Legal T5 Small Trans Cs Sv

🚀 legal_t5_small_trans_cs_svモデル

このモデルは、チェコ語の法的テキストをスウェーデン語に翻訳するためのものです。初めて このリポジトリ で公開されました。このモデルは、jrc - acquis、europarl、dcepの3つの平行コーパスを使って学習されています。

✨ 主な機能

• チェコ語の法的テキストをスウェーデン語に翻訳することができます。

📦 インストール

このモデルを使用するには、transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, AutoModelWithLMHead, TranslationPipeline

pipeline = TranslationPipeline(
model=AutoModelWithLMHead.from_pretrained("SEBIS/legal_t5_small_trans_cs_sv"),
tokenizer=AutoTokenizer.from_pretrained(pretrained_model_name_or_path = "SEBIS/legal_t5_small_trans_cs_sv", do_lower_case=False, 
                                            skip_special_tokens=True),
    device=0
)

cs_text = "Odborná příprava je v sektoru minimální a tradiční, postrádá specifické kurzy nebo výukové plány."

pipeline([cs_text], max_length=512)

📚 ドキュメント

モデルの説明

legal_t5_small_trans_cs_svは、t5 - small モデルをベースにしており、大規模な平行テキストコーパスで学習されています。これはより小さなモデルで、dmodel = 512、dff = 2,048、8ヘッドのアテンションを使用し、エンコーダとデコーダそれぞれに6層しか持たないことで、t5のベースラインモデルを縮小しています。このバリアントには約6000万個のパラメータがあります。

想定される用途と制限

このモデルは、チェコ語の法的テキストをスウェーデン語に翻訳するために使用できます。

🔧 技術詳細

学習データ

legal_t5_small_trans_cs_svモデルは、[JRC - ACQUIS](https://wt - public.emm4u.eu/Acquis/index_2.2.html)、EUROPARL、および [DCEP](https://ec.europa.eu/jrc/en/language - technologies/dcep) のデータセットを使って学習されています。これらのデータセットは合計で500万の平行テキストを含んでいます。

学習手順

このモデルは、単一のTPU Pod V3 - 8上で合計250Kステップ学習されました。シーケンス長は512（バッチサイズ4096）を使用しています。総計で約2億2000万個のパラメータを持ち、エンコーダ - デコーダアーキテクチャを使用して学習されています。最適化アルゴリズムには、事前学習用の逆平方根学習率スケジュールを持つAdaFactorが使用されています。

前処理

平行コーパス（すべての可能な言語ペア）からの8800万行のテキストで学習されたユニグラムモデルを使用して語彙を取得し（バイトペアエンコーディングを使用）、このモデルで使用しています。

評価結果

このモデルを翻訳テストデータセットで使用した場合、以下の結果が得られます。

BibTeXエントリと引用情報

Created by Ahmed Elnaggar/@Elnaggar_AI | LinkedIn