Multi dialect Arabic BERT

Многооборотный арабик-берт

Это репозиторий модели с несколькими цифрами арабской Берт.

От Mawdoo3-AI.

О нашей модели с несколькими цифрами-арабикой-бертом

Вместо того, чтобы обучать многоодежную арабскую модель BERT с нуля, мы инициализировали веса модели, используя арабский берт и обучили ее на 10-метровых твитах из невысветенных данных нюансированной идентификации арабского диалекта (NADI) общей задачи.

Цитировать эту работу

 @misc{talafha2020multidialect,
    title={Multi-Dialect Arabic BERT for Country-Level Dialect Identification},
    author={Bashar Talafha and Mohammad Ali and Muhy Eddin Za'ter and Haitham Seelawi and Ibraheem Tuffaha and Mostafa Samir and Wael Farhan and Hussein T. Al-Natsheh},
    year={2020},
    eprint={2007.05612},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

Использование

Веса модели можно загрузить с помощью библиотеки transformers путем HuggingFace.

 from transformers import AutoTokenizer , AutoModel

tokenizer = AutoTokenizer . from_pretrained ( "bashar-talafha/multi-dialect-bert-base-arabic" )
model = AutoModel . from_pretrained ( "bashar-talafha/multi-dialect-bert-base-arabic" )

Пример с использованием pipeline :

 from transformers import pipeline

fill_mask = pipeline (
    "fill-mask" ,
    model = "bashar-talafha/multi-dialect-bert-base-arabic " ,
    tokenizer = "bashar-talafha/multi-dialect-bert-base-arabic "
)

fill_mask ( " سافر الرحالة من مطار [MASK] " )

 [{'sequence': '[CLS] سافر الرحالة من مطار الكويت [SEP]', 'score': 0.08296813815832138, 'token': 3226},
 {'sequence': '[CLS] سافر الرحالة من مطار دبي [SEP]', 'score': 0.05123933032155037, 'token': 4747},
 {'sequence': '[CLS] سافر الرحالة من مطار مسقط [SEP]', 'score': 0.046838656067848206, 'token': 13205},
 {'sequence': '[CLS] سافر الرحالة من مطار القاهرة [SEP]', 'score': 0.03234650194644928, 'token': 4003},
 {'sequence': '[CLS] سافر الرحالة من مطار الرياض [SEP]', 'score': 0.02606341242790222, 'token': 2200}]

Параметры модели

Параметр	Ценить
архитектура	Bertformaskedlm
hidden_size	768
max_position_embeddings	512
Num_Attention_heads	12
num_hidden_layers	12
vocab_size	32000
hidden_size	768
Общее количество параметров	110 м