Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: bert-base-portuguese-cased
Опубликована: 2 мар 2022

Ссылки

Hugging Face

bertimbau-base-lener_br

Luciano

Разметка токеновТекст → label3 профессии

Дообученная на LeNER-Br BERT-модель для разметки токенов в юридических текстах на бразильском португальском.

378скачиваний за 30 дней6лайковвеса обновлены12 сен 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

Luciano/bertimbau-base-lener_br — модель классификации токенов на базе BERT, дообученная на наборе данных LeNER-Br для бразильского португальского. Её можно применять для разметки последовательностей токенов в юридических текстах; точные категории сущностей в предоставленной карточке не описаны.

Модель содержит 136,1 млн параметров, использует архитектуру BertForTokenClassification и принимает текстовые последовательности длиной до 512 токенов. На оценочной выборке LeNER-Br указаны F1 0,8808, точность 0,8501, полнота 0,9138 и accuracy 0,9693. Распространяется по лицензии MIT.

Сценарии применения

разметка токенов в юридических документах на португальском
извлечение именованных сущностей из бразильских юридических текстов
подготовка юридических документов к последующему поиску и анализу

Ограничения

Карточка не уточняет набор категорий сущностей и ограничения применения. Оценочные метрики приведены только для выборки LeNER-Br и не гарантируют аналогичное качество на других юридических корпусах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bertimbau-base-lener_br

This model is a fine-tuned version of neuralmind/bert-base-portuguese-cased on the lener_br dataset. It achieves the following results on the evaluation set:

Loss: 0.2298
Precision: 0.8501
Recall: 0.9138
F1: 0.8808
Accuracy: 0.9693

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: 4
eval_batch_size: 4
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 15

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.0686	1.0	1957	0.1399	0.7759	0.8669	0.8189	0.9641
0.0437	2.0	3914	0.1457	0.7997	0.8938	0.8441	0.9623
0.0313	3.0	5871	0.1675	0.8466	0.8744	0.8603	0.9651
0.0201	4.0	7828	0.1621	0.8713	0.8839	0.8775	0.9718
0.0137	5.0	9785	0.1811	0.7783	0.9159	0.8415	0.9645
0.0105	6.0	11742	0.1836	0.8568	0.9009	0.8783	0.9692
0.0105	7.0	13699	0.1649	0.8339	0.9125	0.8714	0.9725
0.0059	8.0	15656	0.2298	0.8501	0.9138	0.8808	0.9693
0.0051	9.0	17613	0.2210	0.8437	0.9045	0.8731	0.9693
0.0061	10.0	19570	0.2499	0.8627	0.8946	0.8784	0.9681
0.0041	11.0	21527	0.1985	0.8560	0.9052	0.8799	0.9720
0.003	12.0	23484	0.2204	0.8498	0.9065	0.8772	0.9699
0.0014	13.0	25441	0.2152	0.8425	0.9067	0.8734	0.9709
0.0005	14.0	27398	0.2317	0.8553	0.8987	0.8765	0.9705
0.0015	15.0	29355	0.2436	0.8543	0.8989	0.8760	0.9700

Framework versions

Transformers 4.8.2
Pytorch 1.9.0+cu102
Datasets 1.9.0
Tokenizers 0.10.3

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: BertForTokenClassification
Ревизия весов: 824f48e