BERT-модель для автоматической разметки слов тибетского текста тегами частей речи UPOS.
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 подготовил эту модель на основе UTibetNLP/tibetan_bert: это BERT для разметки частей речи тибетского текста универсальными тегами UPOS. Модель присваивает каждому слову тег части речи и подходит для автоматической грамматической разметки и лингвистического анализа тибетских текстов.
Модель содержит 138 млн параметров, использует архитектуру BERT и принимает последовательности длиной до 512 токенов. Она предназначена для классификации токенов и распространяется в формате PyTorch по лицензии Apache-2.0.
Модель предназначена для разметки частей речи тибетского текста; её качество для других языков и задач не подтверждено. Максимальная длина контекста составляет 512 токенов.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This is a BERT model for POS-tagging, derived from tibetan_bert. Every word is tagged by UPOS (Universal Part-Of-Speech).
from transformers import pipeline
nlp=pipeline("upos","KoichiYasuoka/tibetan-bert-base-upos",trust_remote_code=True,aggregation_strategy="simple")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…