Gec Spanish BARTO SYNTHETIC

🚀 西班牙语语法纠错模型

该模型用于西班牙语语法纠错，基于特定数据集训练，能有效提升句子语法准确性。

🚀 快速开始

此模型在COWS - L2H数据集的80%以及80,984条合成生成的含语法错误的西班牙语句子上进行了训练，用于西班牙语文本的语法纠错。语料已按句子划分，因此该模型针对句子纠错进行了微调，可能不适用于整段文本的纠错。若要纠正段落，需先将文本按句子划分，再对每个句子运行模型。

合成数据是基于规则算法从格式良好的西班牙语句子生成的。合成生成的代码可在该项目的GitHub仓库中找到：点击查看

该模型在COWS - L2H数据集上的BLEU值为0.851。

✨ 主要特性

• 训练数据：使用COWS - L2H数据集的80%和80,984条合成错误句子进行训练。
• 适用范围：主要针对句子级别的语法纠错。
• 合成数据：基于规则算法从正确句子生成合成错误数据。

💻 使用示例

基础用法

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)