Дообученная ParsBERT-модель для определения частей речи в токенах персидского текста.
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
hezarai разработала hezarai/bert-fa-pos-lscp-500k — модель на основе ParsBERT, дообученная на наборе данных LSCP-500k для определения частей речи в персидском тексте. Она размечает токены грамматическими категориями и предназначена для запуска через библиотеку hezar. Репозиторий содержит веса PyTorch.
Модель подходит для автоматической морфосинтаксической разметки персидских текстов и подготовки данных для лингвистического анализа. Карточка не сообщает размер модели и длину контекста. Условия лицензии в предоставленных данных не указаны.
Модель предназначена для разметки частей речи на персидском языке; перенос на другие языки или задачи не подтверждён предоставленными данными.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
ParsBERT model trained on the LSCP-500k dataset for part of speech tagging.
pip install hezar
from hezar.models import Model
pos_model = Model.load("hezarai/bert-fa-pos-lscp-500k")
inputs = ["کتابخانه هوش مصنوعی هزار"]
pos_outputs = pos_model.predict(inputs)
print(pos_outputs)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · hezar · token-classification
В репозитории нет config.json: не понять архитектуру модели.