Модель на базе японской GPT-2 XL размечает японские слова тегами частей речи UPOS и признаками FEATS.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Koichi Yasuoka разработал эту модель для разметки частей речи в японском тексте. Она дообучена на базе японской GPT-2 XL и использует архитектуру GPT-2 с классификационной головой для токенов; модель присваивает словам метки UPOS и признаки FEATS. Для работы в примере README используется библиотека Transformers и требуется fugashi. Контекст модели — до 1024 токенов.
Модель подходит для морфосинтаксического анализа японских предложений и подготовки данных с разметкой частей речи. Она принимает текст и выдаёт метки для его токенов. Обучение связано с Universal Dependencies. Модель распространяется по лицензии CC BY-SA 4.0.
Для работы требуется fugashi. Контекст ограничен 1024 токенами; модель ориентирована на японский текст.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This is a GPT-2 model for POS-tagging, derived from gpt2-xl-japanese. Every word is tagged by UPOS (Universal Part-Of-Speech) and FEATS.
from transformers import pipeline
nlp=pipeline("upos","KoichiYasuoka/gpt2-xlarge-japanese-juman-upos",trust_remote_code=True,aggregation_strategy="simple")
print(nlp("国境の長いトンネルを抜けると雪国であった。"))
fugashi is required.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…