/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
CC BY-SA 4.0
Архитектура
gpt2 · dense
Базовая модель
gpt2-small-japanese-juman-upos
Опубликована
30 авг 2024

gpt2-small-japanese-juman-ud-causal

Разметка токеновТекст → label3 профессии

Японская GPT-2 размечает части речи и синтаксические зависимости в тексте.

113скачиваний за 30 дней0лайковвеса обновлены21 мая 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 GPT-2 для разметки японского текста: модель определяет части речи и выполняет синтаксический анализ зависимостей. Она дообучена на основе KoichiYasuoka/gpt2-small-japanese-juman-upos с использованием UD_Japanese-GSDLUW и предназначена для анализа предложений на японском языке. Архитектура — плотная GPT-2, реализация на PyTorch; нативная длина контекста составляет 1024 токена. Для использования через Transformers требуется библиотека fugashi. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • определение частей речи в японских предложениях
  • синтаксический разбор зависимостей японского текста
  • автоматическая морфосинтаксическая разметка японских корпусов

Ограничения

Контекст ограничен 1024 токенами; для использования через Transformers требуется fugashi.

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

gpt2-small-japanese-juman-ud-causal

Model Description

This is a GPT-2 model pretrained for POS-tagging and dependency-parsing, derived from gpt2-small-japanese-juman-upos and UD_Japanese-GSDLUW.

How to Use

from transformers import pipeline
nlp=pipeline("universal-dependencies","KoichiYasuoka/gpt2-small-japanese-juman-ud-causal",trust_remote_code=True)
print(nlp("全学年にわたって小学校の国語の教科書に挿し絵が用いられている"))

fugashi is required.

Reference

安岡孝一: GPT系言語モデルによる国語研長単位係り受け解析, 人文科学とコンピュータシンポジウム「じんもんこん2024」論文集 (2024年12月), pp.83-90.

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
GPT2ForTokenClassification
Ревизия весов
74910a5

0 моделей