/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Лицензия
afl-3.0
Архитектура
bert · dense
Опубликована
2 мар 2022

bert-base-multilingual-cased-ner-hrl

Разметка токеновТекст → label8 профессий

Многоязычная модель на основе mBERT для извлечения из текста имен людей, организаций и географических мест на десяти языках.

193 тыс.скачиваний за 30 дней85лайковвеса обновлены11 ноя 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

Davlan/bert-base-multilingual-cased-ner-hrl — модель распознавания именованных сущностей на основе mBERT, дообученная разработчиком Davlan на размеченных новостных текстах. Модель содержит около 205,1 млн параметров, использует архитектуру BERT и принимает текстовые последовательности длиной до 512 токенов.

Модель размечает упоминания людей (PER), организаций (ORG) и мест (LOC) на арабском, немецком, английском, испанском, французском, итальянском, латышском, нидерландском, португальском и китайском языках. Её можно применять для извлечения сущностей из новостных статей и других текстов на этих языках.

Качество может снижаться на текстах из других областей: обучение проводилось на датасетах новостной разметки, ограниченных конкретными периодами и источниками. Модель распространяется по лицензии AFL-3.0.

Сценарии применения

  • извлечение имён людей из новостных статей
  • поиск организаций в многоязычных текстах
  • распознавание географических названий в статьях
  • автоматическая разметка сущностей в корпусах на десяти поддерживаемых языках

Ограничения

Модель обучена на новостных датасетах конкретных периодов и может хуже обобщать на тексты из других областей. Она распознаёт только людей, организации и места.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Hugging Face's logo

language:

  • ar
  • de
  • en
  • es
  • fr
  • it
  • lv
  • nl
  • pt
  • zh
  • multilingual

bert-base-multilingual-cased-ner-hrl

Model description

bert-base-multilingual-cased-ner-hrl is a Named Entity Recognition model for 10 high resourced languages (Arabic, German, English, Spanish, French, Italian, Latvian, Dutch, Portuguese and Chinese) based on a fine-tuned mBERT base model. It has been trained to recognize three types of entities: location (LOC), organizations (ORG), and person (PER). Specifically, this model is a bert-base-multilingual-cased model that was fine-tuned on an aggregation of 10 high-resourced languages

Intended uses & limitations

How to use

You can use this model with Transformers pipeline for NER.

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline
tokenizer = AutoTokenizer.from_pretrained("Davlan/bert-base-multilingual-cased-ner-hrl")
model = AutoModelForTokenClassification.from_pretrained("Davlan/bert-base-multilingual-cased-ner-hrl")
nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "Nader Jokhadar had given Syria the lead with a well-struck header in the seventh minute."
ner_results = nlp(example)
print(ner_results)

Limitations and bias

This model is limited by its training dataset of entity-annotated news articles from a specific span of time. This may not generalize well for all use cases in different domains.

Training data

The training data for the 10 languages are from:

LanguageDataset
ArabicANERcorp
Germanconll 2003
Englishconll 2003
Spanishconll 2002
FrenchEuropeana Newspapers
ItalianItalian I-CAB
LatvianLatvian NER
Dutchconll 2002
PortugueseParamopama + Second Harem
ChineseMSRA

The training dataset distinguishes between the beginning and continuation of an entity so that if there are back-to-back entities of the same type, the model can output where the second entity begins. As in the dataset, each token will be classified as one of the following classes:

AbbreviationDescription
OOutside of a named entity
B-PERBeginning of a person’s name right after another person’s name
I-PERPerson’s name
B-ORGBeginning of an organisation right after another organisation
I-ORGOrganisation
B-LOCBeginning of a location right after another location
I-LOCLocation

Training procedure

This model was trained on NVIDIA V100 GPU with recommended hyperparameters from HuggingFace code.

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
BertForTokenClassification
Ревизия весов
e756de7

0 моделей