Update README.md
Browse files
README.md
CHANGED
|
@@ -12,23 +12,23 @@ metrics:
|
|
| 12 |
- sacrebleu
|
| 13 |
---
|
| 14 |
|
| 15 |
-
Turkish to English Machine Translation
|
| 16 |
|
| 17 |
-
|
| 18 |
|
| 19 |
-
|
|
|
|
|
|
|
|
|
|
| 20 |
|
| 21 |
|
| 22 |
-
//usage
|
| 23 |
|
| 24 |
-
checkpoint2 = "ilhami/Tr_En_AcademicTranslation"
|
| 25 |
|
| 26 |
-
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
|
| 27 |
|
|
|
|
|
|
|
|
|
|
| 28 |
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
|
| 29 |
-
|
| 30 |
model = AutoModelForSeq2SeqLM.from_pretrained(checkpoint).to("cuda")
|
| 31 |
-
|
| 32 |
tr= ["Sohbet robotları son yıllarda yaygın bir şekilde kullanılmaya başlanmıştır. ",
|
| 33 |
"İnsanları taklit eden ve daha iyi müşteri memnuniyeti sağlayan sohbet robotları en gelişkin doğal dil işleme tekniklerine ihtiyaç duymaktadır. ",
|
| 34 |
"Bu çalışma sohbet robotu konuşmalarının niyet tahminini geliştirmeye odaklanmıştır." ,
|
|
@@ -37,12 +37,10 @@ tr= ["Sohbet robotları son yıllarda yaygın bir şekilde kullanılmaya başlan
|
|
| 37 |
"Bu çalışmanın sonunda, BERT ve BERT ile TF-IDF birleşimi modellerin diğer kombinasyonlardan daha iyi sonuç verdiği görülmüştür. ",
|
| 38 |
"BERT gibi ön eğitimli modellerden faydalanmanın daha iyi bağlamsal anlama sağladığı ortaya çıkmıştır. ",
|
| 39 |
"TF-IDF yerleştirmeleri, BERT gösterimi ile birleştirilerek niyet kategorisi tahmininin iyileştirilmesi amaçlanmıştır."]
|
| 40 |
-
|
| 41 |
-
|
| 42 |
encoded_text = tokenizer(tr, return_tensors="pt", padding = True).to("cuda")
|
| 43 |
-
|
| 44 |
-
|
| 45 |
generated_tokens = model.generate(**encoded_text)
|
|
|
|
|
|
|
|
|
|
| 46 |
|
| 47 |
|
| 48 |
-
en = tokenizer.batch_decode(generated_tokens, skip_special_tokens=True)
|
| 12 |
- sacrebleu
|
| 13 |
---
|
| 14 |
|
|
|
|
| 15 |
|
| 16 |
+
## Model Details
|
| 17 |
|
| 18 |
+
- **Developed by:** İlhami SEL
|
| 19 |
+
- **Model type:** Turkish-English Machine Translation -- Transformer Based(6 Layer)
|
| 20 |
+
- **Language:** Turkish - English
|
| 21 |
+
- **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
|
| 22 |
|
| 23 |
|
|
|
|
| 24 |
|
|
|
|
| 25 |
|
|
|
|
| 26 |
|
| 27 |
+
```python
|
| 28 |
+
checkpoint = "ilhami/Tr_En_AcademicTranslation"
|
| 29 |
+
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
|
| 30 |
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
|
|
|
|
| 31 |
model = AutoModelForSeq2SeqLM.from_pretrained(checkpoint).to("cuda")
|
|
|
|
| 32 |
tr= ["Sohbet robotları son yıllarda yaygın bir şekilde kullanılmaya başlanmıştır. ",
|
| 33 |
"İnsanları taklit eden ve daha iyi müşteri memnuniyeti sağlayan sohbet robotları en gelişkin doğal dil işleme tekniklerine ihtiyaç duymaktadır. ",
|
| 34 |
"Bu çalışma sohbet robotu konuşmalarının niyet tahminini geliştirmeye odaklanmıştır." ,
|
| 37 |
"Bu çalışmanın sonunda, BERT ve BERT ile TF-IDF birleşimi modellerin diğer kombinasyonlardan daha iyi sonuç verdiği görülmüştür. ",
|
| 38 |
"BERT gibi ön eğitimli modellerden faydalanmanın daha iyi bağlamsal anlama sağladığı ortaya çıkmıştır. ",
|
| 39 |
"TF-IDF yerleştirmeleri, BERT gösterimi ile birleştirilerek niyet kategorisi tahmininin iyileştirilmesi amaçlanmıştır."]
|
|
|
|
|
|
|
| 40 |
encoded_text = tokenizer(tr, return_tensors="pt", padding = True).to("cuda")
|
|
|
|
|
|
|
| 41 |
generated_tokens = model.generate(**encoded_text)
|
| 42 |
+
en = tokenizer.batch_decode(generated_tokens, skip_special_tokens=True)
|
| 43 |
+
```
|
| 44 |
+
|
| 45 |
|
| 46 |
|
|
|