/ Модель

Характеристики

Контекст
512 токенов
Параметры
21,5 млн
Архитектура
electra · dense
Опубликована
29 мар 2023

KoELECTRA-small-v3-modu-ner

Разметка токеновТекст → label4 профессии

Компактная корейская модель ELECTRA для распознавания и BIO-разметки именованных сущностей по 15 категориям TTA.

48 607скачиваний за 30 дней25лайковвеса обновлены7 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

KoELECTRA-small-v3-modu-ner — корейская модель распознавания именованных сущностей, дообученная автором репозитория на базе monologg/koelectra-small-v3-discriminator. Она использует архитектуру ELECTRA для классификации токенов и BIO-разметку: начало сущности, её продолжение или токен вне сущности. Модель предназначена для извлечения сущностей по 15 категориям, соответствующим крупным классам TTA; среди приведённых примеров — артефакты, животные и цивилизация.

Модель содержит 21,5 млн параметров и принимает последовательности длиной до 512 токенов. В README приведены результаты оценки: F1 0,8339, точность 0,8232, полнота 0,8449 и accuracy 0,9628. Для обучения указан набор анализа именованных сущностей из корпуса 모두의 말뭉치 Национального института корейского языка за 2021 год. Модель работает с корейским текстом и выдаёт метки токенов. Указана лицензия Apache-2.0; перед практическим применением стоит учитывать, что качество зависит от соответствия текста и сущностей обучающим данным и схеме меток.

Сценарии применения

  • извлечение именованных сущностей из корейских документов
  • разметка персон, мест и организаций в корейском тексте
  • поиск объектов культуры и артефактов в корейских текстах
  • автоматическая BIO-разметка токенов для последующего анализа

Ограничения

Показатели приведены для оценочного набора, а его подробности в карточке не раскрыты; качество на других типах текста может отличаться. Модель ориентирована на корейский язык и заданные 15 категорий сущностей.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

KoELECTRA-small-v3-modu-ner

This model is a fine-tuned version of monologg/koelectra-small-v3-discriminator on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1431
  • Precision: 0.8232
  • Recall: 0.8449
  • F1: 0.8339
  • Accuracy: 0.9628

Model description

태깅 시스템 : BIO 시스템

  • B-(begin) : 개체명이 시작할 때
  • I-(inside) : 토큰이 개체명 중간에 있을 때
  • O(outside) : 토큰이 개체명이 아닐 경우

한국정보통신기술협회(TTA) 대분류 기준을 따르는 15 가지의 태그셋

분류표기정의
ARTIFACTSAF사람에 의해 창조된 인공물로 문화재, 건물, 악기, 도로, 무기, 운송수단, 작품명, 공산품명이 모두 이에 해당
ANIMALAM사람을 제외한 짐승
CIVILIZATIONCV문명/문화
DATEDT기간 및 계절, 시기/시대
EVENTEV특정 사건/사고/행사 명칭
STUDY_FIELDFD학문 분야, 학파 및 유파
LOCATIONLC지역/장소와 지형/지리 명칭 등을 모두 포함
MATERIALMT원소 및 금속, 암석/보석, 화학물질
ORGANIZATIONOG기관 및 단체 명칭
PERSONPS인명 및 인물의 별칭 (유사 인물 명칭 포함)
PLANTPT꽃/나무, 육지식물, 해초류, 버섯류, 이끼류
QUANTITYQT수량/분량, 순서/순차, 수사로 이루어진 표현
TIMETI시계상으로 나타나는 시/시각, 시간 범위
TERMTM타 개체명에서 정의된 세부 개체명 이외의 개체명
THEORYTR특정 이론, 법칙 원리 등

Intended uses & limitations

How to use

You can use this model with Transformers pipeline for NER.

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("Leo97/KoELECTRA-small-v3-modu-ner")
model = AutoModelForTokenClassification.from_pretrained("Leo97/KoELECTRA-small-v3-modu-ner")
ner = pipeline("ner", model=model, tokenizer=tokenizer)

example = "서울역으로 안내해줘."
ner_results = ner(example)
print(ner_results)

Training and evaluation data

개체명 인식(NER) 모델 학습 데이터 셋

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 64
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 15151
  • num_epochs: 20
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossPrecisionRecallF1Accuracy
No log1.037880.39780.59860.54710.57170.9087
No log2.075760.23190.69860.69530.69690.9345
No log3.0113640.18380.73630.76120.74860.9444
No log4.0151520.16100.77620.77450.77540.9509
No log5.0189400.14750.78620.80110.79360.9545
No log6.0227280.14170.78570.81810.80160.9563
No log7.0265160.13660.80220.81960.81080.9584
No log8.0303040.13460.80930.82360.81640.9596
No log9.0340920.13280.80850.82990.81900.9602
No log10.0378800.13320.81100.83680.82370.9608
No log11.0416680.13230.81570.83470.82510.9612
No log12.0454560.13530.81180.84020.82580.9611
No log13.0492440.13700.81520.84160.82820.9616
No log14.0530320.13680.81640.84150.82870.9616
No log15.0568200.13780.81870.84380.83100.9621
No log16.0606080.13890.82170.84380.83260.9626
No log17.0643960.13800.82660.84260.83450.9631
No log18.0681840.14280.82160.84450.83290.9625
No log19.0719720.14310.82320.84550.83420.9628
0.171220.0757600.14310.82320.84490.83390.9628

Framework versions

  • Transformers 4.27.4
  • Pytorch 2.0.0+cu118
  • Datasets 2.11.0
  • Tokenizers 0.13.3

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
ElectraForTokenClassification
Ревизия весов
bb9d562

0 моделей