/ Модель

Характеристики

Контекст
512 токенов
Параметры
152 млн
Архитектура
bert · dense
Опубликована
2 мар 2022

bert-base-swedish-lowermix-reallysimple-ner

Разметка токеновТекст → label6 профессий

Модель на основе KB-BERT для извлечения именованных сущностей из шведского текста.

3 636скачиваний за 30 дней5лайковвеса обновлены19 апр 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

KBLab/bert-base-swedish-lowermix-reallysimple-ner — модель для распознавания и классификации именованных сущностей в шведском тексте. Она основана на KB-BERT и дообучена на корпусе SUCX 3.0 NER с упрощёнными метками и данными, частично приведёнными к нижнему регистру. Для разметки использована схема без BIO-различения начала и продолжения сущности.

Модель построена на архитектуре BERT, содержит около 151,9 млн параметров и обрабатывает последовательности длиной до 512 токенов. Она предназначена для извлечения именованных сущностей из шведских текстов. По карточке указаны форматы PyTorch и Safetensors. Сведения о лицензии отсутствуют в предоставленных материалах.

Сценарии применения

  • извлечение именованных сущностей из шведских документов
  • разметка сущностей в шведских новостях и статьях
  • автоматическая подготовка шведских текстов для последующего анализа

Ограничения

Схема меток упрощённая и не различает начало и продолжение сущности по BIO-разметке. Контекст ограничен 512 токенами; лицензия в предоставленных данных не указана.

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

KB-BERT for NER

Mixed cased and uncased data

This model is based on KB-BERT and was fine-tuned on the SUCX 3.0 - NER corpus, using the simple tags and partially lowercased data. For this model we used a variation of the data that did not use BIO-encoding to differentiate between the beginnings (B), and insides (I) of named entity tags.

The model was trained on the training data only, with the best model chosen by its performance on the validation data. You find more information about the model and the performance on our blog: https://kb-labb.github.io/posts/2022-02-07-sucx3_ner

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
007c6b2

0 моделей