/ Модель

Характеристики

Контекст
512 токенов
Параметры
434 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-large-uncased
Опубликована
2 мар 2022

bert-large-uncased-finetuned-ner

Разметка токеновТекст → label6 профессий

Дообученная на CoNLL-2003 англоязычная BERT-модель для распознавания именованных сущностей в тексте.

41скачиваний за 30 дней6лайковвеса обновлены6 ноя 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

Модель Jorgeutd/bert-large-uncased-finetuned-ner — англоязычная модель распознавания именованных сущностей, созданная дообучением Google BERT Large Uncased на наборе CoNLL-2003. Это трансформер BERT с архитектурой BertForTokenClassification, примерно 433,9 млн параметров и контекстом до 512 токенов. Модель принимает текст и присваивает метки токенам, позволяя выделять сущности в тексте; для запуска доступен конвейер NER в Transformers.

На тестовой выборке CoNLL-2003 указаны F1 0,954, точность 0,9505 и полнота 0,9575. Модель рассчитана на англоязычные новостные тексты, сходные с обучающими данными; в других предметных областях и временных периодах качество может снижаться. Иногда сущностями помечаются части слов, поэтому результатам может потребоваться постобработка. Лицензия Apache-2.0.

Сценарии применения

  • выделение имен людей в англоязычных новостях
  • извлечение географических названий из англоязычных текстов
  • поиск организаций в новостных статьях
  • разметка токенов для последующего анализа сущностей
  • автоматическое извлечение сущностей из текстов, похожих на CoNLL-2003

Ограничения

Обучение на новостных статьях CoNLL-2003 ограничивает переносимость на другие предметные области и временные периоды. Иногда модель помечает как сущности части слов, что может потребовать постобработки.

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

bert-large-uncased-finetuned-ner

This model is a fine-tuned version of bert-large-uncased on the conll2003 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0778
  • Precision: 0.9505
  • Recall: 0.9575
  • F1: 0.9540
  • Accuracy: 0.9886

Model description

More information needed

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. Furthermore, the model occassionally tags subword tokens as entities and post-processing of results may be necessary to handle those cases.

How to use

You can use this model with Transformers pipeline for NER.

from transformers import pipeline
from transformers import AutoTokenizer, AutoModelForTokenClassification
tokenizer = AutoTokenizer.from_pretrained("Jorgeutd/bert-large-uncased-finetuned-ner")
model = AutoModelForTokenClassification.from_pretrained("Jorgeutd/bert-large-uncased-finetuned-ner")
nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "My name is Scott and I live in Ohio"
ner_results = nlp(example)
print(ner_results)

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 16
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossPrecisionRecallF1Accuracy
0.19971.08780.05760.93160.92570.92860.9837
0.042.017560.04900.94000.95130.94560.9870
0.01993.026340.05570.94360.95400.94880.9879
0.01124.035120.06020.94430.95690.95060.9881
0.00685.043900.06310.94510.95890.95200.9882
0.00446.052680.06380.95100.95670.95380.9885
0.0037.061460.07220.94950.95600.95270.9885
0.00168.070240.07620.94910.95950.95430.9887
0.00189.079020.07690.94960.95420.95190.9883
0.000910.087800.07780.95050.95750.95400.9886

Framework versions

  • Transformers 4.16.2
  • Pytorch 1.8.1+cu111
  • Datasets 1.18.3
  • Tokenizers 0.11.0

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
09c3f36

0 моделей