Roberta Classical Chinese Base Sentence Segmentation

🚀 roberta-classical-chinese-base-sentence-segmentation

這是一個基於RoBERTa架構的預訓練模型，專門用於文言文句子切分，能有效處理文言文文本的斷句問題。

🚀 快速開始

此模型是在文言文文本上預訓練的RoBERTa模型，用於句子切分。它源自 roberta-classical-chinese-base-char。每個切分後的句子以標記類別 "B" 開頭，以標記類別 "E" 結尾（單字符句子的標記類別為 "S"）。

💻 使用示例

基礎用法

import torch
from transformers import AutoTokenizer,AutoModelForTokenClassification
tokenizer=AutoTokenizer.from_pretrained("KoichiYasuoka/roberta-classical-chinese-base-sentence-segmentation")
model=AutoModelForTokenClassification.from_pretrained("KoichiYasuoka/roberta-classical-chinese-base-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)))

📚 詳細文檔

引用信息

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.

📄 許可證

該模型使用的許可證為 "apache-2.0"。

模型信息表格