wangchanberta-base-att-spm-uncased
基于RoBERTa架构的泰语预训练模型
WangchanBERTa是一个基于RoBERTa架构的泰语预训练模型，在78.5GB的泰语文本上进行了训练。模型采用SentencePiece分词器，词汇量为25,000个子词。它可用于掩码语言建模、文本分类和标记分类等任务，为泰语自然语言处理提供了基础，适用于情感分析、评分预测、主题分类和命名实体识别等多种应用场景。
WangchanBERTa: 泰语预训练语言模型
WangchanBERTa是一个基于RoBERTa架构的泰语预训练语言模型。它在78.5GB的泰语文本语料上进行了预训练,旨在为泰语自然语言处理任务提供强大的基础模型。
模型介绍
WangchanBERTa采用了RoBERTa的模型架构,这是一种优化后的BERT模型。它主要用于掩码语言建模任务,即预测输入文本中的mask标记。此外,研究人员还针对多分类/多标签文本分类和标记分类等下游任务提供了微调模型。
主要特点
- 基于大规模泰语语料预训练(78.5GB未压缩文本)
- 采用SentencePiece分词器,词表大小为25,000个子词
- 序列长度限制为416个子词标记
- 在8张V100 GPU上训练了500,000步
应用场景
WangchanBERTa可以应用于多种泰语NLP任务,包括但不限于:
- 情感分析:对社交媒体帖子进行4分类情感分析
- 评分预测:预测用户评论的1-5星评分
- 主题分类:对新闻文章进行12个主题的多标签分类
- 命名实体识别:识别文本中的13种命名实体
- 词性标注:进行16种词性的标注
数据处理
模型在预训练前对原始文本进行了一系列预处理,包括HTML字符替换、重复字符处理、分词等。研究人员还特别处理了泰语中作为标点符号的空格,以保留重要的语言特征。
模型训练
WangchanBERTa在预处理后的381,034,638个独特泰语句子上进行了预训练。训练采用Adam优化器,学习率为3e-4,并使用了预热和线性衰减的学习率策略。
使用方法
研究人员提供了Colab notebook,方便用户快速上手使用WangchanBERTa模型。用户可以根据自己的需求,将模型应用于各种泰语自然语言处理任务中。
总的来说,WangchanBERTa为泰语NLP研究和应用提供了一个强大的基础模型,有望推动泰语自然语言处理技术的发展。
编辑推荐精选
潮际好麦
AI赋能电商视觉革命，一站式智能商拍平台
潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。
iTerms
企业专属的AI法律顾问
iTerms是法大大集团旗下法律子品牌，基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构，帮助企业扫清合规障碍，筑牢风控防线，成为您企业专属的AI法律顾问。
SimilarWeb流量提升
稳定高效的流量提升解决方案，助力品牌曝光
稳定高效的流量提升解决方案，助力品牌曝光
Sora2视频免费生成
最新版Sora2模型免费使用，一键生成无水印视频
最新版Sora2模型免费使用，一键生成无水印视频
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
商汤小浣熊
最强AI数据分析助手
小浣熊家族Raccoon，您的AI智能助手，致力于通过先进的人工智能技术，为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答，小浣熊都能以快速、准确的响应满足您的需求，让您的生活更加智能便捷。
imini AI
像人一样思考的AI智能体
imini 是一款超级AI智能体，能根据人类指令，自主思考、自主完成、并且交付结果的AI智能体。
Keevx
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号