/ Модель

Характеристики

Контекст
512 токенов
Параметры
132 млн
Архитектура
camembert · dense
Базовая модель
wangchanberta-base-att-spm-uncased
Библиотека
transformers
Опубликована
2 ноя 2023

wangchanberta-ud-thai-pud-upos

Разметка токеновТекст → label3 профессии

Модель размечает токены тайского текста универсальными частями речи UPOS для задач лингвистического анализа.

284скачиваний за 30 дней1лайквеса 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

wangchanberta-ud-thai-pud-upos — модель Pavarissy, дообученная на базе airesearch/wangchanberta-base-att-spm-uncased на корпусе Universal Dependencies Thai PUD. Она размечает тайский текст универсальными частями речи (UPOS), присваивая метку каждому токену. Модель основана на архитектуре CamemBERT, содержит 132,5 млн параметров, работает с текстом и поддерживает контекст до 512 токенов.

Модель предназначена для автоматической морфосинтаксической разметки тайского текста и может использоваться в конвейерах анализа языка. На оценочном наборе указана точность 0,9883 и macro F1 0,9199. Лицензия в предоставленных данных не указана.

Сценарии применения

  • разметка частей речи в тайском тексте
  • подготовка тайских текстов для синтаксического анализа
  • автоматическая разметка токенов в корпусах на тайском языке

Ограничения

Модель предназначена для тайского языка и разметки UPOS; качество на других языках и задачах не подтверждено. Метрики приведены для оценочного набора Thai PUD и могут не переноситься на другие тексты.

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

wangchanberta-ud-thai-pud-upos

This model is a fine-tuned version of airesearch/wangchanberta-base-att-spm-uncased on the universal_dependencies dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0442
  • Macro avg precision: 0.9221
  • Macro avg recall: 0.9178
  • Macro avg f1: 0.9199
  • Weighted avg precision: 0.9883
  • Weighted avg recall: 0.9883
  • Weighted avg f1: 0.9883
  • Accuracy: 0.9883

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/wangchanberta-ud-thai-pud-upos")
tokenizer = AutoTokenizer.from_pretrained("Pavarissy/wangchanberta-ud-thai-pud-upos")

pipeline = TokenClassificationPipeline(model=model, tokenizer=tokenizer, grouped_entities=True)
outputs = pipeline("ประเทศไทย อยู่ใน ทวีป เอเชีย")
print(outputs)
# [{'entity_group': 'NOUN', 'score': 0.419697, 'word': '', 'start': 0, 'end': 1}, {'entity_group': 'PROPN', 'score': 0.8809489, 'word': 'ประเทศไทย', 'start': 0, 'end': 9}, {'entity_group': 'VERB', 'score': 0.7754166, 'word': 'อยู่ใน', 'start': 9, 'end': 16}, {'entity_group': 'NOUN', 'score': 0.9976932, 'word': 'ทวีป', 'start': 16, 'end': 21}, {'entity_group': 'PROPN', 'score': 0.97770107, '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 log1.01250.55630.81030.72350.75520.85740.85220.84950.8522
No log2.02500.23160.87010.84600.85640.93200.93150.93100.9315
No log3.03750.16350.89030.87290.88090.95110.95110.95080.9511
0.57824.05000.11120.90370.89640.89980.96870.96850.96850.9685
0.57825.06250.08600.91100.90500.90790.97520.97520.97510.9752
0.57826.07500.06750.91600.91030.91310.98150.98140.98140.9814
0.57827.08750.05880.91890.91380.91630.98390.98390.98390.9839
0.10738.010000.05140.92140.91550.91840.98580.98580.98580.9858
0.10739.011250.04630.92250.91710.91970.98770.98760.98760.9876
0.107310.012500.04420.92210.91780.91990.98830.98830.98830.9883

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
CamembertForTokenClassification
Ревизия весов
26e6450

0 моделей