T5 Address Standardizer

🚀 地址標準化與糾正模型

本模型基於 t5-base 進行微調，可將不正確和不標準的地址轉換為標準化地址，主要針對美國地址進行訓練。

🚀 快速開始

模型使用方法

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model = AutoModelForSeq2SeqLM.from_pretrained("Hnabil/t5-address-standardizer")
tokenizer = AutoTokenizer.from_pretrained("Hnabil/t5-address-standardizer")

inputs = tokenizer(
  "220, soyth rhodeisland aveune, mason city, iowa, 50401, us",
  return_tensors="pt"
)
outputs = model.generate(**inputs, max_length=100)
print(tokenizer.batch_decode(outputs, skip_special_tokens=True))

# ['220, s rhode island ave, mason city, ia, 50401, us']

✨ 主要特性

• 評估指標：
  • 準確率（accuracy）
  • BLEU 指標（bleu）
• 示例展示：
  • 示例標題1：地址1，示例文本：19, asbury place,mason city, iowa, 50401, us
  • 示例標題2：地址2，示例文本：1429, birch drive, mason city, iowa, 50401, us

🔧 技術細節

訓練數據

該模型使用了來自 openaddresses.io 的數據進行訓練。