/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
3 июл 2023

bert-restore-punctuation-turkish

Разметка токеновТекст → label4 профессии

BERT-модель для расстановки точек, запятых и вопросительных знаков в турецком тексте.

174скачиваний за 30 дней6лайковвеса обновлены31 окт 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

uygarkurt/bert-restore-punctuation-turkish — модель на архитектуре BERT для восстановления пунктуации в турецком тексте. Она классифицирует токены и предсказывает, где поставить точку, запятую или вопросительный знак. В README приведены результаты эксперимента на наборах для обучения, валидации и тестирования; для BERT указана общая F1-мера 0,837, причём качество заметно различается между знаками препинания.

Модель содержит 137,8 млн параметров, работает с текстом и имеет контекстное окно до 512 токенов. Она предназначена для автоматической расстановки пунктуации в турецкой речи, например после распознавания аудио или при обработке текста без знаков препинания. Доступны веса PyTorch; лицензия — MIT. README описывает исследовательскую работу, однако модель представлена как готовый предобученный чекпойнт для инференса.

Сценарии применения

  • восстановление пунктуации в турецкой речи после распознавания
  • расстановка точек и запятых в тексте без пунктуации
  • подготовка транскриптов турецких аудиозаписей к чтению
  • автоматическая обработка турецких текстов перед публикацией

Ограничения

Модель предсказывает только точки, запятые и вопросительные знаки. В приведённых результатах F1 для запятых существенно ниже, чем для точек и вопросительных знаков.

Для каких профессий подходит4

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

Transformer Based Punctuation Restoration Models for Turkish

You can find the BERT model used in the paper Transformer Based Punctuation Restoration for Turkish. Aim of this work is correctly place pre-decided punctuation marks in a given text. We present three pre-trained transformer models to predict period(.), comma(,) and question(?) marks for the Turkish language.

Usage

Inference

Recommended usage is via HuggingFace. You can run an inference using the pre-trained BERT model with the following code:

from transformers import pipeline

pipe = pipeline(task="token-classification", model="uygarkurt/bert-restore-punctuation-turkish")

sample_text = "Türkiye toprakları üzerindeki ilk yerleşmeler Yontma Taş Devri'nde başlar Doğu Trakya'da Traklar olmak üzere Hititler Frigler Lidyalılar ve Dor istilası sonucu Yunanistan'dan kaçan Akalar tarafından kurulan İyon medeniyeti gibi çeşitli eski Anadolu medeniyetlerinin ardından Makedonya kralı Büyük İskender'in egemenliğiyle ve fetihleriyle birlikte Helenistik Dönem başladı"

out = pipe(sample_text)

To use a different pre-trained model you can just replace the model argument with one of the other available models we provided.

Data

Dataset is provided in data/ directory as train, validation and test splits.

Dataset can be summarized as below:

SplitTotalPeriod (.)Comma (,)Question (?)
Train1471806124817981949816
Validation18032615306119801199
Test18248715524122421255

Available Models

We experimented with BERT, ELECTRA and ConvBERT. Pre-trained models can be accessed via Huggingface.

BERT: https://huggingface.co/uygarkurt/bert-restore-punctuation-turkish
ELECTRA: https://huggingface.co/uygarkurt/electra-restore-punctuation-turkish
ConvBERT: https://huggingface.co/uygarkurt/convbert-restore-punctuation-turkish

Results

Precision and Recall and F1 scores for each model and punctuation mark are summarized below.

ModelPERIODCOMMAQUESTIONOVERALL
Score TypePRF1PRF1PRF1PRF1
BERT0.9726020.9475040.9599520.5761450.7000100.6320660.9276420.9113420.9194200.8255060.8529520.837146
ELECTRA0.9726020.9486890.9604970.5768000.7102080.6365900.9203250.9210740.9206990.8232420.8599900.839262
ConvBERT0.9727310.9467910.9595850.5769640.7081240.6358510.9227640.9138490.9182850.8241530.8562540.837907

Citation

@INPROCEEDINGS{10286690,
    author={Kurt, Uygar and Çayır, Aykut},
    booktitle={2023 8th International Conference on Computer Science and Engineering (UBMK)}, 
    title={Transformer Based Punctuation Restoration for Turkish}, 
    year={2023},
    volume={},
    number={},
    pages={169-174},
    doi={10.1109/UBMK59864.2023.10286690}
}

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
BertForTokenClassification
Ревизия весов
dd8b948

0 моделей