а можно чуть подробнее?)

Кажется "стек нейросеток" мало отношения имеет к конкретному языку, особенно с учётом результатов показанных в блокноте :)

Результаты же ваши и правда выглядят интересными, с решением действительно возникает желание познакомиться поближе - есть такая возможность?

понятно что ничего не понятно)

Да, можно сделать демку в телеграм, просто там наработки наши и не охота открывать.
И игра слов стек нейросеток на само деле не игра, там одной сеткой не получится добиться результата

не все могу сказать, уверен вы сможете погуглить и найти сами тк основную сеть я сказал

благодарю вас

Чтож, всё равно спасибо, хотя бы за направление

Это именно BART, не BERT?

привет) может есть какая-то рабочая регулярка, чтобы достать мобильный телефон любой страны в любом формате?

🔫 @siberian_ambsace кикнут — вернуть этого пользователя можно только разбаном в настройках чата.

Проголосовавшие за кик:
@wadimiusz, @SamsonovaDaria, @tsukimy, @andapka, @Nikolay_Karelin
При поддержке Золота Бородача

Привет.

Есть задача классифицировать фразы из чатов по принципу к какому полу обращался человек. Подскажите какие инструменты для этого использовать?
Я попытался при помощи Natasha сделать синтаксический разбор и посчитать какого рода слов больше. Естественно получил неудовлетворительный результат.

Например: «Книга была классная о любви и разлуке. Сам почитай!» - женских слов больше, обращение к мужчине.

Дайте направление - куда копать?

Хм, может сначала посмотреть, а разделяются ли вектора фраз на два кластера?

(есть мнение, что задача сама так себе, и там обязательно будут такие вот подставы)

но да, логичней смотреть на род всего, что как-то согласуется с глаголами или местоимения 2 лица (хотя там всё равно может быть шум — обобщённо-личные предложения, цитаты и т.п.)

Ох. Я ж совсем нуб. Предлагаете векторизовать тексты и попробовать без учителя поделить на два класса? Тут наверное  больше вылезет негатив-позитив, т.к. негатива в данных много.

На род всего, что согласуется с глаголами и местоимениями - интересно… Спасибо.

В данном случае мы понимаем, что фраза обращена к мужчине, по словам "сам почитай", т.к. "почитай" - во втором лице (т.е. это тот человек, к которому обращаются), а слово "сам" мужского рода синтаксически связано с этим "почитай".
Думаю, что надо закодить такого рода правила, опирающиеся как на морфологию (узнавание рода и лица), так и на синтаксис (какие слова связаны с какими), а Наташа умеет и то, и другое. Должно получиться умнее, чем просто подсчитывать слова разного рода.

О! Спасибо. Хорошее направление. С два-три десятка проанализировать вручную, попытаться закодить правила.

Если анализировать вручную,  тогда уж сразу размечать - потом пригодится как минимум для тестирования,  а можно и для обучения берта какого-нибудь.  Только я бы не просто всю фразу размечал, а еще выделял бы фрагмент,  который содержит ответ и систему бы тоже обучал этому - пусть не просто отвечает,  но и обосновывает, меньшее переобучение будет.

Ох. Вот тут мне видимо теории не хватает. Я-то полез сразу в NLP. Ну прошел перед этим базовые деревья решений и случайный лес. Поигрался с w2v - слека понял что к чему. Поигрался с бредогенерацией на ru-gpt - ничего не понял. Просмотрел курс на степике от Самсунга - завис…. Прошел на kaggle курс по нейросетям - стал хоть немного понимать. Теперь видимо надо ковыряться в LSTM сначала, потом в трансформерах и всяких бертах.