🚀 XLM-RoBERTa基礎通用依存關係v2.8詞性標註：威爾士語
該模型用於解決跨語言詞性標註問題，能夠在超100種語言上進行詞性標註，具有良好的跨語言遷移能力。可通過特定的調用方式輕鬆使用該模型進行相關任務。
🚀 快速開始
該模型是論文《Make the Best of Cross-lingual Transfer: Evidence from POS Tagging with over 100 Languages》的一部分。更多詳細信息請查看 Space。
💻 使用示例
基礎用法
from transformers import AutoTokenizer, AutoModelForTokenClassification
tokenizer = AutoTokenizer.from_pretrained("wietsedv/xlm-roberta-base-ft-udpos28-cy")
model = AutoModelForTokenClassification.from_pretrained("wietsedv/xlm-roberta-base-ft-udpos28-cy")
📄 許可證
該模型使用的許可證為Apache-2.0。
📚 詳細文檔
模型信息
| 屬性 |
詳情 |
| 模型類型 |
用於詞性標註和標記分類的XLM-RoBERTa基礎模型 |
| 訓練數據 |
通用依存關係（Universal Dependencies）v2.8數據集 |
評估指標
該模型在多種語言上的詞性標註準確率如下：
| 語言 |
準確率 |
| 英語 |
78.9 |
| 荷蘭語 |
81.3 |
| 德語 |
78.3 |
| 意大利語 |
74.9 |
| 法語 |
77.1 |
| 西班牙語 |
81.0 |
| 俄語 |
82.0 |
| 瑞典語 |
80.6 |
| 挪威語 |
76.4 |
| 丹麥語 |
78.7 |
| 低地撒克遜語 |
52.7 |
| 阿卡德語 |
42.4 |
| 亞美尼亞語 |
73.7 |
| 威爾士語 |
94.9 |
| 古東斯拉夫語 |
71.6 |
| 阿爾巴尼亞語 |
76.8 |
| 斯洛文尼亞語 |
67.6 |
| 瓜賈拉語 |
33.1 |
| 庫爾德語（庫爾曼吉方言） |
77.1 |
| 土耳其語 |
72.0 |
| 芬蘭語 |
77.1 |
| 印尼語 |
75.0 |
| 烏克蘭語 |
80.9 |
| 波蘭語 |
82.7 |
| 葡萄牙語 |
80.1 |
| 哈薩克語 |
75.5 |
| 拉丁語 |
73.7 |
| 古法語 |
54.0 |
| 布里亞特語 |
60.2 |
| 卡波語 |
21.2 |
| 韓語 |
56.8 |
| 愛沙尼亞語 |
79.4 |
| 克羅地亞語 |
79.6 |
| 哥特語 |
29.3 |
| 瑞士德語 |
48.3 |
| 亞述語 |
14.6 |
| 北薩米語 |
45.4 |
| 尼日利亞皮欽語 |
35.7 |
| 拉脫維亞語 |
78.4 |
| 中文 |
39.9 |
| 他加祿語 |
71.9 |
| 班巴拉語 |
33.2 |
| 立陶宛語 |
77.7 |
| 加利西亞語 |
79.0 |
| 越南語 |
55.2 |
| 希臘語 |
79.5 |
| 加泰羅尼亞語 |
78.1 |
| 捷克語 |
80.7 |
| 埃爾齊亞語 |
48.3 |
| 博傑普爾語 |
55.0 |
| 泰語 |
53.2 |
| 馬拉地語 |
78.5 |
| 巴斯克語 |
69.5 |
| 斯洛伐克語 |
82.6 |
| 基切語 |
41.2 |
| 約魯巴語 |
33.9 |
| 瓦爾皮里語 |
36.8 |
| 泰米爾語 |
75.5 |
| 馬耳他語 |
36.4 |
| 古希臘語 |
55.4 |
| 冰島語 |
73.8 |
| 姆比亞瓜拉尼語 |
33.4 |
| 烏爾都語 |
64.6 |
| 羅馬尼亞語 |
76.5 |
| 波斯語 |
78.7 |
| 阿普里納語 |
48.4 |
| 日語 |
28.6 |
| 匈牙利語 |
79.9 |
| 印地語 |
70.9 |
| 古典中文 |
20.5 |
| 科米-彼爾米亞克語 |
53.0 |
| 法羅語 |
73.1 |
| 梵語 |
38.0 |
| 利沃尼亞語 |
65.3 |
| 阿拉伯語 |
85.9 |
| 沃洛夫語 |
43.4 |
| 保加利亞語 |
82.8 |
| 阿孔蘇語 |
36.0 |
| 馬庫拉普語 |
24.7 |
| 坎格里語 |
47.2 |
| 布列塔尼語 |
61.8 |
| 泰盧固語 |
74.6 |
| 粵語 |
40.7 |
| 古教會斯拉夫語 |
50.3 |
| 卡累利阿語 |
70.6 |
| 上索布語 |
74.1 |
| 南黎凡特阿拉伯語 |
70.1 |
| 科米-茲梁語 |
44.7 |
| 愛爾蘭語 |
69.5 |
| 納伊尼語 |
53.8 |
| 蒙杜魯庫語 |
28.1 |
| 馬恩島語 |
47.4 |
| 斯科爾特薩米語 |
42.0 |
| 南非荷蘭語 |
74.7 |
| 古土耳其語 |
38.0 |
| 圖皮南巴語 |
37.4 |
| 白俄羅斯語 |
84.5 |
| 塞爾維亞語 |
80.8 |
| 莫克沙語 |
47.7 |
| 西亞美尼亞語 |
68.7 |
| 蘇格蘭蓋爾語 |
67.4 |
| 昆薩里語 |
50.0 |
| 希伯來語 |
86.5 |
| 維吾爾語 |
68.9 |
| 楚科奇語 |
36.8 |
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
PyTorch
Transformers 支持多種語言