У дип павлов недавно был релиз модельки:
http://docs.deeppavlov.ai/en/master/features/models/syntaxparser.html#joint-model-usage

возился с ней в свободное время на работе, так и не встала

а что случилось?

но то был колаб. доберусь до локального юпитера думаю встанет

зависимости не подтягивает

А если менять последовательности цифр и букв? Интересно, усложняется ли задача, или же просто вопрос времени? Типо никакой разницы между обычным языком?

Не очень сложная задача на определенном домене. Только нужны железки.

А что насчёт sentiment analysis?

А это уже другая задача)

и какие мысли тогда по этой задаче?

В этом варианте мы видим текст на русском языке, но с измененным алфавитом. Некоторые буквы были замененны цифрами.

Я делал как-то давно, около года назад, нейронку из двух слоёв lstm и word2vec, обучал на этом корпусе http://study.mokoron.com/ предварительно его вычистивши от мусора, получилась точность около 76% и вроде как по сей день нормально работает)

класс 👍🏼

Если надумаете повторить, могу дать точную конфигурацию сети и прочие параметры)

лучше если сможешь дать препроцессинг, я в spacy вкорячу

Да, без проблем, в лс только)

ага, супер

Смотря как менять. Если вы сделаете генератор который заменяет с шумом (рандомизировано), то должна будет увеличться неоднозначность (предельное качество обучения по системе текстов с шумом будет ниже, чем у исходного датасета).

Если же вы детерминистически делаете замены (причем подобрав замены таким образом что не создается новая неоднозначность распознавания), то почти наверное предельное качество и характер обучения останутся такими же.

На кэгле была как-то задачка, где надо было классифицировать тексты, зашифрованные каким-то криптографическим шифром. Определять автора, кажется. И ничего, классифицировали, не понимая ни слова)

Теоретически для понимания слова достаточно снять неоднозначность только с согласных. CNN по символам наверное потом.