Дообученная XLM-RoBERTa для определения частей речи в английском тексте по схеме Universal Dependencies v2.8.
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
wietsedv/xlm-roberta-base-ft-udpos28-en — модель разметки последовательностей на основе XLM-RoBERTa base, опубликованная wietsedv. Она дообучена для определения частей речи английских слов по разметке Universal Dependencies v2.8 и предназначена для POS-тегирования текстов и обработки последовательностей токенов. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации токенов и принимает текстовый контекст длиной до 514 токенов.
В карточке указана лицензия Apache-2.0. Описание не приводит оценок качества и подробностей ограничений, поэтому точность на иных доменах или схемах разметки не установлена.
Модель предназначена для английского POS-тегирования по Universal Dependencies v2.8; пригодность для других языков, доменов или схем разметки не подтверждена. В карточке не приведены метрики качества.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This model is part of our paper called:
Check the Space for more details.
from transformers import AutoTokenizer, AutoModelForTokenClassification
tokenizer = AutoTokenizer.from_pretrained("wietsedv/xlm-roberta-base-ft-udpos28-en")
model = AutoModelForTokenClassification.from_pretrained("wietsedv/xlm-roberta-base-ft-udpos28-en")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · token-classification
Подбираем GPU…