/ Модель

Характеристики

Контекст
512 токенов
Параметры
190 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
MARBERTv2
Опубликована
4 сен 2026

marbert-arabic-dialect-id

Классификация текстаТекст → label3 профессии

Классификатор коротких арабских текстов, определяющий диалект по одной из 18 стран.

89скачиваний за 30 дней0лайковвеса обновлены4 сен 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

Модель zoro6u/marbert-arabic-dialect-id — дообученная MARBERTv2 для определения одной из 18 странных разновидностей арабского диалекта по тексту. Это BERT-модель классификации последовательностей с 190 млн параметров и контекстом до 512 токенов; в обучении использовались короткие сообщения из Twitter, а для инференса рекомендуется удалять упоминания и URL, символы # и диакритические знаки, а также схлопывать пробелы.

Модель предсказывает метки для Омана, Судана, Саудовской Аравии, Кувейта, Катара, Ливана, Иордании, Сирии, Ирака, Марокко, Египта, Палестины, Йемена, Бахрейна, ОАЭ, Туниса и Ливии. Макро-F1 на тесте составляет 0,614. Лучше всего модель распознаёт египетский, ливийский, ливанский, суданский и марокканский варианты; хуже — близкие варианты стран Персидского залива и йеменский диалект.

Модель предназначена для классификации арабских сообщений по диалекту и стране, например для анализа публикаций в социальных сетях. Качество ограничено шумными метками, автоматически выведенными из профилей авторов, обучением только на твитах и небольшими тестовыми выборками для отдельных классов; на формальном тексте и в других жанрах точность может быть ниже. Лицензия — MIT.

Сценарии применения

  • определение страны происхождения арабского твита
  • классификация арабских сообщений по диалекту
  • анализ диалектов в публикациях соцсетей

Ограничения

Обучение основано на твитах и шумных метках по профилям авторов, поэтому качество на формальном тексте и в других жанрах может быть ниже. Распознавание близких диалектов стран Персидского залива и йеменского варианта слабее; оценки по классам имеют широкую неопределённость.

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

MARBERTv2 — Arabic Dialect Identification (18 countries)

Fine-tuned MARBERTv2 for country-level Arabic dialect classification on the QADI tweet dataset.

Test macro-F1: 0.614 (baseline TF-IDF + LinearSVC: 0.582; original QADI paper: 0.606).

Labels: OM, SD, SA, KW, QA, LB, JO, SY, IQ, MA, EG, PL, YE, BH, DZ, AE, TN, LY.

Usage

from transformers import pipeline
clf = pipeline("text-classification", model="zoro6u/marbert-arabic-dialect-id")
clf("شنو الاخبار يا زول كيفك")
# [{'label': 'SD', 'score': 0.99}]

Preprocessing used in training (apply the same before inference): remove @mentions and URLs, strip #, remove diacritics, collapse whitespace.

Training

  • Data: QADI, 440k train tweets, 18 balanced country labels (auto-labeled from author profiles, ~91.5% label accuracy per the paper)
  • 2 epochs, lr 2e-5, batch 128, max_len 64, fp16, warmup 400 steps, weight decay 0.01
  • ~1h40 on 2×T4 (Kaggle)

Per-dialect F1 (test)

OMSDSAKWQALBJOSYIQMAEGPLYEBHDZAETNLY
.52.72.54.65.55.73.49.51.68.71.85.63.41.46.66.51.66.78

Strongest: EG, LY, LB, SD, MA. Weakest: the Gulf cluster and YE, where dialects are close and tweets are short.

Limitations

  • Labels are author-level, not text-level: noisy by construction.
  • Trained on tweets; expect lower accuracy on formal text or other domains.
  • Per-dialect scores have wide error bars (test set 181–1130 samples per class).

Code and baseline: github.com/zoro6u/arabic-dialect-id

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
e5240ee

0 моделей