ilhami
/

Tr_En_AcademicTranslation

@@ -12,23 +12,23 @@ metrics:
 - sacrebleu
 ---
-Turkish to English Machine Translation
-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
-Transformer Based(6 Layer)
-//usage
-checkpoint2 = "ilhami/Tr_En_AcademicTranslation"
-from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
 tokenizer = AutoTokenizer.from_pretrained(checkpoint)
 model = AutoModelForSeq2SeqLM.from_pretrained(checkpoint).to("cuda")
 tr= ["Sohbet robotları son yıllarda yaygın bir şekilde kullanılmaya başlanmıştır. ",
 "İnsanları taklit eden ve daha iyi müşteri memnuniyeti sağlayan sohbet robotları en gelişkin doğal dil işleme tekniklerine ihtiyaç duymaktadır. ",
 "Bu çalışma sohbet robotu konuşmalarının niyet tahminini geliştirmeye odaklanmıştır." ,
@@ -37,12 +37,10 @@ tr= ["Sohbet robotları son yıllarda yaygın bir şekilde kullanılmaya başlan
 "Bu çalışmanın sonunda, BERT ve BERT ile TF-IDF birleşimi modellerin diğer kombinasyonlardan daha iyi sonuç verdiği görülmüştür. ",
 "BERT gibi ön eğitimli modellerden faydalanmanın daha iyi bağlamsal anlama sağladığı ortaya çıkmıştır. ",
 "TF-IDF yerleştirmeleri, BERT gösterimi ile birleştirilerek niyet kategorisi tahmininin iyileştirilmesi amaçlanmıştır."]
 encoded_text = tokenizer(tr, return_tensors="pt", padding = True).to("cuda")
 generated_tokens = model.generate(**encoded_text)
-en = tokenizer.batch_decode(generated_tokens, skip_special_tokens=True)

 - sacrebleu
 ---
+## Model Details
+- **Developed by:** İlhami SEL
+- **Model type:** Turkish-English Machine Translation  -- Transformer Based(6 Layer)
+- **Language:** Turkish - English
+- **Resources for more information:** 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
+```python
+checkpoint = "ilhami/Tr_En_AcademicTranslation"
+from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
 tokenizer = AutoTokenizer.from_pretrained(checkpoint)
 model = AutoModelForSeq2SeqLM.from_pretrained(checkpoint).to("cuda")
 tr= ["Sohbet robotları son yıllarda yaygın bir şekilde kullanılmaya başlanmıştır. ",
 "İnsanları taklit eden ve daha iyi müşteri memnuniyeti sağlayan sohbet robotları en gelişkin doğal dil işleme tekniklerine ihtiyaç duymaktadır. ",
 "Bu çalışma sohbet robotu konuşmalarının niyet tahminini geliştirmeye odaklanmıştır." ,
 "Bu çalışmanın sonunda, BERT ve BERT ile TF-IDF birleşimi modellerin diğer kombinasyonlardan daha iyi sonuç verdiği görülmüştür. ",
 "BERT gibi ön eğitimli modellerden faydalanmanın daha iyi bağlamsal anlama sağladığı ortaya çıkmıştır. ",
 "TF-IDF yerleştirmeleri, BERT gösterimi ile birleştirilerek niyet kategorisi tahmininin iyileştirilmesi amaçlanmıştır."]
 encoded_text = tokenizer(tr, return_tensors="pt", padding = True).to("cuda")
 generated_tokens = model.generate(**encoded_text)
+en = tokenizer.batch_decode(generated_tokens, skip_special_tokens=True)
+```