| |
| Dublin Core |
Elementos de metadatos PKP |
Metadatos para el documento |
| |
| 1. |
Título |
Título del documento |
MarIA: Spanish Language Models |
| |
| 2. |
Creador/a |
Nombre de autor/a, institución, país |
Asier Gutiérrez-Fandiño |
| |
| 2. |
Creador/a |
Nombre de autor/a, institución, país |
Jordi Armengol-Estapé |
| |
| 2. |
Creador/a |
Nombre de autor/a, institución, país |
Marc Pàmies |
| |
| 2. |
Creador/a |
Nombre de autor/a, institución, país |
Joan Llop-Palao |
| |
| 2. |
Creador/a |
Nombre de autor/a, institución, país |
Joaquin Silveira-Ocampo |
| |
| 2. |
Creador/a |
Nombre de autor/a, institución, país |
Casimiro Pio Carrino |
| |
| 2. |
Creador/a |
Nombre de autor/a, institución, país |
Carme Armentano-Oller |
| |
| 2. |
Creador/a |
Nombre de autor/a, institución, país |
Carlos Rodriguez-Penagos |
| |
| 2. |
Creador/a |
Nombre de autor/a, institución, país |
Aitor Gonzalez-Agirre |
| |
| 2. |
Creador/a |
Nombre de autor/a, institución, país |
Marta Villegas |
| |
| 3. |
Materia |
Disciplina(s) |
|
| |
| 3. |
Materia |
Palabra/s clave |
|
| |
| 4. |
Descripción |
Resumen |
This work presents MarIA, a family of Spanish language models and associated resources made available to the industry and the research community. Currently, MarIA includes RoBERTa-base, RoBERTa-large, GPT2 and GPT2-large Spanish language models, which can arguably be presented as the largest and most proficient language models in Spanish. The models were pretrained using a massive corpus of 570GB of clean and deduplicated texts with 135 billion words extracted from the Spanish Web Archive crawled by the National Library of Spain between 2009 and 2019. We assessed the performance of the models with nine existing evaluation datasets and with a novel extractive Question Answering dataset created ex novo. Overall, MarIA models outperform the existing Spanish models across a variety of NLU tasks and training settings. |
| |
| 5. |
Editorial |
Institución organizadora, ubicación |
Sociedad Española para el Procesamiento del Lenguaje Natural |
| |
| 6. |
Colaborador/a |
Patrocinador(es) |
|
| |
| 7. |
Fecha |
(DD-MM-AAAA) |
2022-03-15
|
| |
| 8. |
Tipo |
Estado y género |
Artículo revisado por pares |
| |
| 8. |
Tipo |
Tipo |
|
| |
| 9. |
Formato |
Formato de archivo |
PDF |
| |
| 10. |
Identificador |
Identificador uniforme de recursos |
http://journal.sepln.org/sepln/ojs/ojs/index.php/pln/article/view/6405 |
| |
| 11. |
Fuente |
Título; vol., núm. (año) |
Procesamiento del Lenguaje Natural; Vol. 68 (2022): Procesamiento del Lenguaje Natural, Revista nº 68, marzo de 2022 |
| |
| 12. |
Idioma |
Español=es |
es_ES |
| |
| 13. |
Relación |
Archivos complementarios |
|
| |
| 14. |
Cobertura |
Localización geoespacial, periodo cronológico, muestra de investigación (sexo, edad, etc.) |
|
| |
| 15. |
Derechos |
Derechos de autor/a y permisos |
Copyright (c) 2022 Procesamiento del Lenguaje Natural
|