Bert Base Arabic Camelbert Mix Pos Glf

🚀 CAMeLBERT-Mix POS-GLFモデル

CAMeLBERT-Mix POS-GLFモデルは、ガルフアラビア語の品詞タグ付けモデルです。このモデルは、CAMeLBERT-Mixモデルをファインチューニングすることで構築されました。 ファインチューニングには、Gumarデータセットを使用しました。 ファインチューニングの手順と使用したハイパーパラメータについては、論文 "The Interplay of Variant, Size, and Task Type in Arabic Pre-trained Language Models" を参照してください。ファインチューニングのコードはこちらで確認できます。

🚀 クイックスタート

CAMeLBERT-Mix POS-GLFモデルは、transformersパイプラインの一部として使用することができます。このモデルは、近々CAMeL Toolsでも利用可能になります。

✨ 主な機能

• ガルフアラビア語の品詞タグ付けを行うことができます。
• transformersパイプラインと互換性があり、簡単に使用できます。

📦 インストール

モデルを使用するには、transformers>=3.5.0が必要です。そうでない場合は、手動でモデルをダウンロードすることができます。

💻 使用例

基本的な使用法

モデルをtransformersパイプラインで使用するには、次のようにします。

>>> from transformers import pipeline
>>> pos = pipeline('token-classification', model='CAMeL-Lab/bert-base-arabic-camelbert-mix-pos-glf')
>>> text = 'شلونك ؟ شخبارك ؟'
>>> pos(text)
[{'entity': 'pron_interrog', 'score': 0.82657206, 'index': 1, 'word': 'شلون', 'start': 0, 'end': 4}, {'entity': 'prep', 'score': 0.9771731, 'index': 2, 'word': '##ك', 'start': 4, 'end': 5}, {'entity': 'punc', 'score': 0.9999568, 'index': 3, 'word': '؟', 'start': 6, 'end': 7}, {'entity': 'noun', 'score': 0.9977217, 'index': 4, 'word': 'ش', 'start': 8, 'end': 9}, {'entity': 'noun', 'score': 0.99993783, 'index': 5, 'word': '##خبار', 'start': 9, 'end': 13}, {'entity': 'prep', 'score': 0.5309442, 'index': 6, 'word': '##ك', 'start': 13, 'end': 14}, {'entity': 'punc', 'score': 0.9999575, 'index': 7, 'word': '؟', 'start': 15, 'end': 16}]

📚 ドキュメント

ファインチューニングの手順や使用したハイパーパラメータについては、論文 "The Interplay of Variant, Size, and Task Type in Arabic Pre-trained Language Models" を参照してください。ファインチューニングのコードはこちらで確認できます。

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。

引用

@inproceedings{inoue-etal-2021-interplay,
    title = "The Interplay of Variant, Size, and Task Type in {A}rabic Pre-trained Language Models",
    author = "Inoue, Go  and
      Alhafni, Bashar  and
      Baimukan, Nurpeiis  and
      Bouamor, Houda  and
      Habash, Nizar",
    booktitle = "Proceedings of the Sixth Arabic Natural Language Processing Workshop",
    month = apr,
    year = "2021",
    address = "Kyiv, Ukraine (Online)",
    publisher = "Association for Computational Linguistics",
    abstract = "In this paper, we explore the effects of language variants, data sizes, and fine-tuning task types in Arabic pre-trained language models. To do so, we build three pre-trained language models across three variants of Arabic: Modern Standard Arabic (MSA), dialectal Arabic, and classical Arabic, in addition to a fourth language model which is pre-trained on a mix of the three. We also examine the importance of pre-training data size by building additional models that are pre-trained on a scaled-down set of the MSA variant. We compare our different models to each other, as well as to eight publicly available models by fine-tuning them on five NLP tasks spanning 12 datasets. Our results suggest that the variant proximity of pre-training data to fine-tuning data is more important than the pre-training data size. We exploit this insight in defining an optimized system selection model for the studied tasks.",
}