readme.md

README.md

@@ -1,46 +1,2 @@
----
-language:
-- tr
-- en
-tags:
-- translation
-license: apache-2.0
-datasets:
-- Parallel Corpora for Turkish-English Academic Translations
-metrics:
-- bleu
-- sacrebleu
----
-
-
-## Model Details
-
-- **Developed by:** İlhami SEL
-- **Model type:** Turkish-English Machine Translation  -- Transformer Based(6 Layer)
-- **Language:** Turkish - English
-- **Resources for more information:** Sel, İ. , Üzen, H. & Hanbay, D. (2021). Creating a Parallel Corpora for Turkish-English Academic Translations . Computer Science , 5th International Artificial Intelligence and Data Processing symposium , 335-340 . DOI: 10.53070/bbd.990959
-
-
-
-
-
-```python
-checkpoint = "ilhami/Tr_En_AcademicTranslation"
-from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
-tokenizer = AutoTokenizer.from_pretrained(checkpoint)
-model = AutoModelForSeq2SeqLM.from_pretrained(checkpoint).to("cuda")
-tr= ["Sohbet robotları son yıllarda yaygın bir şekilde kullanılmaya başlanmıştır. ",
-"İnsanları taklit eden ve daha iyi müşteri memnuniyeti sağlayan sohbet robotları en gelişkin doğal dil işleme tekniklerine ihtiyaç duymaktadır. ",
-"Bu çalışma sohbet robotu konuşmalarının niyet tahminini geliştirmeye odaklanmıştır." ,
-"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." ,
-"Sohbet robotu konuşma veri kümeleri, sinema bileti rezervasyonu, restoran rezervasyonu ve taksi çağırma olmak üzere üç farklı alandan alınmıştır. ",
-"Bu çalışmanın sonunda, BERT ve BERT ile TF-IDF birleşimi modellerin diğer kombinasyonlardan daha iyi sonuç verdiği görülmüştür. ",
-"BERT gibi ön eğitimli modellerden faydalanmanın daha iyi bağlamsal anlama sağladığı ortaya çıkmıştır. ",
-"TF-IDF yerleştirmeleri, BERT gösterimi ile birleştirilerek niyet kategorisi tahmininin iyileştirilmesi amaçlanmıştır."]
-encoded_text = tokenizer(tr, return_tensors="pt", padding = True).to("cuda") 
-generated_tokens = model.generate(**encoded_text)
-en = tokenizer.batch_decode(generated_tokens, skip_special_tokens=True)
-```
-
-
-
+Turkish to English Machine translation
+Transformer Based(6 Layer)