Markov-driven POS tagger
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- EURECOM
- Tipo de Organización
- Academia
- País
- France
- Publicado
- 1 June 1994
- Autores
- Bernard Merialdo
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Part-of-speech tagging
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 2.4M
- Datos de entrenamiento
- tokens
"The total number of free parameters is then: (Nw - 1).NT + (NT - 1).NT.NT." Where: Nw= Vocabulary size NT = Number of tags "In the treebank 159 different tags are used. These tags were projected on a smaller system of 76 tags designed by Evelyne Tzoukermann and Peter Brown (see Appendix). The results quoted in this paper all refer to this smaller system" So NT = 76 https://www.aclweb.org/anthology/J94-2001/ There is no direct reference to Nw, but the data is from "Lexicon and grammar in prob…
"We use the "treebank" data described in Beale (1988). It contains 42,186 sentences (about one million words) from the Associated Press." https://www.aclweb.org/anthology/J94-2001.pdf
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Citas
- 788
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Tagging English Text with a Probabilistic Model
- Última actualización
- 28 November 2025
Qué significan los números
Fondo
Markov-driven POS tagger fue publicado por EURECOM, en el país registrado como France, durante June 1994. La organización editora está clasificada como academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de part-of-speech tagging.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Respuestas
Markov-driven POS tagger — preguntas comunes
Markov-driven POS tagger— ¿Quién lo creó?
Fue publicado por EURECOM, basado en France, una organización categorizada como academia.
Markov-driven POS tagger— ¿cuándo fue lanzado?
Se publicó en June 1994. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
Markov-driven POS tagger— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de part-of-speech tagging. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.
Markov-driven POS tagger— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
Markov-driven POS tagger— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
Markov-driven POS tagger— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 2.4M. "The total number of free parameters is then: (Nw - 1).NT + (NT - 1).NT.NT." Where: Nw= Vocabulary size NT = Number of tags "In the treebank 159 different tags are used. These tags were projected on a smaller system of 76 tags designed by Evelyne Tzoukermann and Peter Brown (see Appendix). The results quoted in this paper all refer to this smaller system" So NT = 76 https://www.aclweb.org/anthology/J94-2001/ There is no direct reference to Nw, but the data is from "Lexicon and grammar in probabilistic tagging of written English." which says "(the new CLAWS lexicón has almost 26,500 entries)" So tentatively Nw=26500 https://dl.acm.org/doi/10.3115/982023.982049. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.