LTG-BERT размечает японские слова тегами частей речи UPOS и грамматическими 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 LTG-BERT для японской морфологической разметки. Модель дообучена на базе HPLT/hplt_bert_base_ja и назначает каждому короткому слову тег части речи UPOS и грамматические признаки FEATS. Она предназначена для анализа японских предложений и подготовки структурированных лингвистических данных. Модель содержит 124,3 млн параметров, работает с текстом и поддерживает контекст до 512 токенов. Распространяется по лицензии Apache-2.0.
Модель предназначена для японского языка и имеет максимальную длину контекста 512 токенов.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This is a LTG-BERT model for POS-tagging, derived from hplt_bert_base_ja. Every short-unit-word is tagged by UPOS (Universal Part-Of-Speech) and FEATS.
from transformers import pipeline
nlp=pipeline("upos","KoichiYasuoka/ltgbert-base-japanese-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。"))
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · fill-mask
Модели нужен код из репозитория; автор пока не в списке доверенных организаций.