/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Опубликована
9 апр 2022

punctuate-all

Разметка токеновТекст → label10 профессий

Многоязычная модель на базе XLM-RoBERTa-base для восстановления пунктуации в тексте на 12 европейских языках.

592 тыс.скачиваний за 30 дней31лайквеса обновлены26 апр 2024

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

kredor/punctuate-all — модель классификации токенов на базе дообученной XLM-RoBERTa-base. Она восстанавливает пунктуацию в тексте, предсказывая для токенов знаки препинания, включая точку, запятую, вопросительный знак, дефис и двоеточие. Модель рассчитана на английский, немецкий, французский, испанский, болгарский, итальянский, польский, нидерландский, чешский, португальский, словацкий и словенский языки.

В отчёте указаны общая точность 0,98 и F1 0,95 для точки, 0,86 для запятой и 0,86 для вопросительного знака; качество распознавания дефиса и двоеточия ниже. Модель содержит около 305,2 млн параметров, использует контекст до 514 токенов и распространяется по лицензии MIT.

Сценарии применения

  • восстановление точек и запятых в текстах без пунктуации
  • расстановка знаков препинания в расшифровках речи
  • добавление вопросительных знаков в автоматически распознанную речь
  • постобработка текстов после OCR или ASR
  • восстановление пунктуации в многоязычных документах

Ограничения

По приведённой оценке качество заметно ниже для дефисов (F1 0,39) и двоеточий (F1 0,58), чем для точек и запятых. Поддерживаются перечисленные 12 языков; русский среди них не указан.

Для каких профессий подходит10

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

This is based on Oliver Guhr's work. The difference is that it is a finetuned xlm-roberta-base instead of an xlm-roberta-large and on twelve languages instead of four. The languages are: English, German, French, Spanish, Bulgarian, Italian, Polish, Dutch, Czech, Portugese, Slovak, Slovenian.

----- report -----

          precision    recall  f1-score   support

       0       0.99      0.99      0.99  73317475
       .       0.94      0.95      0.95   4484845
       ,       0.86      0.86      0.86   6100650
       ?       0.88      0.85      0.86    136479
       -       0.60      0.29      0.39    233630
       :       0.71      0.49      0.58    152424

accuracy                           0.98  84425503

macro avg 0.83 0.74 0.77 84425503 weighted avg 0.98 0.98 0.98 84425503

----- confusion matrix -----

 t/p      0     .     ,     ?     -     : 
    0   1.0   0.0   0.0   0.0   0.0   0.0 
    .   0.0   1.0   0.0   0.0   0.0   0.0 
    ,   0.1   0.0   0.9   0.0   0.0   0.0 
    ?   0.0   0.1   0.0   0.8   0.0   0.0 
    -   0.1   0.1   0.5   0.0   0.3   0.0 
    :   0.0   0.3   0.1   0.0   0.0   0.5

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
0fe3701

0 моделей