Markov-driven POS tagger
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- EURECOM
- Organisatietype
- Academia
- Land
- France
- Gepubliceerd
- 1 June 1994
- Auteurs
- Bernard Merialdo
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Part-of-speech tagging
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 2.4M
- Training gegevens
- 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
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Citaties
- 788
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Tagging English Text with a Probabilistic Model
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Achtergrond
Markov-driven POS tagger werd gepubliceerd door EURECOM, in het land geregistreerd als France, tijdens June 1994. De publicerende organisatie is geclassificeerd als academia.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van part-of-speech tagging.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Antwoorden
Markov-driven POS tagger — veelgestelde vragen
Markov-driven POS tagger— wie heeft het gemaakt?
Het werd gepubliceerd door EURECOM, gebaseerd op France, een organisatie geclassificeerd als academia.
Markov-driven POS tagger— wanneer is het uitgebracht?
Het werd gepubliceerd in June 1994. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Markov-driven POS tagger— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van part-of-speech tagging. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.
Markov-driven POS tagger— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
Markov-driven POS tagger— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
Markov-driven POS tagger— hoeveel parameters heeft het?
Het heeft een parameter telling van 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. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.