/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
MIT
Архитектура
electra · dense
Опубликована
21 сен 2023

transformers-ud-japanese-electra-base-ginza-520

ЭмбеддингиТекст → embedding3 профессии

Японская модель ELECTRA на 136,4 млн параметров для извлечения признаков и использования в NLP-конвейерах spaCy и GiNZA.

65скачиваний за 30 дней2лайкавеса обновлены21 сен 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

megagonlabs/transformers-ud-japanese-electra-base-ginza-520 — японская языковая модель ELECTRA, разработанная Megagon Labs. Она предварительно обучена примерно на 200 млн предложений на японском языке из mC4, а затем дообучена spaCy v3 на UD_Japanese_BCCWJ r2.8. Вариант модели использует токенизацию sudachitra-wordpiece.

Модель предназначена для извлечения признаков и использования в японском NLP. В составе пакета ja_ginza_electra и GiNZA v5 она применяется в конвейерах spaCy, включая анализ структур bunsetsu — фразовых единиц японского языка. Архитектура — ELECTRA, 136,4 млн параметров, контекст до 512 токенов; репозиторий содержит веса PyTorch.

Лицензия — MIT. Модель рассчитана на японский язык; сведения о качестве на других языках и сравнительных оценках в карточке не приведены.

Сценарии применения

  • извлечение признаков из японского текста
  • анализ японских предложений в spaCy
  • обработка японских текстов в конвейере GiNZA
  • анализ структуры bunsetsu в японском тексте

Ограничения

Модель ориентирована на японский язык и имеет контекстное окно до 512 токенов. В карточке не приведены сравнительные оценки качества.

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

transformers-ud-japanese-electra-ginza-520 (sudachitra-wordpiece, mC4 Japanese)

This is an ELECTRA model pretrained on approximately 200M Japanese sentences extracted from the mC4 and finetuned by spaCy v3 on UD_Japanese_BCCWJ r2.8.

The base pretrain model is megagonlabs/transformers-ud-japanese-electra-base-discrimininator.

The entire spaCy v3 model is distributed as a python package named ja_ginza_electra from PyPI along with GiNZA v5 which provides some custom pipeline components to recognize the Japanese bunsetu-phrase structures. Try running it as below:

$ pip install ginza ja_ginza_electra
$ ginza

Licenses

The models are distributed under the terms of the MIT License.

Acknowledgments

This model is permitted to be published under the MIT License under a joint research agreement between NINJAL (National Institute for Japanese Language and Linguistics) and Megagon Labs Tokyo.

Citations

Contains information from mC4 which is made available under the ODC Attribution License.

@article{2019t5,
    author = {Colin Raffel and Noam Shazeer and Adam Roberts and Katherine Lee and Sharan Narang and Michael Matena and Yanqi Zhou and Wei Li and Peter J. Liu},
    title = {Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer},
    journal = {arXiv e-prints},
    year = {2019},
    archivePrefix = {arXiv},
    eprint = {1910.10683},
}
Asahara, M., Kanayama, H., Tanaka, T., Miyao, Y., Uematsu, S., Mori, S.,
Matsumoto, Y., Omura, M., & Murawaki, Y. (2018).
Universal Dependencies Version 2 for Japanese.
In LREC-2018.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
ElectraModel
Ревизия весов
6f101e5

0 моделей