Японская модель GPT-2 для разметки частей речи и синтаксических зависимостей в тексте.
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 японскую модель GPT-2 для морфосинтаксического анализа текста. Она дообучена на базе rinna/japanese-gpt2-medium на UD_Japanese-GSDLUW и предназначена для определения частей речи и зависимостей между словами. Модель работает с японским текстом, использует архитектуру GPT-2 и имеет контекст длиной 1024 токена. Лицензия — MIT.
Модель специализирована на японском синтаксическом анализе, обучена для UD_Japanese-GSDLUW и имеет контекст длиной 1024 токена.
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 pretrained for POS-tagging and dependency-parsing, derived from japanese-gpt2-medium refined for UD_Japanese-GSDLUW.
from transformers import pipeline
nlp=pipeline("universal-dependencies","KoichiYasuoka/rinna-gpt2-medium-japanese-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"))
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.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…