/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
bert-base-multilingual-cased
Библиотека
transformers
Опубликована
29 сен 2024

bert-base-NER-Russian

Разметка токеновТекст → label7 профессий

Дообученная многоязычная BERT-модель для извлечения имен людей и географических объектов из русского текста.

1 719скачиваний за 30 дней25лайковвеса обновлены16 дек 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

Это модель Gherman для распознавания именованных сущностей в русскоязычном тексте. Она создана дообучением многоязычного энкодера BERT google-bert/bert-base-multilingual-cased и содержит около 205,1 млн параметров. Модель использует архитектуру BertForTokenClassification и принимает текст длиной до 512 токенов.

Модель размечает имена и фамилии людей, отчества, а также географические названия: страны, регионы, города, районы, улицы и номера домов. Она предназначена для извлечения информации, анализа содержания и предварительной обработки текста для последующих NLP-задач; разметка выполняется в формате BIOLU. В карточке сообщается F1 0,988 на оценочном наборе, однако качество может меняться в зависимости от тематики и стиля текста.

Модель распространяется по лицензии MIT. Она может хуже распознавать редкие или сложные имена и наследовать смещения обучающих данных; результаты следует проверять, особенно в приложениях, затрагивающих людей.

Сценарии применения

  • извлечение имён, фамилий и отчеств из документов
  • поиск городов, регионов и адресных компонентов в тексте
  • автоматическая разметка сущностей в русскоязычных корпусах
  • подготовка текста для последующего NLP-анализа

Ограничения

Качество зависит от тематики и стиля текста; редкие и сложные имена могут распознаваться хуже. Возможны смещения обучающих данных, поэтому предсказания следует проверять.

Для каких профессий подходит7

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

Russian Named Entity Recognition Model

Model description

This model is a fine-tuned version of bert-base-multilingual-cased for Named Entity Recognition (NER) in Russian text. It can identify various entity types such as person first names, middle names, last names, cities, districts, etc using the BIOLU tagging format.

Intended uses & limitations

The model is designed to identify named entities in Russian text. It can be used for tasks such as information extraction, content analysis, and text preprocessing for downstream NLP tasks.

How to use

Here's a simple example of how to use the model:

from transformers import pipeline

ner_pipe = pipeline("ner", model="Gherman/bert-base-NER-Russian")

text = "Меня зовут Сергей Иванович из Москвы."
results = ner_pipe(text)

for result in results:
    print(f"Word: {result['word']}, Entity: {result['entity']}, Score: {result['score']:.4f}")

Limitations and bias

  • The model's performance may vary depending on the domain and style of the input text.
  • It may struggle with rare or complex entity names not seen during training.
  • The model might exhibit biases present in the training data.

Training data

The model was trained on Detailed-NER-Dataset-RU by AlexKly. Check it out, the dataset is pretty good!

Label Information

The dataset is labeled using the BIOLU format, where:

  • B: Beginning token of an entity
  • I: Inner token of an entity
  • O: Other (non-entity) token
  • L: Last token of an entity
  • U: Unit token (single-token entity)

The following entity types are included in the dataset:

Location (LOC) tags:

  • COUNTRY
  • REGION
  • CITY
  • DISTRICT
  • STREET
  • HOUSE

Person (PER) tags:

  • LAST_NAME
  • FIRST_NAME
  • MIDDLE_NAME

For example, a full tag might look like "B-CITY" for the beginning token of a city name, or "U-COUNTRY" for a single-token country name.

Training procedure

The model was fine-tuned from the bert-base-multilingual-cased checkpoint using the Hugging Face Transformers library.

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-5
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with weight decay fix
  • lr_scheduler_type: linear
  • num_epochs: 10

Framework versions

  • Transformers 4.28.1
  • Pytorch 1.13.0
  • Datasets 2.12.0
  • Tokenizers 0.13.3

Evaluation results

The model achieves the following results on the evaluation set:

  • Precision: 0.987843
  • Recall: 0.988498
  • F1 Score: 0.988170

Ethical considerations

This model is intended for use in analyzing Russian text and should be used responsibly. Users should be aware of potential biases in the model's predictions and use the results judiciously, especially in applications that may impact individuals or groups.

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
fc6b2c5

0 моделей