Update README.md
Browse files
README.md
CHANGED
@@ -12,4 +12,22 @@ tags:
|
|
12 |
- chemistry
|
13 |
- biology
|
14 |
- medical
|
15 |
-
---
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
12 |
- chemistry
|
13 |
- biology
|
14 |
- medical
|
15 |
+
---
|
16 |
+
|
17 |
+
|
18 |
+
checkpoint = "ilhami/AcademicTranslation2024-tr-to-en"
|
19 |
+
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
|
20 |
+
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
|
21 |
+
model = AutoModelForSeq2SeqLM.from_pretrained(checkpoint).to("cuda")
|
22 |
+
tr= ["Sohbet robotları son yıllarda yaygın bir şekilde kullanılmaya başlanmıştır. ",
|
23 |
+
"İnsanları taklit eden ve daha iyi müşteri memnuniyeti sağlayan sohbet robotları en gelişkin doğal dil işleme tekniklerine ihtiyaç duymaktadır. ",
|
24 |
+
"Bu çalışma sohbet robotu konuşmalarının niyet tahminini geliştirmeye odaklanmıştır." ,
|
25 |
+
"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." ,
|
26 |
+
"Sohbet robotu konuşma veri kümeleri, sinema bileti rezervasyonu, restoran rezervasyonu ve taksi çağırma olmak üzere üç farklı alandan alınmıştır. ",
|
27 |
+
"Bu çalışmanın sonunda, BERT ve BERT ile TF-IDF birleşimi modellerin diğer kombinasyonlardan daha iyi sonuç verdiği görülmüştür. ",
|
28 |
+
"BERT gibi ön eğitimli modellerden faydalanmanın daha iyi bağlamsal anlama sağladığı ortaya çıkmıştır. ",
|
29 |
+
"TF-IDF yerleştirmeleri, BERT gösterimi ile birleştirilerek niyet kategorisi tahmininin iyileştirilmesi amaçlanmıştır."]
|
30 |
+
encoded_text = tokenizer(tr, return_tensors="pt", padding = True).to("cuda")
|
31 |
+
generated_tokens = model.generate(**encoded_text)
|
32 |
+
en = tokenizer.batch_decode(generated_tokens, skip_special_tokens=True)
|
33 |
+
|