Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Архитектура: roberta · dense
Базовая модель: mongolian-roberta-base
Опубликована: 4 мая 2024

Ссылки

Hugging Face

roberta-base-ner-demo

Bachi06

Разметка токеновТекст → label3 профессии

Дообученная монгольская RoBERTa для классификации токенов и распознавания именованных сущностей в тексте.

8скачиваний за 30 дней0лайковвеса обновлены4 мая 2024

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

Bachi06/roberta-base-ner-demo — модель семейства RoBERTa для классификации токенов, дообученная автором на основе bayartsogt/mongolian-roberta-base. Она предназначена для разметки последовательностей токенов, в частности для задач распознавания именованных сущностей. Модель содержит 151,8 млн параметров и принимает текст с контекстом до 514 токенов.

В README приведены результаты на наборе оценки: F1 — 0,9358, точность — 0,9301, полнота — 0,9415, accuracy — 0,9804. Датасет и типы сущностей не описаны, поэтому эти показатели не позволяют определить качество на конкретных данных или классах сущностей. Лицензия в доступных сведениях не указана.

Сценарии применения

поиск именованных сущностей в монгольском тексте
разметка токенов монгольского текста
извлечение сущностей из коротких монгольских документов

Ограничения

README не описывает обучающий датасет и наборы сущностей, поэтому пригодность для конкретных типов сущностей неясна. Контекст ограничен 514 токенами.

Для каких профессий подходит3

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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-base-ner-demo

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

Loss: 0.1321
Precision: 0.9301
Recall: 0.9415
F1: 0.9358
Accuracy: 0.9804

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
0.1687	1.0	477	0.0866	0.8398	0.8904	0.8643	0.9712
0.0533	2.0	954	0.0790	0.9129	0.9279	0.9203	0.9777
0.0285	3.0	1431	0.0809	0.9263	0.9337	0.9300	0.9795
0.0164	4.0	1908	0.0932	0.9240	0.9374	0.9306	0.9794
0.0093	5.0	2385	0.1020	0.9281	0.9401	0.9341	0.9800
0.0055	6.0	2862	0.1137	0.9320	0.9424	0.9372	0.9808
0.0035	7.0	3339	0.1218	0.9265	0.9384	0.9325	0.9799
0.0026	8.0	3816	0.1240	0.9329	0.9422	0.9375	0.9809
0.0018	9.0	4293	0.1306	0.9297	0.9413	0.9355	0.9802
0.001	10.0	4770	0.1321	0.9301	0.9415	0.9358	0.9804

Framework versions

Transformers 4.40.1
Pytorch 2.2.1+cu121
Datasets 2.19.0
Tokenizers 0.19.1

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: RobertaForTokenClassification
Ревизия весов: d755009