注意：此模型已移至 linhd-postdata/alberti-bert-base-multilingual-cased

ALBERTI

ALBERTI是一套基于BERT的多语种诗歌模型，其中一个用于诗句，另一个用于诗歌段落。该模型还使用 Flax 对PULPO诗句语料进行了进一步训练，包括训练脚本。

这是由 HuggingFace 和由Google赞助的TPU使用组织的 Flax/Jax Community Week 的一部分。

PULPO

PULPO（Prodigious Unannotated Literary Poetry Corpus）是一组包含超过95M个词的多语种诗句和诗歌段落的语料库。

以下语料库使用 Averell 工具（由 POSTDATA 团队开发）下载：

西班牙语

• Disco v3
• Corpus of Spanish Golden-Age Sonnets
• Corpus general de poesía lírica castellana del Siglo de Oro
• Gongocorpus - source

英语

• Eighteenth-Century Poetry Archive (ECPA)
• For better for verse

法语

• Métrique en Ligne - source

意大利语

• Biblioteca italiana - source

捷克语

• Corpus of Czech Verse

葡萄牙语

• Stichotheque

此外，我们从以下来源获取了以下语料库：

西班牙语

• Poesi.as - source

英语

• A Gutenberg Poetry Corpus

阿拉伯语

• Arabic Poetry dataset

中文

• THU Chinese Classical Poetry Corpus

芬兰语

• SKVR

德语

• TextGrid Poetry Corpus - source
• German Rhyme Corpus

匈牙利语

• verskorpusz

葡萄牙语

• Poems in Portuguese

俄语

• 19 000 Russian poems

团队成员

• Álvaro Pérez ( alvp )
• Javier de la Rosa ( versae )
• Aitor Díaz ( aitordiaz )
• Elena González-Blanco
• Salvador Ros ( salva )

有用的链接

• Community Week timeline
• Community Week README
• Community Week thread
• Community Week channel
• Masked Language Modelling example scripts
• Model Repository

致谢

感谢HuggingFace和Google Cloud提供的基础设施和资源。此外，我们还要感谢POSTDATA项目（ERC-StG-679528）和欧盟Horizon 2020研究和创新计划的计算文学研究基础设施（CLS INFRA No. 101004984）对我们的支持和时间许可。