/ Модель

Характеристики

Контекст
128 токенов
Параметры
18,4 млн
Лицензия
CC BY-SA 4.0
Архитектура
deberta-v2 · dense
Базовая модель
deberta-small-japanese-aozora
Опубликована
23 мая 2022

deberta-small-japanese-upos

Разметка токеновТекст → label3 профессии

Небольшая японская DeBERTa V2 для разметки частей речи по UPOS и синтаксического анализа зависимостей.

119скачиваний за 30 дней1лайквеса 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 небольшую модель DeBERTa V2 для анализа японского текста. Она дообучена на базе KoichiYasuoka/deberta-small-japanese-aozora и размечает каждое короткое слово тегом части речи по стандарту UPOS; модель также предназначена для синтаксического анализа зависимостей.

Модель содержит 18,4 млн параметров, принимает текст на японском языке и имеет контекст длиной до 128 токенов. Её можно использовать для автоматической разметки частей речи и анализа структуры японских предложений. Модель распространяется под лицензией CC BY-SA 4.0.

Сценарии применения

  • разметка японских слов частями речи
  • анализ японских предложений по стандарту UPOS
  • подготовка японского текста для синтаксического анализа
  • извлечение грамматической структуры японских текстов

Ограничения

Контекст ограничен 128 токенами; модель предназначена для японского языка и обучена на текстах Aozora Bunko.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

deberta-small-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-small-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-small-japanese-upos")
model=AutoModelForTokenClassification.from_pretrained("KoichiYasuoka/deberta-small-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-small-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
c0a284d

0 моделей