library_name: transformers
tags:

• 文本到文本
• t2t
• 自然语言处理
• 土耳其语
• 语法纠错
  license: mit
  datasets:
• mcemilg/GECTurk-generation
  language:
• tr
  base_model:
• facebook/mbart-large-50-many-to-many-mmt
  pipeline_tag: 文本生成

模型卡片

模型概述

本模型是基于facebook/mbart-large-50-many-to-many-mmt在GECTurk-generation数据集上微调的版本，专用于土耳其语语法纠错任务。其输入为包含语法错误的土耳其语句子，输出为语法修正后的土耳其语文本。

该模型可应用于教育工具、写作辅助或任何需要规范土耳其语文法的自然语言处理场景。

支持输入输出语言代码"tr_TR"，且无需任务特定前缀即可运行。

快速使用指南

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM  

tokenizer = AutoTokenizer.from_pretrained("yeniguno/mbart50-turkish-grammar-corrector")  
model = AutoModelForSeq2SeqLM.from_pretrained("yeniguno/mbart50-turkish-grammar-corrector")  

def correct_turkish(text):  
    tokenizer.src_lang = "tr_TR"  
    encoded = tokenizer(text, return_tensors="pt", max_length=128, truncation=True)  

    input_ids = encoded["input_ids"].to(model.device)  

    generated_ids = model.generate(  
        input_ids,  
        max_length=128,  
        num_beams=4,  
        forced_bos_token_id=tokenizer.lang_code_to_id["tr_TR"]  
    )  
    return tokenizer.decode(generated_ids[0], skip_special_tokens=True)  

print(correct_turkish("Alide geldi.")) # 输出：Ali de geldi.  

训练细节

本模型使用Hugging Face Transformers的Seq2SeqTrainer进行训练。