Bert Base Arabic Camelbert Ca Pos Egy

🚀 CAMeLBERT-CA POS-EGY モデル

CAMeLBERT-CA POS-EGY モデルは、エジプトアラビア語の品詞タグ付けモデルです。このモデルは、CAMeLBERT-CA 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、ARZTB 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-CA POS-EGY モデルは、transformers パイプラインの一部として使用できます。 このモデルは、近い将来 CAMeL Tools でも利用可能になります。

✨ 主な機能

• エジプト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ます。

📦 インストール

モデルをダウンロードするには、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

>>> from transformers import pipeline
>>> pos = pipeline('token-classification', model='CAMeL-Lab/bert-base-arabic-camelbert-ca-pos-egy')
>>> text = 'عامل ايه ؟'
>>> pos(text)
[{'entity': 'adj', 'score': 0.9990943, 'index': 1, 'word': 'عامل', 'start': 0, 'end': 4}, {'entity': 'pron_interrog', 'score': 0.99863535, 'index': 2, 'word': 'ايه', 'start': 5, 'end': 8}, {'entity': 'punc', 'score': 0.99990875, 'index': 3, 'word': '؟', 'start': 9, 'end': 10}]

📚 ドキュメント

• 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。

📄 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.",
}