Модель XLM-RoBERTa размечает части речи в тексте на хинди, присваивая POS-тег каждому токену.
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-hi — модель семейства XLM-RoBERTa, дообученная для разметки частей речи на хинди по Universal Dependencies v2.8. Она принимает текст и присваивает метку каждому токену, что подходит для морфосинтаксического анализа и подготовки корпусов.
Модель построена на архитектуре XLMRobertaForTokenClassification и содержит 305,2 млн параметров. Максимальная длина контекста составляет 514 токенов. Разработчик указывает, что модель связана с исследованием по кросс-языковому переносу для POS-разметки более чем 100 языков; данный чекпойнт предназначен для хинди. Для использования доступны веса PyTorch и библиотека Transformers.
Лицензия — Apache-2.0. Карточка не описывает точность и другие результаты оценки, поэтому качество на конкретном домене следует проверять отдельно; контекст ограничен 514 токенами.
Контекст ограничен 514 токенами. В карточке не приведены метрики качества, поэтому пригодность для конкретного домена нужно оценивать отдельно.
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-hi")
model = AutoModelForTokenClassification.from_pretrained("wietsedv/xlm-roberta-base-ft-udpos28-hi")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · token-classification
Подбираем GPU…