/ Модель

Характеристики

Контекст
512 токенов
Параметры
265 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
muril-base-cased
Библиотека
transformers
Опубликована
6 авг 2026

muril-ner-multilingual

Разметка токеновТекст → label6 профессий

Модель на базе MuRIL извлекает имена людей, организаций и мест из текстов на маратхи, бенгальском и телугу.

10скачиваний за 30 дней0лайковвеса обновлены6 авг 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

Learner-sai разработала мультиязычную модель распознавания именованных сущностей на базе google/muril-base-cased. Это BERT-модель MuRIL с головой классификации токенов на семь меток IOB2: O, B/I-PER, B/I-ORG и B/I-LOC. Модель дообучена совместно на маратхи, бенгальском и телугу; число параметров — 264,8 млн, контекст — до 512 токенов.

Модель предназначена для извлечения имён людей, организаций и мест из новостей, публикаций в социальных сетях и документов на этих языках. Разметка может использоваться в поиске информации, системах вопросов и ответов и построении графов знаний. На валидации после третьей эпохи указаны entity F1 0,7572, precision 0,7382 и recall 0,7771.

Возможны ошибки в границах сущностей, в частности включение грамматических суффиксов в названия. Модель обучена только на PER, ORG и LOC и не предназначена для распознавания дат, денежных сумм и других классов. Лицензия — Apache 2.0.

Сценарии применения

  • извлечение имён людей из новостей на маратхи
  • поиск организаций в публикациях на бенгальском
  • распознавание названий мест в текстах на телугу
  • разметка сущностей в документах на трёх индийских языках
  • извлечение сущностей для графов знаний и информационного поиска

Ограничения

Модель распознаёт только людей, организации и места; возможны ошибки определения границ сущностей, включая захват грамматических суффиксов. На валидации entity F1 составил 0,7572.

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

muril-ner-multilingual 🏷️

This model is a fine-tuned version of google/muril-base-cased for Named Entity Recognition (NER) across three major Indic languages: Marathi (mr), Bengali (bn), and Telugu (te).

It uses a joint multilingual full fine-tuning strategy to extract three primary entity types:

  • 👤 PER (Person)
  • 🏢 ORG (Organization)
  • 📍 LOC (Location)

Model Description

  • Developed by: Learner-sai
  • Model Type: Token Classification (NER)
  • Base Model: google/muril-base-cased
  • Languages: Marathi (mr), Bengali (bn), Telugu (te)
  • License: Apache 2.0

MuRIL (Multilingual Representations for Indian Languages) was adapted by adding a 7-class linear sequence classification head (O, B-PER, I-PER, B-ORG, I-ORG, B-LOC, I-LOC). All parameters were updated during joint training across all three target languages to leverage cross-lingual transfer.

Intended Uses & Limitations

Intended Uses 🎯

  • Automated entity extraction from news articles, social media, and documents in Marathi, Bengali, and Telugu.
  • Downstream NLP applications such as information retrieval, question answering, and knowledge graph construction for Indic languages.

Limitations ⚠️

  • Grammatical Suffixes: In agglutinative or highly inflected languages like Marathi and Telugu, locative or case suffixes (e.g., Marathi -त in "दिल्लीत") may sometimes be included inside the predicted entity span.
  • Entity Scope: The model is trained exclusively on PER, ORG, and LOC tags; it will not recognize other categories like dates, monetary values, or product names.

Training and Evaluation Data

The model was trained on a combined dataset comprising annotated sentences across Marathi, Bengali, and Telugu.

  • Label Schema: IOB2 format (B-, I-, O) with 7 total classes.
  • Token Alignment: Subword tokenization artifacts were handled using -100 label masking on non-initial subwords to ensure clean cross-entropy loss calculation.

Training Procedure

Training Hyperparameters

  • Learning Rate: 3e-05
  • Train Batch Size: 16
  • Eval Batch Size: 32
  • Epochs: 3
  • Optimizer: AdamW (fused) with $\beta_1=0.9, \beta_2=0.999, \epsilon=1\text{e-}08$
  • LR Scheduler: Linear with 937 warmup steps (~10% of total steps)
  • Mixed Precision: Native FP16 (fp16=True)
  • Seed: 42

Evaluation Metrics

Evaluated on the validation split using seqeval (entity-level span matching):

EpochTraining LossValidation LossPrecisionRecallEntity F1 🏆Token Accuracy
1.00.28450.28220.71720.77250.74380.9320
2.00.20240.23350.73920.77230.75540.9346
3.00.18040.23280.73820.77710.75720.9352

Framework Versions

  • Transformers: 5.14.1
  • PyTorch: 2.11.0+cu128
  • Datasets: 2.21.0
  • 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
7db7595

0 моделей