Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-cased
Библиотека: transformers
Опубликована: 15 июл 2026

Ссылки

Hugging Face

bert-finetuned-ner

KhaledAalnobani

Разметка токеновТекст → label

Дообученная модель BERT-base-cased для распознавания именованных сущностей и классификации токенов в тексте.

7скачиваний за 30 дней0лайковвеса обновлены15 июл 2026

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 KhaledAalnobani/bert-finetuned-ner — дообученная Khaled Aalnobani версия BERT-base-cased для классификации токенов, в частности задач распознавания именованных сущностей. Она принимает текст и присваивает метки отдельным токенам. В репозитории указаны результаты на оценочной выборке: F1 0,9424, точность 0,9345, полнота 0,9505 и accuracy 0,9868; датасет и набор меток не раскрыты.

Модель построена на архитектуре BERT, содержит 135,5 млн параметров, поддерживает контекст до 512 токенов и распространяется в формате safetensors для Transformers. Лицензия — Apache-2.0. Поскольку неизвестны обучающие данные и схема разметки, перед применением нужно проверить соответствие меток своей задаче и качество на собственных текстах.

Сценарии применения

выделение имен и фамилий в тексте
извлечение организаций и мест из документов
разметка токенов для задач NER
поиск сущностей в неструктурированных текстах

Ограничения

Датасет, набор меток и поддерживаемые языки в карточке не указаны. Приведённые метрики относятся к неизвестной оценочной выборке и не гарантируют качество на других данных.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-finetuned-ner

This model is a fine-tuned version of bert-base-cased on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0589
Precision: 0.9345
Recall: 0.9505
F1: 0.9424
Accuracy: 0.9868

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Use adamw_torch with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.0752	1.0	1756	0.0624	0.9086	0.9366	0.9224	0.9823
0.0356	2.0	3512	0.0639	0.9320	0.9456	0.9388	0.9854
0.0208	3.0	5268	0.0589	0.9345	0.9505	0.9424	0.9868

Framework versions

Transformers 5.13.0
Pytorch 2.7.1+cu118
Datasets 5.0.0
Tokenizers 0.22.2

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: 8ae956b