Roberta Classical Chinese Large Sentence Segmentation

🚀 roberta-classical-chinese-large-sentence-segmentation

このモデルは、古典漢語の文章を文分割するために事前学習されたRoBERTaモデルです。

🚀 クイックスタート

このモデルは、古典漢語の文章を文分割するために事前学習されたRoBERTaモデルで、roberta-classical-chinese-large-char から派生しています。分割された各文は、トークンクラス "B" で始まり、トークンクラス "E" で終わります（トークンクラス "S" の単漢字文を除く）。

✨ 主な機能

• 言語: 古典漢語
• タグ: 古典漢語、文言、古代漢語、文分割、トークン分類
• ベースモデル: KoichiYasuoka/roberta-classical-chinese-large-char
• ライセンス: apache-2.0
• パイプラインタグ: トークン分類

📦 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 torch

💻 使用例

基本的な使用法

import torch
from transformers import AutoTokenizer,AutoModelForTokenClassification
tokenizer=AutoTokenizer.from_pretrained("KoichiYasuoka/roberta-classical-chinese-large-sentence-segmentation")
model=AutoModelForTokenClassification.from_pretrained("KoichiYasuoka/roberta-classical-chinese-large-sentence-segmentation")
s="子曰學而時習之不亦説乎有朋自遠方來不亦樂乎人不知而不慍不亦君子乎"
p=[model.config.id2label[q] for q in torch.argmax(model(tokenizer.encode(s,return_tensors="pt"))["logits"],dim=2)[0].tolist()[1:-1]]
print("".join(c+"。" if q=="E" or q=="S" else c for c,q in zip(s,p)))

📚 ドキュメント

参考文献

Koichi Yasuoka: Sentence Segmentation of Classical Chinese Texts Using Transformers and BERT/RoBERTa Models, IPSJ Symposium Series, Vol.2021, No.1 (December 2021), pp.104-109.

📄 ライセンス

このモデルは、Apache 2.0ライセンスの下で提供されています。