/ Модель

Характеристики

Контекст
514 токенов
Параметры
178 млн
Лицензия
CC BY-SA 4.0
Архитектура
xlm-roberta · dense
Базовая модель
litlat-bert
Опубликована
4 июл 2026

litlat-bert-lithuanian-morphology

Разметка токеновТекст → label3 профессии

Дообученный на литовских корпусах XLM-RoBERTa-теггер для определения частей речи UPOS и ключевых морфологических признаков слов.

325скачиваний за 30 дней0лайковвеса обновлены5 июл 2026

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 alexbalandi/litlat-bert-lithuanian-morphology — теггер морфологической разметки литовского языка, разработанный на основе EMBEDDIA/litlat-bert и дообученный для классификации токенов. Она присваивает каждому слову объединённую метку UPOS и морфологических признаков: падежа, рода, числа, времени, лица, залога, степени, формы глагола, наклонения и рефлексивности. Модель предназначена для морфологического анализа и POS-разметки литовских текстов; её результаты также подходят для задач, использующих признаки согласования.

Архитектура — XLM-RoBERTa, около 177,9 млн параметров; длина контекста — 514 токенов. Репозиторий содержит веса Safetensors и ONNX-версию INT8 для работы на CPU. По тесту на 684 предложениях ALKSNIS точность UPOS составила 92,5%, а точное совпадение набора ключевых признаков — 89,1%.

Модель намеренно не выдаёт леммы и полный набор UD-признаков: в частности, пропускает признаки вроде Definite, Polarity и PronType. Обучение основано на корпусах MATAS v3.0 и UD_Lithuanian-ALKSNIS; лицензия модели — CC BY-SA 4.0.

Сценарии применения

  • определение частей речи в литовском тексте
  • морфологическая разметка литовских слов
  • извлечение падежа, рода и числа для анализа согласования
  • определение грамматических признаков литовских глаголов
  • подготовка литовских текстов к лингвистическому анализу

Ограничения

Модель не выдаёт леммы и не предсказывает полный набор признаков UD: доступны только UPOS и перечисленные в карточке ключевые морфологические признаки. На тесте ALKSNIS UPOS составил 92,5%, а точное совпадение ключевых признаков — 89,1%.

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

Lithuanian UPOS + morphology tagger (UD categories)

Token-classification tagger for Lithuanian: UPOS plus the morphological features that drive agreement (Case, Gender, Number, Tense, Person, Voice, Degree, VerbForm, Mood, Reflex), emitted as one combined label per word. Fine-tuned from EMBEDDIA/litlat-bert on MATAS v3.0 + UD_Lithuanian-ALKSNIS (~2.15M gold tokens).

Which model do I want?

modelbest foremits
this onehighest UPOS/slots accuracy, UD categoriesUPOS (incl. DET/AUX) + core FEATS
…-morphology-fullcomplete annotationsfull UD FEATS + lemmas
…-morphology-vduLithuanian accentuation pipelinestraditional-grammar categories

Benchmarks (measured, full 684-sentence ALKSNIS gold test)

metricthis modelUDPipe 2 reference
slots¹89.1%89.2%
UPOS (same protocol)92.5%95.1%
CoNLL-18 official UPOS F1 (gold tokenization)94.095.2
speed, tok/s (ONNX INT8 CPU vs network service)874605

¹ slots = exact match of the agreement-feature projection (POS family + Case/Gender/Number/Tense/Person/Voice/Degree) that accentuation-style disambiguation consumes; DET/PRON and AUX/VERB merge inside the projection.

Not emitted by design (use the -full model instead): FEATS keys beyond the ten above (Definite, Polarity, PronType, …) and lemmas.

Usage (verified)

import torch
from transformers import AutoTokenizer, AutoModelForTokenClassification

repo = "alexbalandi/litlat-bert-lithuanian-morphology"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForTokenClassification.from_pretrained(repo)

words = ["Tas", "namas", "yra", "gražus"]
enc = tok(words, is_split_into_words=True, return_tensors="pt")
with torch.inference_mode():
    logits = model(**enc).logits[0]
seen = set()
for pos, wid in enumerate(enc.word_ids(0)):
    if wid is not None and wid not in seen:
        seen.add(wid)
        print(words[wid], model.config.id2label[int(logits[pos].argmax())])
# Tas DET|Case=Nom|Gender=Masc|Number=Sing
# namas NOUN|Case=Nom|Gender=Masc|Number=Sing
# ...

An onnx/ folder with an INT8 model (same logits output) is included for CPU serving.

Training data & lineage

Gold corpora only, no NC-licensed model anywhere in the lineage: MATAS v3.0 (CC BY 4.0; UD features reconstructed deterministically from its Jablonskis XPOS) + UD_Lithuanian-ALKSNIS (CC BY-SA 4.0), remaining contextual gaps filled by iterated constrained-decoding self-training. Recipe and tooling: github.com/alexbalandi/kirciuokle (local/tagger-hf/, public domain).

License & attribution

CC BY-SA 4.0 (inherited from litlat-bert and ALKSNIS). Please credit: MATAS v3.0 (Rimkutė, Bielinskienė, Boizou, Dadurkevičius, Kovalevskaitė, Utka; CLARIN-LT), UD_Lithuanian-ALKSNIS (VDU), litlat-bert (Ulčar & Robnik-Šikonja, EMBEDDIA).

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
XLMRobertaForTokenClassification
Ревизия весов
632d8ec

0 моделей