Gec Spanish BARTO SYNTHETIC

🚀 西班牙語語法糾錯模型

該模型用於西班牙語語法糾錯，基於特定數據集訓練，能有效提升句子語法準確性。

🚀 快速開始

此模型在COWS - L2H數據集的80%以及80,984條合成生成的含語法錯誤的西班牙語句子上進行了訓練，用於西班牙語文本的語法糾錯。語料已按句子劃分，因此該模型針對句子糾錯進行了微調，可能不適用於整段文本的糾錯。若要糾正段落，需先將文本按句子劃分，再對每個句子運行模型。

合成數據是基於規則算法從格式良好的西班牙語句子生成的。合成生成的代碼可在該項目的GitHub倉庫中找到：點擊查看

該模型在COWS - L2H數據集上的BLEU值為0.851。

✨ 主要特性

• 訓練數據：使用COWS - L2H數據集的80%和80,984條合成錯誤句子進行訓練。
• 適用範圍：主要針對句子級別的語法糾錯。
• 合成數據：基於規則算法從正確句子生成合成錯誤數據。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, BartForConditionalGeneration

tokenizer = AutoTokenizer.from_pretrained("SkitCon/gec-spanish-BARTO-SYNTHETIC")
model = BartForConditionalGeneration.from_pretrained("SkitCon/gec-spanish-BARTO-SYNTHETIC")

input_sentences = ["Yo va al tienda.", "Espero que tú ganas."]

tokenized_text = tokenizer(input_sentences, max_length=128, padding="max_length", truncation=True, return_tensors="pt")

input_ids = tokenized_text["input_ids"].squeeze()
attention_mask = tokenized_text["attention_mask"].squeeze()

outputs = model.generate(input_ids=input_ids, attention_mask=attention_mask)

for sentence in tokenizer.batch_decode(outputs, skip_special_tokens=True):
  print(sentence)