bert-base-arabertv02

bert-base-arabertv02

AraBERT:用于阿拉伯语理解的高性能预训练模型

AraBERT是一系列基于BERT架构的阿拉伯语预训练语言模型。其中bert-base-arabertv02版本使用了77GB的大规模语料库进行训练,包含200M句子和8.6B词。这些模型在情感分析、命名实体识别和问答等多项任务中表现出色。AraBERT提供多个版本,包括base和large尺寸,以及预分割和未分割文本的变体,以满足不同应用需求。模型的优化和多样化为阿拉伯语自然语言处理研究和应用提供了有力支持。

模型BERTGithub开源项目Huggingface预训练语言模型自然语言处理阿拉伯语AraBERT

AraBERT项目介绍

AraBERT是一个基于Google BERT架构的阿拉伯语预训练语言模型。该项目由AUB MIND实验室开发,旨在为阿拉伯语自然语言处理任务提供强大的基础模型。

模型版本

AraBERT目前有多个版本:

  • AraBERTv0.2和v2:基础版(base)和大型版(large)
  • AraBERTv0.1和v1:早期版本
  • AraBERTv0.2-Twitter:在Twitter数据上进行了额外训练的版本

其中v2版本使用了Farasa分词器对文本进行了预分割处理。

数据集

AraBERT使用了大规模的阿拉伯语语料进行预训练,包括:

  • OSCAR无序语料库(经过过滤)
  • 阿拉伯语维基百科
  • 15亿词阿拉伯语语料库
  • OSIAN语料库
  • Assafir新闻文章

总数据量达到77GB,包含约86亿个单词。

模型训练

较新版本的AraBERT在更大的数据集上进行了更长时间的训练。例如AraBERTv0.2-large在TPUv3-128上训练了7天,总共550K步。

预处理

项目提供了专门的预处理函数,推荐在使用AraBERT之前对文本进行预处理。可以通过pip安装arabert包来使用预处理功能。

模型评估

AraBERT在情感分析、命名实体识别、问答等多个下游任务上进行了评估,并与mBERT等模型进行了比较,展现出优秀的性能。

模型获取

所有AraBERT模型都可以在Hugging Face模型库中找到,支持PyTorch、TensorFlow 2和TensorFlow 1格式。

总的来说,AraBERT为阿拉伯语NLP研究和应用提供了强大的预训练模型,大大推动了该领域的发展。

编辑推荐精选

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。

热门AI工具AI办公办公工具智能排版AI生成PPT博思AIPPT海量精品模板AI创作
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。

iTerms

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

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

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

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

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。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
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。

热门AI工具生产力协作转型TraeAI IDE
商汤小浣熊

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

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。

下拉加载更多