Модель uncased и не различает регистр. Из-за известной проблемы токенизатора перед подачей текста нужно вручную привести его к нижнему регистру, сначала заменив латинскую заглавную I на турецкую ı: text.replace("I", "ı").lower(). В README указано, что обучение преимущественно на собранных из сети данных может приводить к предвзятым предсказаниям. Лицензия — MIT.

Сценарии применения

  • предсказание пропущенного слова в турецком предложении
  • восстановление замаскированных токенов в турецком тексте
  • изучение турецкого языка с упражнениями на заполнение пропусков

Ограничения

Перед токенизацией текст необходимо вручную привести к нижнему регистру с заменой латинской I на турецкую ı; стандартный флаг do_lower_case=True использовать не следует. Обучение преимущественно на собранных из сети данных может приводить к предвзятым предсказаниям.

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

turkish-tiny-bert-uncased

This is a Turkish Tiny uncased BERT model, developed to fill the gap for small-sized BERT models for Turkish. Since this model is uncased: it does not make a difference between turkish and Turkish.

⚠ Uncased use requires manual lowercase conversion

Don't use the do_lower_case = True flag with the tokenizer. Instead, convert your text to lower case as follows:

text.replace("I", "ı").lower()

This is due to a known issue with the tokenizer.

Be aware that this model may exhibit biased predictions as it was trained primarily on crawled data, which inherently can contain various biases.

Other relevant information can be found in the paper.

Example Usage

from transformers import AutoTokenizer, BertForMaskedLM
from transformers import pipeline

model = BertForMaskedLM.from_pretrained("ytu-ce-cosmos/turkish-tiny-bert-uncased")
# or
# model = BertForMaskedLM.from_pretrained("ytu-ce-cosmos/turkish-tiny-bert-uncased", from_tf = True)

tokenizer = AutoTokenizer.from_pretrained("ytu-ce-cosmos/turkish-tiny-bert-uncased")

unmasker = pipeline('fill-mask', model=model, tokenizer=tokenizer)
unmasker("gelirken bir litre [MASK] aldım.")
# [{'score': 0.202457457780838,
#   'token': 2417,
#   'token_str': 'su',
#   'sequence': 'gelirken bir litre su aldım.'},
#  {'score': 0.09290537238121033,
#   'token': 11818,
#   'token_str': 'benzin',
#   'sequence': 'gelirken bir litre benzin aldım.'},
#  {'score': 0.07785643637180328,
#   'token': 2026,
#   'token_str': '##den',
#   'sequence': 'gelirken bir litreden aldım.'},
#  {'score': 0.06889808923006058,
#   'token': 2299,
#   'token_str': '##yi',
#   'sequence': 'gelirken bir litreyi aldım.'},
#  {'score': 0.03152570128440857,
#   'token': 2647,
#   'token_str': '##ye',
#   'sequence': 'gelirken bir litreye aldım.'}]

Acknowledgments

  • Research supported with Cloud TPUs from Google's TensorFlow Research Cloud (TFRC). Thanks for providing access to the TFRC ❤️
  • Thanks to the generous support from the Hugging Face team, it is possible to download models from their S3 storage 🤗

Citations

@article{kesgin2023developing,
  title={Developing and Evaluating Tiny to Medium-Sized Turkish BERT Models},
  author={Kesgin, Himmet Toprak and Yuce, Muzaffer Kaan and Amasyali, Mehmet Fatih},
  journal={arXiv preprint arXiv:2307.14134},
  year={2023}
}

License

MIT

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
BertForPreTraining
Ревизия весов
2087940

0 моделей