/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
CC BY-SA 4.0
Архитектура
deberta-v2 · dense
Базовая модель
deberta-base-japanese-aozora
Опубликована
24 мая 2022

deberta-base-japanese-upos

Разметка токеновТекст → label

Модель DeBERTa V2 размечает японские слова тегами UPOS и поддерживает синтаксический анализ зависимостей.

120скачиваний за 30 дней0лайковвеса обновлены22 янв 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Koichi Yasuoka разработал модель DeBERTa V2 для морфологического анализа японского текста. Она дообучена на основе KoichiYasuoka/deberta-base-japanese-aozora и размечает каждое короткое слово тегом части речи UPOS. Модель также предназначена для синтаксического анализа зависимостей.

Модель содержит 137,8 млн параметров, использует архитектуру DeBERTa V2 и принимает текстовые последовательности длиной до 512 токенов. Она обучалась на текстах японской литературы из «Аозора Бунко»; для запуска можно использовать Transformers и PyTorch.

Модель подходит для разметки частей речи и анализа зависимостей в японском тексте. Лицензия CC BY-SA 4.0 требует указания авторства и распространения производных материалов на тех же условиях.

Сценарии применения

  • разметка частей речи в японских предложениях
  • морфологический анализ японских литературных текстов
  • подготовка японского текста для синтаксического разбора
  • анализ зависимостей между словами в японском предложении

Ограничения

Контекст ограничен 512 токенами; модель обучалась на японской литературе, поэтому её качество на других жанрах и современных текстах может отличаться.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

deberta-base-japanese-upos

Model Description

This is a DeBERTa(V2) model pre-trained on 青空文庫 texts for POS-tagging and dependency-parsing, derived from deberta-base-japanese-aozora. Every short-unit-word is tagged by UPOS (Universal Part-Of-Speech).

How to Use

import torch
from transformers import AutoTokenizer,AutoModelForTokenClassification
tokenizer=AutoTokenizer.from_pretrained("KoichiYasuoka/deberta-base-japanese-upos")
model=AutoModelForTokenClassification.from_pretrained("KoichiYasuoka/deberta-base-japanese-upos")
s="国境の長いトンネルを抜けると雪国であった。"
t=tokenizer.tokenize(s)
p=[model.config.id2label[q] for q in torch.argmax(model(tokenizer.encode(s,return_tensors="pt"))["logits"],dim=2)[0].tolist()[1:-1]]
print(list(zip(t,p)))

or

import esupar
nlp=esupar.load("KoichiYasuoka/deberta-base-japanese-upos")
print(nlp("国境の長いトンネルを抜けると雪国であった。"))

See Also

esupar: Tokenizer POS-tagger and Dependency-parser with BERT/RoBERTa/DeBERTa models

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForTokenClassification
Ревизия весов
1aa7027

0 моделей