/ Модель

Характеристики

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

camembert-ner

Разметка токеновТекст → label6 профессий

Модель на основе CamemBERT извлекает имена людей, организации, места и другие именованные сущности из французского текста.

108 тыс.скачиваний за 30 дней121лайквеса обновлены1 июн 2023

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

Jean-Baptiste/camembert-ner — модель распознавания именованных сущностей, созданная дообучением CamemBERT на французском датасете wikiner-fr, содержащем около 170 тысяч предложений. Она размечает токены как имена людей, организации, географические объекты, прочие сущности или текст вне сущностей. Модель предназначена для извлечения сущностей из французских текстов, в том числе электронных писем и чатов; автор сообщает, что на таких данных она лучше справлялась с сущностями, начинающимися со строчной буквы.

Архитектура — CamemBERT для классификации токенов, около 137,8 млн параметров и контекст до 514 токенов. В README приведена общая оценка F1 0,8914; показатель F1 для имен людей — 0,9483. Доступны файлы PyTorch, Safetensors и ONNX.

Модель распространяется по лицензии MIT. Качество зависит от типа текста и категорий сущностей: обучение проводилось на wikiner-fr, а приведённые метрики не гарантируют таких же результатов на других данных.

Сценарии применения

  • извлечение имён людей из французских писем и чатов
  • поиск организаций во французских текстах
  • распознавание географических названий во французских документах
  • разметка именованных сущностей в переписке
  • подготовка данных для извлечения подписей из писем

Ограничения

Обучение проведено на wikiner-fr; автор сообщает о проверке на письмах и чатах, но метрики на других типах данных не приведены. Категории сущностей ограничены именами людей, организациями, географическими объектами и прочими сущностями.

Для каких профессий подходит6

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

camembert-ner: model fine-tuned from camemBERT for NER task.

Introduction

[camembert-ner] is a NER model that was fine-tuned from camemBERT on wikiner-fr dataset. Model was trained on wikiner-fr dataset (~170 634 sentences). Model was validated on emails/chat data and overperformed other models on this type of data specifically. In particular the model seems to work better on entity that don't start with an upper case.

Training data

Training data was classified as follow:

AbbreviationDescription
OOutside of a named entity
MISCMiscellaneous entity
PERPerson’s name
ORGOrganization
LOCLocation

How to use camembert-ner with HuggingFace

Load camembert-ner and its sub-word tokenizer :
from transformers import AutoTokenizer, AutoModelForTokenClassification

tokenizer = AutoTokenizer.from_pretrained("Jean-Baptiste/camembert-ner")
model = AutoModelForTokenClassification.from_pretrained("Jean-Baptiste/camembert-ner")


##### Process text sample (from wikipedia)

from transformers import pipeline

nlp = pipeline('ner', model=model, tokenizer=tokenizer, aggregation_strategy="simple")
nlp("Apple est créée le 1er avril 1976 dans le garage de la maison d'enfance de Steve Jobs à Los Altos en Californie par Steve Jobs, Steve Wozniak et Ronald Wayne14, puis constituée sous forme de société le 3 janvier 1977 à l'origine sous le nom d'Apple Computer, mais pour ses 30 ans et pour refléter la diversification de ses produits, le mot « computer » est retiré le 9 janvier 2015.")


[{'entity_group': 'ORG',
  'score': 0.9472818374633789,
  'word': 'Apple',
  'start': 0,
  'end': 5},
 {'entity_group': 'PER',
  'score': 0.9838564991950989,
  'word': 'Steve Jobs',
  'start': 74,
  'end': 85},
 {'entity_group': 'LOC',
  'score': 0.9831605950991312,
  'word': 'Los Altos',
  'start': 87,
  'end': 97},
 {'entity_group': 'LOC',
  'score': 0.9834540486335754,
  'word': 'Californie',
  'start': 100,
  'end': 111},
 {'entity_group': 'PER',
  'score': 0.9841555754343668,
  'word': 'Steve Jobs',
  'start': 115,
  'end': 126},
 {'entity_group': 'PER',
  'score': 0.9843501806259155,
  'word': 'Steve Wozniak',
  'start': 127,
  'end': 141},
 {'entity_group': 'PER',
  'score': 0.9841533899307251,
  'word': 'Ronald Wayne',
  'start': 144,
  'end': 157},
 {'entity_group': 'ORG',
  'score': 0.9468960364659628,
  'word': 'Apple Computer',
  'start': 243,
  'end': 257}]

Model performances (metric: seqeval)

Overall

precisionrecallf1
0.88590.89710.8914

By entity

entityprecisionrecallf1
PER0.93720.95980.9483
ORG0.80990.82650.8181
LOC0.89050.90050.8955
MISC0.81750.81170.8146

For those who could be interested, here is a short article on how I used the results of this model to train a LSTM model for signature detection in emails: https://medium.com/@jean-baptiste.polle/lstm-model-for-email-signature-detection-8e990384fefa

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
CamembertForTokenClassification
Ревизия весов
ef35fe7

0 моделей