/ Модель

Характеристики

Контекст
512 токенов
Параметры
152 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Опубликована
2 мар 2022

nb-bert-base-ner

Разметка токеновТекст → label7 профессий

Дообученная на NorNE модель BERT для распознавания именованных сущностей в норвежском тексте.

1 530скачиваний за 30 дней5лайковвеса обновлены31 мар 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

NbAiLab/nb-bert-base-ner — модель BERT, дообученная командой NbAiLab для распознавания именованных сущностей на датасете NorNE. Она предназначена для разметки норвежского текста по токенам, например для извлечения имён людей, организаций и других сущностей из документов. Модель содержит 151,6 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт метки для токенов. Доступна в форматах PyTorch и Safetensors; лицензия — CC BY 4.0.

Сценарии применения

  • извлечение имён людей из норвежских документов
  • поиск организаций в норвежских новостях
  • разметка именованных сущностей в норвежском тексте
  • подготовка норвежских текстов для анализа сущностей

Ограничения

Модель ориентирована на норвежский язык и обучена на датасете NorNE, поэтому качество для других языков и типов текста может быть ограничено. Максимальная длина входа составляет 512 токенов.

Для каких профессий подходит7

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

Release 1.0 (November 17, 2021)

nb-bert-base-ner

Description

NB-Bert base model fine-tuned on the Named Entity Recognition task using the NorNE dataset.

Usage

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

tokenizer = AutoTokenizer.from_pretrained("NbAiLab/nb-bert-base-ner")
model = AutoModelForTokenClassification.from_pretrained("NbAiLab/nb-bert-base-ner")

nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "Jeg heter Kjell og bor i Oslo."

ner_results = nlp(example)
print(ner_results)

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
98083f6

0 моделей