Обновить
64K+
347
Alexander Veysov@snakers4

Machine Learning / Data Science

53,2
Рейтинг
460
Подписчики
Отправить сообщение

Ну каких-то проблем с терминалами (где они есть) - я не видел. И они были не пыльные, сотрудники не тупили, ну как бывает, когда давно не пользовались и что-то отсохло там.

И кэш прекрасно принимают все. В метро кстати не видел в Шанхае как платить прямо на входе картой, но может просто не разобрался, хз.

Но 95% мест - везде, конечно, QR коды. Наверное для меня было странным, что сети типа 7/11 и его аналоги не принимают. Вот это действительно странно, это же гига-сеть, но видимо ЦА это не нужно просто.

что для Китая довольно экзотический способ платежа.

Статистически, как % от всех точек ритейла, это правда, плашку UnionPay встретить довольно тяжело. Но строго говоря - это не так.

Карты принимают:

  • Многие отели

  • Гос. учреждения, места общественной культуры (с платным входом, ещё там даже иногда принимают богомерзкие VISA / MasterCard)

  • Рестораны чуть-чуть повыше уровнем чем чифанька и фудкорт (отдельно стоящие как бы часто принимают, но не чифаньки)

  • По-моему в кассе на вокзале была плашка

  • Бренды, в торговых центрах, в туристических местах (но за это будет наценка x2, за углом будут такие же товары, но дешевле)

Карты не принимают:

  • В чифаньке дядюшки Фэня, любой лавочник или малый-средний бизнес

  • При входе в метро (автоматы в метро карту РСХБ тоже не приняли, а кассу я не искал)

  • В торговых автоматах, в мини торговых центрах и фудкортах

  • В сетях супермаркетов у дома ("настоящие" супермаркеты не посещал, да и зачем они когда есть рынки)

  • На рынках, барахолках

В общем если в России есть вероятность, что могут попросить "можно переводом брат", то в Китае, там 99.9% не будет карт, даже китайских. Видимо, исторически они просто проскочили этот этап, а государство там не сильно яйца крутит и алик по сути это гибрид r-keeper, эквайринга и народного хостинга сайтов.

Ну поделитесь гайдом как это сделать каждой второй домохозяйке, а то без конкретики выглядит как очередной наброс. Удивительное с учётом вашей карты)

Ей можно платить за всё, находясь в Китае или в Азии.

В интернете на сайтах с галкой unionpay как-то умудрился заплатить.

Карта РСБ тоже недешёвая. Но покупать в Китае в магазинах на неё можно (снять нельзя).

Россельхозбанк, UnionPay, юаневая - не привязывается.

Привязать карту РФ к Alipay сейчас нельзя — по крайней мере, на дату публикации. Если вы знаете более удобные способы оплачивать зарубежные сервисы, расскажите в комментариях

Более того, привязать РФ карту системы UnionPay - тоже нельзя, что немного абсурдно.

Так, я нашёл это, открыл их демку, попробовал какие-то схемы на русском языке, мне показалось, что оно генерирует красивые json-ы, но с весьма случайными и бесполезными скорами.

я тут поразвлекался чуть-чуть

Ну то есть это как-то хитро натренированный BERT, статью автора ещё не прочитал.

Если вы доделаете свой словарь, можете заслать его нам в личку, мы интегрируем его в библиотеку. Из библиотеки словарь достать будет - сильно нетривиально.

Выступлю в защиту. PyMorphy это просто DAWG упакованный словарь русской морфологии, плюс некоторые эвристики для авторской фантазии. Шанс ошибки исчезающий. Единственная, с которой столкнулся в вопросах нормализации чисел, это ошибка парсинга из формы "сто". Приходится в словарь начальных/нормальных форм заносить "ста".

Мы использовали PyMorphy при обработке больших корпусов текста (сотни миллионов предложений), и на одни и те же слова на большой дистанции он зачастую выдаёт целый "пучок" рандомных тегов. То есть ответы не прямо строго детерменированы на большой датке. Что там внутри - не интересовался никогда, но скорее всего там должен быть парсинг структуры предложения и что-то типа CRF.

Тест на 440 смысловых омографах, по корпусам с близким к естественному распределением форм, дал довольно схожие значения. RuAccent 0.92, prev Silero 0.926, cur Silero 0.937. Усреднение значения проводилось с учетом частотности каждого из проверяемых омографов.

