Language modeling/nl: Difference between revisions
(Created page with "== Taalmodelleringsbenchmarks == ===DUMB=== DUMB is een benchmark voor het evalueren van de kwaliteit van taalmodellen voor Nederlandse Natuurlijke Taalverwerkingstaken. De set met taken is ontworpen om divers en uitdagend te zijn en de limieten van de bestaande taalmodellen te testen. De specifieke datasets en formaten zijn met name geschikt voor het finetunen van encodermodellen en toepasbaarheid voor grote generatieve modellen moet nog worden vastgesteld. Meer details...") |
No edit summary |
||
| Line 1: | Line 1: | ||
== | ==N-gram-modellering== | ||
'Colibri core' is een | 'Colibri core' is een natuurlijketaalverwerkingstool alsook een C++- en Python-bibliotheek voor het werken met standaard taalkundige constructies zoals n-grams en skipgrams (d.w.z. patronen met een of meerdere gaten van ofwel vaststaande, ofwel dynamische grootte) op een snelle en geheugenefficiënte manier. In de kern bevindt zich de colibri-patroonmodelleerder die het mogelijk maakt om querypatternmodellen te bouwen, bekijken en bewerken. | ||
*[http://proycon.github.io/colibri-core/ | *[http://proycon.github.io/colibri-core/ Githubpagina] | ||
==Grote Taalmodellen== | ==Grote Taalmodellen== | ||
* [https://huggingface.co/models?search=dutch Hugging Face Dutch Models] | * [https://huggingface.co/models?search=dutch Hugging Face Dutch Models] | ||
* [https://people.cs.kuleuven.be/~pieter.delobelle/robbert/ RobBERT]: Een Nederlands RoBERTa | * [https://people.cs.kuleuven.be/~pieter.delobelle/robbert/ RobBERT]: Een Nederlands RoBERTa-taalmodel | ||
* [https://github.com/wietsedv/bertje BERTje]: Een Nederlands BERT model | * [https://github.com/wietsedv/bertje BERTje]: Een Nederlands BERT-model | ||
* [https://github.com/Rijgersberg/GEITje GEITje]: Een groot open taalmodel | * [https://github.com/Rijgersberg/GEITje GEITje]: Een groot open taalmodel | ||
| Line 15: | Line 15: | ||
==SpaCy== | ==SpaCy== | ||
spaCy is een gratis | spaCy is een gratis opensourcebibliotheek voor natuurlijketaalverwerking in Python. | ||
* [https://spacy.io/models/nl Nederlandse modellen] | * [https://spacy.io/models/nl Nederlandse modellen] | ||
| Line 21: | Line 21: | ||
== Taalmodelleringsbenchmarks == | == Taalmodelleringsbenchmarks == | ||
===DUMB=== | ===DUMB=== | ||
DUMB is een benchmark voor het evalueren van de kwaliteit van taalmodellen voor Nederlandse | DUMB is een benchmark voor het evalueren van de kwaliteit van taalmodellen voor Nederlandse natuurlijketaalverwerkingstaken. De set met taken is ontworpen om divers en uitdagend te zijn en de limieten van de bestaande taalmodellen te testen. De specifieke datasets en formaten zijn met name geschikt voor het finetunen van encodermodellen en toepasbaarheid voor grote generatieve modellen moet nog worden vastgesteld. Meer details zijn te lezen in het paper dat via onderstaande link te vinden is. | ||
* [https://dumbench.nl/ DuMB] | * [https://dumbench.nl/ DuMB] | ||
Revision as of 09:02, 18 April 2024
N-gram-modellering
'Colibri core' is een natuurlijketaalverwerkingstool alsook een C++- en Python-bibliotheek voor het werken met standaard taalkundige constructies zoals n-grams en skipgrams (d.w.z. patronen met een of meerdere gaten van ofwel vaststaande, ofwel dynamische grootte) op een snelle en geheugenefficiënte manier. In de kern bevindt zich de colibri-patroonmodelleerder die het mogelijk maakt om querypatternmodellen te bouwen, bekijken en bewerken.
Grote Taalmodellen
- Hugging Face Dutch Models
- RobBERT: Een Nederlands RoBERTa-taalmodel
- BERTje: Een Nederlands BERT-model
- GEITje: Een groot open taalmodel
Meertalige Taalmodellen inclusief het Nederlands
SpaCy
spaCy is een gratis opensourcebibliotheek voor natuurlijketaalverwerking in Python.
Taalmodelleringsbenchmarks
DUMB
DUMB is een benchmark voor het evalueren van de kwaliteit van taalmodellen voor Nederlandse natuurlijketaalverwerkingstaken. De set met taken is ontworpen om divers en uitdagend te zijn en de limieten van de bestaande taalmodellen te testen. De specifieke datasets en formaten zijn met name geschikt voor het finetunen van encodermodellen en toepasbaarheid voor grote generatieve modellen moet nog worden vastgesteld. Meer details zijn te lezen in het paper dat via onderstaande link te vinden is.
LLM Scorebord
Dit is een scorebord voor Nederlandse benchmarks voor grote taalmodellen.