Neler yaptık? ❤️‍🩹

Adres Tanıma

Etiketli veriden NER modeli eğittik, en iyi bunlar çalışıyor: deprem-ner ve deprem-ner-mdebertav3
Şu modelleri zero-shot benchmark ettik, son modelleri kendimiz eğittik 👇
- convbert-base-turkish-ner (xlm-roberta-turkish-ner'le birebir çalışıyor)
- xlm_roberta_large_df
- xlm-roberta-turkish-ner
- deprem-ner ve deprem-ner-mdebertav3 modellerimiz en iyi ve en spesifik location tag'lerini döndürüyor.

Intent Classification

- Etiketli veride insanların ihtiyaçlarını tahmin eden modeller eğittik, benchmark'ları leaderboard'larda ve model repository'leri bu organizasyonda bulabilirsiniz. v12 ve v13 arasındaki fark data drift ve ihtiyaca göre değişen label'lar.

OCR

OCR için EasyOCR kullandık. Space OCR'ın çıktısını kendi NER modelimize veriyor. Bu Space'i iki türlü kullanabilirsiniz:
- GUI olarak kullanıp metin içeren screenshot ya da metnin kendisini verip input'un DB'ye düşmesini sağlayabilirsiniz.
- (Kullanılan) Backend'inize entegre edebilirsiniz. Space'in en altında "Use via API"ya tıklayarak endpoint'ler nasıl kullanılıyor bakıp bu Space'i kendi backend'inizde kullanabilirsiniz.
OCR tarafında test edilen ve/-ya görüşülen diğer toolboxlar (efor kaybına yol açmaması adına) aşağıda listelenmiştir;
-Tesseract OCR
-MMOCR
-docTR
-PaddleOCR
Adres tanıma için kendi eğittimiz adres tanıma modelini kullanıyoruz.
Space'e PR açabilirsiniz. Space'e PR açmadan önce:
- Sağ üstteki üç noktadan "Duplicate this Space" seçeneğini seçerek Space'i çiftleyin.
- Değişikliklerinizi kendi fork'unuzda yapıp ardından ana Space'e PR açın. PR açarken lütfen kendi Space'inizin linkini açıklamaya ekleyin.
- Dependency eklememeye çalışın.

GPU inference desteği için Hugging Face ekibine, labelling desteği için microsoft'a ve AWS'e sonsuz teşekkürlerimizi sunarız.