Ну во-первых, пришлите к нам в репку датасет, мы разберём ошибки, посмотрим что там, убран ли у вас дисбаланс вариантов и дисбаланс по частотности.

Тут учитывайте, что это не лучшая модель, лучшая приватная обычно лучше на 2-3 (иногда и даже 4-5пп), на разных доменах.

Важно отметить, что метрика accuracy ещё является отчасти неправильной, т.к. на некоторых доменах эвристика "ставить более популярный омограф" может давать 85%-90% accuracy, если не убирать частотность.

Что касается бест-практис, я бы поспорил, но лучше приведу известную цитату (мы чуть припозднились со своей публикацией, но давайте омографы теперь ещё нейросетками на триллион параметров разбирать будем, лол):

Сообщение уж очень подозрительно похоже на автоматически сгенерированное, но тем не менее постараюсь тут "нанести пользу" сообществу:

num2words + pymorphy3

Основная проблема тут в том, что pymorphy во-первых имеет далеко не 100% точность, имеет сильно ненулевой оверхед (и не молодеет), и если уж заниматься слоповодством, то есть в принципе разной степени безобразности готовые библиотеки, которые делают практически всё на регулярках, очень быстро работают и решают базовые кейсы без "конвейера" и ещё цепочки внешних (устаревших) библиотек.

Словари RUAccent + eyo-kernel, на золотом наборе recall 93.9 % у одного акцентора против 95.0 % в связке «ё-слой → акцентор»; на редких и длинных формах разрыв больше - из 3000 случайных форм акцентор оставил без ё 27.2 %.

Тут я бы советовал воспользоваться нашей недавней более качественной библиотекой для расстановки ударений в обычных словах, омографах и простановки буквы ё, которая не требует танцев с бубнами и работает из коробки. Плюс в последней версии можно вообще заливать свои словари и регулярки.

Сейчас насколько я понимаю проект - это уже abandoware, но когда мы снимали метрики RUAccent, его метрики точности, и precision и recall были на уровне просто простановки более популярного варианта омографа, а по потреблению ресурсов он кушал больше, чем даже наш синтез (именно простановка ударений де-факто не работала без GPU и кушала уже на два-три порядка больше вычислительных ресурсов, что для текстовой библиотеки - смерти подобно).

Пришлось писать свой CV-детектор по геометрии плюс проверку нейросетью , в итоге 32 241 форма из 121 170 токенов, и печать в приоритете над всей автоматикой (ageenko → names → lex). Как это разбиралось — подробно здесь (надо бы написать статью на Хабр :) ).

А этот словарь где-то можно скачать?

Мы ничего не меняли

Ну под что-то такое подстраиваться - в любом момент рубанут доступ

Если я верно понял тут это yet another LLM за АПИ где-то в Амазоне, только которую тренировали отвечать на какие-то более конкретные запросы.

Плюс не совсем понял, а как её локально скачать?

Двойных звёздочек и вопросительного знака для этого достаточно или интонационный центр нужно размечать отдельно?

Мы не прорабатывали одновременную поддержку и вопроса и эмфазы. Попробуйте, интересно что будет вообще.

Что касается вопросов:

Если вопрос общий, то для максимальной выразительности следует выделить интонационный центр одинарными звёздочками. Для альтернативных, специальных или вопросов-хвостиков можно не указывать интонационный центр (если указать, будет получше звучать).

На данный момент мы не осуществляем публичную поддержку таких движков.

Так, ну во-первых такой v5_v4_.ru.pt модели нет, есть модель v5_4_ru.

Во-вторых проверил ссылки на v5_5_ru и v5_6_ru , всё качается.

Знаю людей, кто покупал несколько поколений этих наушников подряд. По их мнению лучшие - WH-1000XM3, дальше пошёл мрак за эти деньги. Кстати я как-то купил именно XM3 за небольшую сумму (10к) на озоне. Думал, что же там будет. Оказалось, что они явно БУ, но заряд держат, амбушюры новые. Ну то есть на 95% новые. Пошёл на риск, но сработало.

Всегда поражало поведение юнитов там. Вроде они - жидкость в один момент и протекают, а потом, когда кто-то делает стеночку - линги не могут пройти через маринок.

Когда накапливается огромный шар смерти вообще довольно комично за ним наблюдать.

1
23 ...

Информация

В рейтинге
143-й
Зарегистрирован
Активность