Update README.md
Browse files
README.md
CHANGED
|
@@ -1,2 +1,46 @@
|
|
| 1 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 2 |
Transformer Based(6 Layer)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
language:
|
| 3 |
+
- ru
|
| 4 |
+
- en
|
| 5 |
+
tags:
|
| 6 |
+
- translation
|
| 7 |
+
license: apache-2.0
|
| 8 |
+
datasets:
|
| 9 |
+
- wmt19
|
| 10 |
+
metrics:
|
| 11 |
+
- bleu
|
| 12 |
+
- sacrebleu
|
| 13 |
+
---
|
| 14 |
+
|
| 15 |
+
Turkish to English Machine Translation
|
| 16 |
+
Dataset : Sel, İ. , Üzen, H. & Hanbay, D. (2021). Creating a Parallel Corpora for Turkish-English Academic Translations . Computer Science , 5th International Artificial Intelligence and Data Processing symposium , 335-340 . DOI: 10.53070/bbd.990959
|
| 17 |
Transformer Based(6 Layer)
|
| 18 |
+
|
| 19 |
+
|
| 20 |
+
//usage
|
| 21 |
+
|
| 22 |
+
checkpoint2 = "ilhami/Tr_En_AcademicTranslation"
|
| 23 |
+
|
| 24 |
+
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
|
| 25 |
+
|
| 26 |
+
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
|
| 27 |
+
|
| 28 |
+
model = AutoModelForSeq2SeqLM.from_pretrained(checkpoint).to("cuda")
|
| 29 |
+
|
| 30 |
+
tr= ["Sohbet robotları son yıllarda yaygın bir şekilde kullanılmaya başlanmıştır. ",
|
| 31 |
+
"İnsanları taklit eden ve daha iyi müşteri memnuniyeti sağlayan sohbet robotları en gelişkin doğal dil işleme tekniklerine ihtiyaç duymaktadır. ",
|
| 32 |
+
"Bu çalışma sohbet robotu konuşmalarının niyet tahminini geliştirmeye odaklanmıştır." ,
|
| 33 |
+
"Kelime gösterimi için TF-IDF, Doc2vec ve BERT gibi geleneksel ve gelişmiş doğal dil işleme yöntemleri, çoklu sınıf ve çoklu etiket tahmini için ise lojistik regresyon, rastgele orman ve yapay sinir ağları kullanılmıştır." ,
|
| 34 |
+
"Sohbet robotu konuşma veri kümeleri, sinema bileti rezervasyonu, restoran rezervasyonu ve taksi çağırma olmak üzere üç farklı alandan alınmıştır. ",
|
| 35 |
+
"Bu çalışmanın sonunda, BERT ve BERT ile TF-IDF birleşimi modellerin diğer kombinasyonlardan daha iyi sonuç verdiği görülmüştür. ",
|
| 36 |
+
"BERT gibi ön eğitimli modellerden faydalanmanın daha iyi bağlamsal anlama sağladığı ortaya çıkmıştır. ",
|
| 37 |
+
"TF-IDF yerleştirmeleri, BERT gösterimi ile birleştirilerek niyet kategorisi tahmininin iyileştirilmesi amaçlanmıştır."]
|
| 38 |
+
|
| 39 |
+
|
| 40 |
+
encoded_text = tokenizer(tr, return_tensors="pt", padding = True).to("cuda")
|
| 41 |
+
|
| 42 |
+
|
| 43 |
+
generated_tokens = model.generate(**encoded_text)
|
| 44 |
+
|
| 45 |
+
|
| 46 |
+
en = tokenizer.batch_decode(generated_tokens, skip_special_tokens=True)
|