懂AI
herbert-base-cased

herbert-base-cased

波兰语自然语言处理的新突破：HerBERT预训练模型

HerBERT是一款专为波兰语设计的预训练语言模型，基于BERT架构并结合掩码语言建模和句子结构目标进行优化。该模型在六大波兰语语料库上训练，涵盖超过86亿个标记，采用50k词汇量的字符级字节对编码分词器。HerBERT为波兰语自然语言处理研究和应用提供了坚实基础，可广泛应用于文本分类、命名实体识别等多种任务。

预训练语言模型模型HerBERTGithub深度学习波兰语模型Huggingface开源项目自然语言处理
访问官网GitHubHugging Face论文文档

HerBERT项目介绍

HerBERT是一个基于BERT的波兰语言模型,由Allegro公司的机器学习研究团队和波兰科学院计算机科学研究所的语言工程小组联合开发。该模型采用掩码语言建模(MLM)和句子结构目标(SSO)在波兰语语料库上进行训练,使用了动态掩码整词的技术。

训练语料库

HerBERT的训练使用了6个不同的波兰语语料库,总计包含超过86亿个词元。主要语料库包括:

  • CCNet Middle和CCNet Head:来自Common Crawl的高质量网页文本
  • 波兰国家语料库:包含各类文本的大规模语料库
  • Open Subtitles:电影字幕文本
  • 维基百科:波兰语维基百科文章
  • Wolne Lektury:公版文学作品

这些语料库涵盖了多种文本类型和领域,有助于模型学习丰富的语言知识。

分词器

HerBERT使用基于字符级字节对编码(BPE)的分词器,词表大小为5万个词元。分词器采用tokenizers库进行训练,建议用户使用HerbertTokenizerFast这一快速版本的分词器。

模型使用

使用HerBERT非常简单,只需几行代码即可加载模型和分词器:

from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("allegro/herbert-base-cased")
model = AutoModel.from_pretrained("allegro/herbert-base-cased")

然后就可以使用tokenizer对输入文本进行编码,并将编码后的结果输入模型进行处理。

许可证和引用

HerBERT采用CC BY 4.0许可证发布。如果在研究中使用了该模型,请引用相关论文《HerBERT: Efficiently Pretrained Transformer-based Language Model for Polish》。

总结

HerBERT为波兰语自然语言处理任务提供了一个强大的预训练语言模型。它在多样化的大规模语料库上训练,采用了先进的模型架构和训练技术,可以为各种下游任务提供良好的语言表示。该项目的开源为波兰语NLP研究和应用提供了宝贵的资源。

编辑推荐精选

扣子-AI办公

扣子-AI办公

职场AI，就用扣子

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

堆友

堆友

多风格AI绘画神器

堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。

图像生成AI工具AI反应堆AI工具箱AI绘画GOAI艺术字堆友相机AI图像热门
码上飞

码上飞

零代码AI应用开发平台

零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码，轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

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。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

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。

下拉加载更多