RobeCzech: Czech RoBERTa, a Monolingual Contextualized Language Representation Model

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F21%3A10440579" target="_blank" >RIV/00216208:11320/21:10440579 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-030-83527-9_17" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-030-83527-9_17</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-83527-9_17" target="_blank" >10.1007/978-3-030-83527-9_17</a>

Jazyk výsledku

angličtina

Název v původním jazyce

RobeCzech: Czech RoBERTa, a Monolingual Contextualized Language Representation Model

Popis výsledku v původním jazyce

We present RobeCzech, a monolingual RoBERTa language representation model trained on Czech data. RoBERTa is a robustly optimized Transformer-based pretraining approach. We show that RobeCzech considerably outperforms equally-sized multilingual and Czech-trained contextualized language representation models, surpasses current state of the art in all five evaluated NLP tasks and reaches state-of-the-art results in four of them. The RobeCzech model is released publicly at https://hdl.handle.net/11234/1-3691 and https://huggingface.co/ufal/robeczech-base.

Název v anglickém jazyce

RobeCzech: Czech RoBERTa, a Monolingual Contextualized Language Representation Model

Popis výsledku anglicky

We present RobeCzech, a monolingual RoBERTa language representation model trained on Czech data. RoBERTa is a robustly optimized Transformer-based pretraining approach. We show that RobeCzech considerably outperforms equally-sized multilingual and Czech-trained contextualized language representation models, surpasses current state of the art in all five evaluated NLP tasks and reaches state-of-the-art results in four of them. The RobeCzech model is released publicly at https://hdl.handle.net/11234/1-3691 and https://huggingface.co/ufal/robeczech-base.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/LM2018101" target="_blank" >LM2018101: Digitální výzkumná infrastruktura pro jazykové technologie, umění a humanitní vědy</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

24th International Conference on Text, Speech and Dialogue

ISBN

978-3-030-83526-2

ISSN

—

e-ISSN

—

Počet stran výsledku

13

Strana od-do

197-209

Název nakladatele

Springer

Místo vydání

Cham, Switzerland

Místo konání akce

Olomouc, Czechia

Datum konání akce

6. 9. 2021

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—