/ Модель

Характеристики

Контекст
514 токенов
Параметры
133 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Базовая модель
roberta-classical-chinese-base-char
Опубликована
2 мар 2022

roberta-classical-chinese-base-sentence-segmentation

Разметка токеновТекст → label3 профессии

RoBERTa для разметки границ предложений в текстах на классическом китайском языке.

72скачиваний за 30 дней3лайкавеса обновлены20 авг 2024

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

Модель KoichiYasuoka — RoBERTa, дообученная на текстах на классическом китайском языке для сегментации предложений. Она размечает токены тегами B и E, обозначающими начало и конец предложения; односимвольное предложение получает тег S. Модель построена на базе KoichiYasuoka/roberta-classical-chinese-base-char и содержит 133,5 млн параметров. Она принимает текст и выдаёт метки токенов; длина контекста составляет 514 токенов.

Модель подходит для разделения классических китайских текстов на предложения перед последующим анализом или обработкой. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • разделение классического китайского текста на предложения
  • подготовка древнекитайских текстов к лингвистическому анализу
  • разметка границ предложений перед корпусной обработкой

Ограничения

Модель предназначена для классического китайского языка; качество на современном китайском и других языках не подтверждено. Контекст ограничен 514 токенами.

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

roberta-classical-chinese-base-sentence-segmentation

Model Description

This is a RoBERTa model pre-trained on Classical Chinese texts for sentence segmentation, derived from roberta-classical-chinese-base-char. Every segmented sentence begins with token-class "B" and ends with token-class "E" (except for single-character sentence with token-class "S").

How to Use

import torch
from transformers import AutoTokenizer,AutoModelForTokenClassification
tokenizer=AutoTokenizer.from_pretrained("KoichiYasuoka/roberta-classical-chinese-base-sentence-segmentation")
model=AutoModelForTokenClassification.from_pretrained("KoichiYasuoka/roberta-classical-chinese-base-sentence-segmentation")
s="子曰學而時習之不亦説乎有朋自遠方來不亦樂乎人不知而不慍不亦君子乎"
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("".join(c+"。" if q=="E" or q=="S" else c for c,q in zip(s,p)))

Reference

Koichi Yasuoka: Sentence Segmentation of Classical Chinese Texts Using Transformers and BERT/RoBERTa Models, IPSJ Symposium Series, Vol.2021, No.1 (December 2021), pp.104-109.

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
RobertaForTokenClassification
Ревизия весов
92f39c1

0 моделей