/ Модель

Характеристики

Контекст
512 токенов
Параметры
306 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Базовая модель
mdeberta-v3-base
Библиотека
transformers
Опубликована
2 ноя 2023

mdeberta-v3-ud-thai-pud-upos

Разметка токеновТекст → label3 профессии

Дообученная DeBERTa-модель для присвоения универсальных частей речи токенам в текстах на тайском языке.

271скачиваний за 30 дней0лайковвеса обновлены2 ноя 2023

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 Pavarissy/mdeberta-v3-ud-thai-pud-upos — дообученная версия microsoft/mdeberta-v3-base для разметки частей речи в тайском языке. Она присваивает токенам универсальные грамматические категории UPOS на основе корпуса Thai PUD из набора Universal Dependencies; архитектура — DeBERTa V2 для классификации токенов, размер — 306 млн параметров, максимальный контекст — 512 токенов.

Модель подходит для автоматической POS-разметки тайских текстов и подготовки лингвистических данных. В README приведены результаты оценки на тестовой выборке: accuracy и weighted F1 — 0,9935, macro F1 — 0,9231. Модель распространяется по лицензии MIT.

Сценарии применения

  • POS-разметка тайских предложений
  • Присвоение тегов UPOS токенам тайского текста
  • Подготовка тайского корпуса для лингвистического анализа

Ограничения

Обучена на корпусе Thai PUD, поэтому качество на других жанрах и типах тайского текста может отличаться. Контекст ограничен 512 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

mdeberta-v3-ud-thai-pud-upos

This model is a fine-tuned version of microsoft/mdeberta-v3-base on the universal_dependencies dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0303
  • Macro avg precision: 0.9235
  • Macro avg recall: 0.9228
  • Macro avg f1: 0.9231
  • Weighted avg precision: 0.9935
  • Weighted avg recall: 0.9935
  • Weighted avg f1: 0.9935
  • Accuracy: 0.9935

Model description

This model is train on thai UD Thai PUD corpus with Universal Part-of-speech (UPOS) tag to help with pos tagging in Thai language.

Example

from transformers import AutoModelForTokenClassification, AutoTokenizer, TokenClassificationPipeline

model = AutoModelForTokenClassification.from_pretrained("Pavarissy/mdeberta-v3-ud-thai-pud-upos")
tokenizer = AutoTokenizer.from_pretrained("Pavarissy/mdeberta-v3-ud-thai-pud-upos")

pipeline = TokenClassificationPipeline(model=model, tokenizer=tokenizer, grouped_entities=True)
outputs = pipeline("ประเทศไทย อยู่ใน ทวีป เอเชีย")
print(outputs)
# [{'entity_group': 'PROPN', 'score': 0.9946701, 'word': 'ประเทศไทย', 'start': 0, 'end': 9}, {'entity_group': 'VERB', 'score': 0.85809743, 'word': 'อยู่ใน', 'start': 9, 'end': 16}, {'entity_group': 'NOUN', 'score': 0.99632, 'word': 'ทวีป', 'start': 16, 'end': 21}, {'entity_group': 'PROPN', 'score': 0.9961184, 'word': 'เอเชีย', 'start': 21, 'end': 28}]

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossMacro avg precisionMacro avg recallMacro avg f1Weighted avg precisionWeighted avg recallWeighted avg f1Accuracy
No log1.01250.38980.84170.78490.80780.91190.91120.91010.9112
No log2.02500.17680.87650.86830.87200.95610.95600.95590.9560
No log3.03750.12170.89720.88920.89290.97010.97010.96990.9701
0.47094.05000.08410.90570.90640.90590.98020.98000.98000.9800
0.47095.06250.06490.91280.91330.91300.98540.98530.98530.9853
0.47096.07500.05130.91470.91700.91580.98780.98770.98770.9877
0.47097.08750.04230.91990.91800.91890.99000.99000.99000.9900
0.08578.010000.03500.92260.92070.92160.99210.99210.99210.9921
0.08579.011250.03180.92370.92190.92280.99320.99320.99320.9932
0.085710.012500.03030.92350.92280.92310.99350.99350.99350.9935

Framework versions

  • Transformers 4.34.1
  • Pytorch 2.1.0+cu118
  • Datasets 2.14.6
  • Tokenizers 0.14.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForTokenClassification
Ревизия весов
30cc7db

0 моделей