Et5 Typos Corrector

🚀 韓国語タイポ修正器

このツールは、ETRI - et5モデルをベースにファインチューニングした韓国語の口語体専用のタイポ修正器です。

🚀 クイックスタート

韓国語タイポ修正器は、ETRI - et5モデルを利用して韓国語の口語体のタイポを修正します。以下に使用方法を示します。

✨ 主な機能

• ETRI - et5モデルをベースにファインチューニングされた韓国語口語体専用のタイポ修正機能を提供します。

📦 インストール

本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 T5ForConditionalGeneration, T5Tokenizer

# T5 모델 로드
model = T5ForConditionalGeneration.from_pretrained("j5ng/et5-typos-corrector")
tokenizer = T5Tokenizer.from_pretrained("j5ng/et5-typos-corrector")

device = "cuda:0" if torch.cuda.is_available() else "cpu"
# device = "mps:0" if torch.cuda.is_available() else "cpu" # for mac m1

model = model.to(device) 

# 예시 입력 문장
input_text = "아늬 진짜 무ㅓ하냐고"

# 입력 문장 인코딩
input_encoding = tokenizer("맞춤법을 고쳐주세요: " + input_text, return_tensors="pt")

input_ids = input_encoding.input_ids.to(device)
attention_mask = input_encoding.attention_mask.to(device)

# T5 모델 출력 생성
output_encoding = model.generate(
    input_ids=input_ids,
    attention_mask=attention_mask,
    max_length=128,
    num_beams=5,
    early_stopping=True,
)

# 출력 문장 디코딩
output_text = tokenizer.decode(output_encoding[0], skip_special_tokens=True)

# 결과 출력
print(output_text) # 아니 진짜 뭐 하냐고.

高度な使用法

from transformers import T5ForConditionalGeneration, T5Tokenizer, pipeline

model = T5ForConditionalGeneration.from_pretrained('j5ng/et5-typos-corrector')
tokenizer = T5Tokenizer.from_pretrained('j5ng/et5-typos-corrector')

typos_corrector = pipeline(
    "text2text-generation",
    model=model,
    tokenizer=tokenizer,
    device=0 if torch.cuda.is_available() else -1,
    framework="pt",
)

input_text = "완죤 어이업ㅅ네진쨬ㅋㅋㅋ"
output_text = typos_corrector("맞춤법을 고쳐주세요: " + input_text,
            max_length=128,
            num_beams=5,
            early_stopping=True)[0]['generated_text']

print(output_text) # 완전 어이없네 진짜 ᄏᄏᄏᄏ.

📚 ドキュメント

ベースとなるPLMモデル

• ETRI(https://aiopen.etri.re.kr/et5Model)

ベースとなるデータセット

• 모두의 말뭉치(https://corpus.korean.go.kr/request/reausetMain.do?lang=ko)のタイポ修正データ

データ前処理

• 1. 特殊文字（カンマ、ピリオド）を削除します。
• 2. null値（""）を削除します。
• 3. 非常に短い文（長さが2以下）を削除します。
• 4. 文中の&name&、name1などの名前タグが含まれる単語を削除します（単語のみ削除し、文は残します）。
• 合計: 318,882ペア

📄 ライセンス

本プロジェクトは、Apache - 2.0ライセンスの下で公開されています。