/ Модель

Характеристики

Контекст
514 токенов
Параметры
138 млн
Архитектура
camembert · dense
Опубликована
2 мар 2022

das22-10-camembert_pretrained

Заполнение пропусковТекст → текст3 профессии

CamemBERT, дополнительно предобученная на французских торговых справочниках XIX века для заполнения маскированных токенов и экспериментов с NER.

87скачиваний за 30 дней0лайковвеса обновлены19 мая 2022

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

HueyNemud/das22-10-camembert_pretrained — модель CamemBERT, разработанная для воспроизведения экспериментов по распознаванию именованных сущностей в исторических документах. Она дополнительно предобучена на примерно 845 тысячах записей из французских торговых справочников Парижа XIX века, извлечённых с помощью OCR. Такие записи обычно содержат имя человека или компании, род занятий и адрес.

Модель предназначена для заполнения маскированных токенов в тексте (fill-mask); её также используют как основу экспериментов по NER. Это плотная архитектура CamemBERT с 137,8 млн параметров и контекстом до 514 токенов. Для специализированного NER в карточке упомянуты отдельные производные модели, дообученные на размеченных записях.

Модель ориентирована на исторические французские справочники и воспроизводимость оценки из статьи DAS 2022; качество на современных или других жанрах текста не установлено. Формат весов — PyTorch. Лицензия в предоставленных данных не указана.

Сценарии применения

  • заполнение пропущенных токенов в записях французских справочников XIX века
  • подготовка основы для распознавания имён и организаций в исторических документах
  • воспроизведение экспериментов DAS 2022 по NER в торговых справочниках

Ограничения

Модель специализирована на коротких структурированных записях французских торговых справочников XIX века; её качество на иных типах текста не подтверждено. Предназначена для воспроизведения исследовательской оценки, а не является сама по себе дообученной моделью NER.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CamemBERT pretrained on french trade directories from the XIXth century

This mdoel is part of the material of the paper

Abadie, N., Carlinet, E., Chazalon, J., Duménieu, B. (2022). A Benchmark of Named Entity Recognition Approaches in Historical Documents Application to 19𝑡ℎ Century French Directories. In: Uchida, S., Barney, E., Eglin, V. (eds) Document Analysis Systems. DAS 2022. Lecture Notes in Computer Science, vol 13237. Springer, Cham. https://doi.org/10.1007/978-3-031-06555-2_30

The source code to train this model is available on the GitHub repository of the paper as a Jupyter notebook in src/ner/10-camembert_pretraining.ipynb.

Model description

This model pre-train the model Jean-Baptiste/camembert-ner on a set of ~845k entries from Paris trade directories from the XIXth century extracted with OCR. Trade directory entries are short and strongly structured texts that giving the name, activity and location of a person or business, e.g:

Peynaud, R. de la Vieille Bouclerie, 18. Richard, Joullain et comp., (commission- —Phéâtre Français. naire, (entrepôt), au port de la Rapée-

Intended uses & limitations

This model is intended for reproducibility of the NER evaluation published in the DAS2022 paper. Several derived models trained for NER on trade directories are available on HuggingFace, each trained on a different dataset :

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0

Training results

Training LossEpochStepValidation Loss
1.96031.01003461.8005
1.70322.02006921.6460
1.58793.03010381.5570

Framework versions

  • Transformers 4.16.0.dev0
  • Pytorch 1.10.1+cu102
  • Datasets 1.17.0
  • Tokenizers 0.10.3

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
CamembertForMaskedLM
Ревизия весов
a54f517

0 моделей