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)
|