Характеристики

Контекст: 514 токенов
Параметры: 305 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Опубликована: 16 мая 2023

Ссылки

Hugging Face

mn-xlm-roberta-base-named-entity

2rtl3

Разметка токеновТекст → label8 профессий

Дообученная XLM-RoBERTa для классификации токенов и извлечения именованных сущностей из текста.

320скачиваний за 30 дней2лайкавеса обновлены16 мая 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

mn-xlm-roberta-base-named-entity — модель 2rtl3, дообученная на базе xlm-roberta-base для классификации токенов и распознавания именованных сущностей. Она присваивает метки отдельным фрагментам текста; размер модели — 305,2 млн параметров, максимальная длина контекста — 514 токенов. По оценке на тестовом наборе указаны precision 0,9275, recall 0,9364, F1 0,9319 и accuracy 0,9783.

Модель предназначена для извлечения сущностей из текста. Карточка не уточняет набор меток, обучающие данные и поддерживаемые естественные языки, поэтому качество для конкретных типов сущностей и языков нужно оценивать отдельно. Модель распространяется под лицензией MIT.

Сценарии применения

выделение имен людей в тексте
извлечение организаций и географических названий
разметка сущностей в документах
поиск упоминаний сущностей в текстовых корпусах

Ограничения

Карточка не описывает набор меток и обучающие данные, поэтому область применимости и качество для конкретных типов сущностей неясны. Языки модели не подтверждены метаданными.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mn-xlm-roberta-base-named-entity

This model is a fine-tuned version of xlm-roberta-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.1224
Precision: 0.9275
Recall: 0.9364
F1: 0.9319
Accuracy: 0.9783

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 16
eval_batch_size: 32
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.2015	1.0	477	0.0915	0.8830	0.9076	0.8951	0.9724
0.0837	2.0	954	0.0872	0.9089	0.9202	0.9145	0.9757
0.0605	3.0	1431	0.0814	0.9134	0.9275	0.9204	0.9768
0.0447	4.0	1908	0.0906	0.9219	0.9316	0.9267	0.9774
0.0317	5.0	2385	0.0969	0.9229	0.9330	0.9280	0.9782
0.0254	6.0	2862	0.1121	0.9216	0.9343	0.9279	0.9777
0.0195	7.0	3339	0.1143	0.9298	0.9364	0.9331	0.9790
0.0145	8.0	3816	0.1175	0.9229	0.9337	0.9283	0.9773
0.0114	9.0	4293	0.1205	0.9233	0.9332	0.9282	0.9774
0.0091	10.0	4770	0.1224	0.9275	0.9364	0.9319	0.9783

Framework versions

Transformers 4.28.0
Pytorch 2.0.0+cu118
Datasets 2.12.0
Tokenizers 0.13.3

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: XLMRobertaForTokenClassification
Ревизия весов: 0367d15