В SageMaker Есть возможность добавить свою рукописную модель в качестве Docker контейнера и потом использовать её практически во всех амазоновских сервисах из коробки. Плюс там автоматом мониторинг, версионирование и много плюшек. Но скорее всего это будет значительно дороже простого EC2 инстанса.

https://docs.aws.amazon.com/sagemaker/latest/dg/your-algorithms-inference-code.html

Готовлю большой пост на Хабр про проект Natasha, pdf в приложении. Почитайте, пожалуйста, напишите если заметите какие-то ошибки. Текст во многом дублирует посты на natasha.github.io, но есть новые разделы: про Ipymarkup, про интерфейс библиотеки Natasha, плюс учтены коменты из этого чата, про кривую разметку Nerus https://t.me/natural_language_processing/19552, например

Ок, читаю.

1) Зависит от того, как номер телефона разбивается на токены. Для чего вам нужно векторное представление телефонных номеров?
2) FastText умеет строить векторы незнакомых слов, усредняя векторы подслов.

1) я каждому слову  в итоге хочу навесить свой POS, каждому числу номера - B-Number или I-Number в зависимости от позиции в самом номере
2) да, точно, забыла про это, спасибо

Здравствуйте. Есть задача выделить адреса из текста. Причём заранее неизвестно сколько в тексте адресов. В общем случае больше одного. Адреса могут быть заданы с разной степенью детализации. Очевидным (допускаю что не лучшим) решением является посчитать кол-во объектов одного порядка: будь то страны, улицы и т.д. Есть ли в yargy (Наташе) уже что-то похожее на группировку по уровню? Например 0: [страна], 1: [край, область, республика] , 2: [район] и т.д.

группировки по-моему нет, надо самому сделать, но так даже интереснее!

Как вы разбиваете на "слова" эти четыре номера: 8(800)555 35 35, 8-800-555-35-35, 88005553535 и 8 800 555 35 35?

Да, сделать несложно. Опасаюсь чего-нибудь забыть. Но понял что придётся рискнуть. Спасибо.

у меня в базе возмоден только такой вариант 88005553535
каждая цифра в итоге размечается B-Number/ I-Number, если бы в базе были бы все остальные варианты, перечисленные вами, я думаю, что все знаки просто игнорировались бы, чистились на каком-то из этапов, потому что на вход и выход нужна последовательность чисел без каких-либо знаков междлу ними)

Тогда откуда и в каком виде они приходят в fasttext?

Спасибо

Всем привет, а никто не встречал датасета по бизнес запросам или бизнес лексике? Например "Выручка по категориям", "Какая рентабельность по моим клиентам" и т.д., может на английском есть что-то такое

или может есть идеи как бы нагенерить такой датасет, не могу сообразить в какую сторону копать

Именно вопросы, или любые тексты?

если не секрет, NL2SQL делаете или что-то попроще?
на вопрос не отвечу, не встречал ( генерировали такое сами в режиме тестирования чат-бота, поделиться не могу, да и там про нефть все было.

да скорее короткие запросы (1 предложение), нежели тексты

да именно, пришла в голову такая мысль, решил попробовать поиграться

а сколько человек генерили тестовые данные и сколько по времени примерно это вышло?)

да сложно сказать, скорее ~3 человека и часы, может пара десятков часов запросов. Это было растянуто во времени, чат бот получал новые фичи, запускалось тестирование, и так много подходов в течение полугода может. Ну, короче, у нас цели не было собрать лог, он собрался сам.

Понял, спасибо

А как итог, удалось реализовать рабочий вариант такого "переводчика"?