/ Модель

Характеристики

Контекст
512 токенов
Архитектура
distilbert · dense
Опубликована
2 мар 2022

distilbert_punctuator_zh

Разметка токеновТекст → label7 профессий

Дообученная модель DistilBERT восстанавливает знаки препинания в тексте на упрощённом китайском языке.

238скачиваний за 30 дней4лайкавеса обновлены23 мар 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

Qishuai/distilbert_punctuator_zh — модель для расстановки знаков препинания в обычном тексте на упрощённом китайском языке. Разработчик дообучил DistilBertForTokenClassification на основе дистиллированной модели bert-base-chinese; архитектура DistilBERT выполняет классификацию токенов. Модель принимает текст и предсказывает места и типы знаков препинания в контексте до 512 токенов.

Модель предназначена для восстановления пунктуации в текстах без знаков препинания. В README приведены результаты проверки на обучающем наборе MSRA: для запятой F1 составляет 0,63, для китайской точки — 0,42, а для восклицательного знака — 0,09, поэтому точность зависит от типа знака. Для запуска описана загрузка через Transformers; веса доступны в форматах PyTorch и safetensors. Лицензия в предоставленных сведениях не указана.

Сценарии применения

  • восстановление пунктуации в китайском тексте без знаков препинания
  • подготовка китайских текстов к публикации
  • добавление запятых и точек в распознанную речь на китайском
  • автоматическая пунктуация китайских текстовых данных перед анализом

Ограничения

В приведённой в README оценке F1 для восклицательного знака низкий (0,09); качество может различаться для разных типов пунктуации. Контекст ограничен 512 токенами.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Punctuator for Simplified Chinese

The model is fine-tuned based on DistilBertForTokenClassification for adding punctuations to plain text (simplified Chinese). The model is fine-tuned based on distilled model bert-base-chinese.

Usage

from transformers import DistilBertForTokenClassification, DistilBertTokenizerFast

model = DistilBertForTokenClassification.from_pretrained("Qishuai/distilbert_punctuator_zh")
tokenizer = DistilBertTokenizerFast.from_pretrained("Qishuai/distilbert_punctuator_zh")

Model Overview

Training data

Combination of following three dataset:

  • News articles of People's Daily 2014. Reference

Model Performance

  • Validation with MSRA training dataset. Reference
  • Metrics Report:
    precisionrecallf1-scoresupport
    C_COMMA0.670.590.6391566
    C_DUNHAO0.500.370.4221013
    C_EXLAMATIONMARK0.230.060.09399
    C_PERIOD0.840.990.9144258
    C_QUESTIONMARK0.001.000.000
    micro avg0.710.670.69157236
    macro avg0.450.600.41157236
    weighted avg0.690.670.68157236

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
DistilBertForTokenClassification
Ревизия весов
a203e53

0 моделей