Характеристики

Контекст: 512 токенов
Параметры: 265 млн
Лицензия: CC BY 4.0
Архитектура: bert · dense
Базовая модель: malayalam-bert
Библиотека: transformers
Опубликована: 10 мар 2025

Ссылки

Hugging Face

malayalam-bert-finetuned-ner

AksharaBalan

Разметка токеновТекст → label4 профессии

Дообученная BERT-модель для разметки токенов и распознавания именованных сущностей в тексте на малаялам.

1 949скачиваний за 30 дней0лайковвеса обновлены10 мар 2025

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

AksharaBalan разработал эту модель на основе l3cube-pune/malayalam-bert, дообучив её для классификации токенов. Архитектура — BERT; модель предназначена для разметки последовательностей текста на малаялам, в том числе для распознавания именованных сущностей. Она принимает текст и выдаёт метки для его токенов. Размер модели — 264,8 млн параметров, контекст — до 512 токенов.

В карточке указана оценка loss 0,3393 на наборе для оценки, однако набор данных, схема меток и подробные результаты не описаны. Модель доступна по лицензии CC BY 4.0.

Сценарии применения

распознавание имен людей, мест и организаций в тексте на малаялам
разметка токенов для извлечения сущностей из малаяламских документов
подготовка текстовых корпусов на малаялам к последующему анализу

Ограничения

Датасет, схема меток и подробные результаты оценки не описаны, поэтому качество распознавания конкретных типов сущностей оценить нельзя.

Для каких профессий подходит4

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

malayalam-bert-finetuned-ner

This model is a fine-tuned version of l3cube-pune/malayalam-bert on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.3393

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: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
0.3455	1.0	2813	0.3711
0.323	2.0	5626	0.3377
0.2676	3.0	8439	0.3393

Framework versions

Transformers 4.47.0
Pytorch 2.5.1+cu121
Datasets 3.3.1
Tokenizers 0.21.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForTokenClassification
Ревизия весов: ba8ad85