Завантаження тексту BUDOVA
Пʼять рядків datasets.load_dataset() — плюс як фільтрувати по домену та дивитись на NER-анотації.
СкороТуторіали в Colab
Ноутбуки
Ноутбуки Colab з прикладами роботи з корпусом BUDOVA — завантаження, навчання бейслайнів, оцінка. Виходитимуть разом із даними.
Fine-tune XLM-R на BUDOVA NER
Базова NER-модель на девʼяти типах BUDOVA. Включає оцінку на test-сеті.
СкороASR на будівельному мовленні
Оцінюємо off-the-shelf український ASR на зразках BUDOVA, порівнюємо WER по діалектах і доменах.
СкороLexicon-aware токенайзер
Мінімальний BPE токенайзер, доучений на BUDOVA-лексиконі — знижує кількість токенів для будівельних промптів.
СкороСтатистика і покриття
Відтворіть кожне число з головної сторінки — coverage, лічильники по доменах, IAA.
СкороPush своєї підмножини у HF
Запакувати анотовану підмножину з експорту платформи та опублікувати в репозиторій Hugging Face.
СкороНоутбуки публікуватимуться разом з даними, які вони використовують. Посилання стануть активними в міру релізу кожної підмножини — першим, з v1.0, текстовий quickstart.
