Comments (4)
Hunspell дээр монгол толь хөгжүүлэх онолын ажил анх 10-аад жилийн тэртээ хийгдсэн байсан бөгөөд сүүлийн 3 жилийн хугацаанд бодитоор хэрэгжин хөгжүүлэгдэж байгаа юм. Hunspell толийг NLP тал дээр stemming хийхэд ашиглаж болно. Чиний асуусан сүүлийн асуултад хариу болгож unmunch (https://github.com/hunspell/hunspell#other-executables) ашиглаж үзэж болох юм гэж бодогдож байна. twofold affix stripping ашигласан толинуудад энэ нь ажилладаггүй тул unmunch-г засаж таарна.
NLP салбарт судалгаа хийдэг шинэ залуу эрдэмтэн багш нарын бүтээлүүдийг цаг зав гаргаж байгаад сонирхох болно. Баярлалаа.
from dict-mn.
Баярлалаа. Эхний асуултын хувьд энэхүү толио хангалттай хэмжээнд хөгжүүлсний дараа нөхцөл бүрийн утгыг оруулахаар төлөвлөсөн байгаа. Хоёр дахь асуултын хувьд гэвэл яг юунд ямар зорилгоор ашиглах хэрэгтэй болоод дээрх асуудал хөндөгдөж байгааг мэдмээр байна.
from dict-mn.
Эхний асуултын хувьд энэхүү толио хангалттай хэмжээнд хөгжүүлсний дараа нөхцөл бүрийн утгыг оруулахаар төлөвлөсөн байгаа.
Хөгжүүлэлт идэвхитэй хийгдэхгүй байгаа гэж ойлгосон юм, тэгвэл цаашдаа хөгжүүлэлт хийгдэж сайжирснаас ямар учраас ийн хувиргалт үүссэнийг мэдэх боломжтой юм байна гэж ойлголоо.
Хоёр дахь асуултын хувьд гэвэл яг юунд ямар зорилгоор ашиглах хэрэгтэй болоод дээрх асуудал хөндөгдөж байгааг мэдмээр байна.
Монгол хэл дээр хөгжүүлэгдэж байгаа language model-үүд үгээ задлахдаа одоогоор дандаа statistic pair tokenizer үүд ашиглаад байгаа юм байна гэж бодоод, энэ чиглэлд илүү тухайн хэлний дүрмийг (жишээ нь morphological analysis) тусгасан үг задлагч байвал language modeling task нь өөрөө хялбар болох юм байна гэсэн үүднээс судалж байгаа юм.
Энэ санаа мөн Хуягбаатар багш-ийн хийсэн ажлуудаас inspired болсон гэж бодож байна.
Би жишээ болгоод huggingface дээр байгаа tokenizer-үүдийг харьцуулсан demo хийсэн юм.
Одоогийн байгаа learning framework үүд дотор tokenizer ихэвчлэн 2 function-г time complexity багатайгаар хийж чадаж байгаа нь tokenizer.encode()
ба tokenizer.decode()
функцууд ба тэр нь сургалтын явцад үр дүнгээ evaluate хийхэд чухал үүрэгтэй бас санагдаж байгаа юм.
Энэ чиглэлд таны ажил болон МУИС-ийн lemmatize хийдэг демо одоогоор туршсан ч decode
functionality дутмаг хэвээр байгаа санагдаад асуусан юм.
from dict-mn.
Хариу өгсөнд баярлалаа, энэ issue-г хаалаа.
from dict-mn.
Related Issues (5)
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from dict-mn.