🚀 XLM-RoBERTa基础通用依存关系v2.8词性标注：威尔士语
该模型用于解决跨语言词性标注问题，能够在超100种语言上进行词性标注，具有良好的跨语言迁移能力。可通过特定的调用方式轻松使用该模型进行相关任务。
🚀 快速开始
该模型是论文《Make the Best of Cross-lingual Transfer: Evidence from POS Tagging with over 100 Languages》的一部分。更多详细信息请查看 Space。
💻 使用示例
基础用法
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")
📄 许可证
该模型使用的许可证为Apache-2.0。
📚 详细文档
模型信息
| 属性 |
详情 |
| 模型类型 |
用于词性标注和标记分类的XLM-RoBERTa基础模型 |
| 训练数据 |
通用依存关系（Universal Dependencies）v2.8数据集 |
评估指标
该模型在多种语言上的词性标注准确率如下：
| 语言 |
准确率 |
| 英语 |
78.9 |
| 荷兰语 |
81.3 |
| 德语 |
78.3 |
| 意大利语 |
74.9 |
| 法语 |
77.1 |
| 西班牙语 |
81.0 |
| 俄语 |
82.0 |
| 瑞典语 |
80.6 |
| 挪威语 |
76.4 |
| 丹麦语 |
78.7 |
| 低地撒克逊语 |
52.7 |
| 阿卡德语 |
42.4 |
| 亚美尼亚语 |
73.7 |
| 威尔士语 |
94.9 |
| 古东斯拉夫语 |
71.6 |
| 阿尔巴尼亚语 |
76.8 |
| 斯洛文尼亚语 |
67.6 |
| 瓜贾拉语 |
33.1 |
| 库尔德语（库尔曼吉方言） |
77.1 |
| 土耳其语 |
72.0 |
| 芬兰语 |
77.1 |
| 印尼语 |
75.0 |
| 乌克兰语 |
80.9 |
| 波兰语 |
82.7 |
| 葡萄牙语 |
80.1 |
| 哈萨克语 |
75.5 |
| 拉丁语 |
73.7 |
| 古法语 |
54.0 |
| 布里亚特语 |
60.2 |
| 卡波语 |
21.2 |
| 韩语 |
56.8 |
| 爱沙尼亚语 |
79.4 |
| 克罗地亚语 |
79.6 |
| 哥特语 |
29.3 |
| 瑞士德语 |
48.3 |
| 亚述语 |
14.6 |
| 北萨米语 |
45.4 |
| 尼日利亚皮钦语 |
35.7 |
| 拉脱维亚语 |
78.4 |
| 中文 |
39.9 |
| 他加禄语 |
71.9 |
| 班巴拉语 |
33.2 |
| 立陶宛语 |
77.7 |
| 加利西亚语 |
79.0 |
| 越南语 |
55.2 |
| 希腊语 |
79.5 |
| 加泰罗尼亚语 |
78.1 |
| 捷克语 |
80.7 |
| 埃尔齐亚语 |
48.3 |
| 博杰普尔语 |
55.0 |
| 泰语 |
53.2 |
| 马拉地语 |
78.5 |
| 巴斯克语 |
69.5 |
| 斯洛伐克语 |
82.6 |
| 基切语 |
41.2 |
| 约鲁巴语 |
33.9 |
| 瓦尔皮里语 |
36.8 |
| 泰米尔语 |
75.5 |
| 马耳他语 |
36.4 |
| 古希腊语 |
55.4 |
| 冰岛语 |
73.8 |
| 姆比亚瓜拉尼语 |
33.4 |
| 乌尔都语 |
64.6 |
| 罗马尼亚语 |
76.5 |
| 波斯语 |
78.7 |
| 阿普里纳语 |
48.4 |
| 日语 |
28.6 |
| 匈牙利语 |
79.9 |
| 印地语 |
70.9 |
| 古典中文 |
20.5 |
| 科米-彼尔米亚克语 |
53.0 |
| 法罗语 |
73.1 |
| 梵语 |
38.0 |
| 利沃尼亚语 |
65.3 |
| 阿拉伯语 |
85.9 |
| 沃洛夫语 |
43.4 |
| 保加利亚语 |
82.8 |
| 阿孔苏语 |
36.0 |
| 马库拉普语 |
24.7 |
| 坎格里语 |
47.2 |
| 布列塔尼语 |
61.8 |
| 泰卢固语 |
74.6 |
| 粤语 |
40.7 |
| 古教会斯拉夫语 |
50.3 |
| 卡累利阿语 |
70.6 |
| 上索布语 |
74.1 |
| 南黎凡特阿拉伯语 |
70.1 |
| 科米-兹梁语 |
44.7 |
| 爱尔兰语 |
69.5 |
| 纳伊尼语 |
53.8 |
| 蒙杜鲁库语 |
28.1 |
| 马恩岛语 |
47.4 |
| 斯科尔特萨米语 |
42.0 |
| 南非荷兰语 |
74.7 |
| 古土耳其语 |
38.0 |
| 图皮南巴语 |
37.4 |
| 白俄罗斯语 |
84.5 |
| 塞尔维亚语 |
80.8 |
| 莫克沙语 |
47.7 |
| 西亚美尼亚语 |
68.7 |
| 苏格兰盖尔语 |
67.4 |
| 昆萨里语 |
50.0 |
| 希伯来语 |
86.5 |
| 维吾尔语 |
68.9 |
| 楚科奇语 |
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 支持多种语言