Характеристики

Контекст: 512 токенов
Параметры: 433 млн
Лицензия: MIT
Архитектура: bert · dense
Базовая модель: bert-large-portuguese-cased
Опубликована: 2 мар 2022

Ссылки

Hugging Face

bertimbau-large-lener_br

Luciano

Разметка токеновТекст → label3 профессии

Дообученный BERT-Large размечает именованные сущности в юридических текстах на бразильском португальском языке.

87скачиваний за 30 дней4лайкавеса 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 выпустил дообученную модель BERT-Large для бразильского португальского языка на датасете LeNER-Br. Это модель классификации токенов, предназначенная для распознавания именованных сущностей в юридических текстах на португальском языке. В оценке на тестовой выборке LeNER-Br указаны F1 0,908, точность 0,8965, полнота 0,9198 и accuracy 0,9801.

Модель основана на neuralmind/bert-large-portuguese-cased, содержит 433,2 млн параметров и принимает последовательности длиной до 512 токенов. Распространяется под лицензией MIT. Карточка не описывает ограничения подробнее; качество на других доменах и языках по приведённым результатам оценить нельзя.

Сценарии применения

извлечение именованных сущностей из бразильских юридических документов
разметка организаций, людей и других сущностей в юридических текстах
подготовка юридических документов на португальском для последующего поиска и анализа

Ограничения

Результаты приведены для набора LeNER-Br; качество на других юридических корпусах и вне юридической области не установлено. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель 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-large-lener_br

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

Loss: 0.1271
Precision: 0.8965
Recall: 0.9198
F1: 0.9080
Accuracy: 0.9801

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
0.0674	1.0	1957	0.1349	0.7617	0.8710	0.8127	0.9594
0.0443	2.0	3914	0.1867	0.6862	0.9194	0.7858	0.9575
0.0283	3.0	5871	0.1185	0.8206	0.8766	0.8477	0.9678
0.0226	4.0	7828	0.1405	0.8072	0.8978	0.8501	0.9708
0.0141	5.0	9785	0.1898	0.7224	0.9194	0.8090	0.9629
0.01	6.0	11742	0.1655	0.9062	0.8856	0.8958	0.9741
0.012	7.0	13699	0.1271	0.8965	0.9198	0.9080	0.9801
0.0091	8.0	15656	0.1919	0.8890	0.8886	0.8888	0.9719
0.0042	9.0	17613	0.1725	0.8977	0.8985	0.8981	0.9744
0.0043	10.0	19570	0.1530	0.8878	0.9034	0.8955	0.9761
0.0042	11.0	21527	0.1635	0.8792	0.9108	0.8947	0.9774
0.0033	12.0	23484	0.2009	0.8155	0.9138	0.8619	0.9719
0.0008	13.0	25441	0.1766	0.8737	0.9135	0.8932	0.9755
0.0005	14.0	27398	0.1868	0.8616	0.9129	0.8865	0.9743
0.0014	15.0	29355	0.1910	0.8694	0.9101	0.8893	0.9746

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: c515eb0