Производная модели lblod/multilingual-ner-abb-improved. Модель на базе XLM-RoBERTa извлекает даты, места и юридически значимые сущности из административных и правовых документов на английском, нидерландском и немецком языках.
14скачиваний за 30 дней0лайковвеса обновлены7 июл 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
Карточка модели PedroDKE/multilingual-ner-abb-improved на Hugging Face совпадает с карточкой lblod/multilingual-ner-abb-improved, поэтому описание составлено по ней.
Модель lblod/multilingual-ner-abb-improved — дообученная версия XLM-RoBERTa-base для распознавания именованных сущностей в юридических и административных решениях. Она обрабатывает английский, нидерландский и немецкий текст и размечает даты, места, правовые основания, административные органы и уполномоченных представителей по схеме BIO. Модель построена на архитектуре XLM-RoBERTa для классификации токенов, содержит 305,2 млн параметров и поддерживает контекст до 514 токенов.
Обучение на немецких муниципальных решениях из Фрайбурга и Бамберга расширяет исходные данные на нидерландском и английском языках. На отложенной выборке общий F1 составил 0,794; показатели для языков различаются, а английская и нидерландская подвыборки были небольшими. Модель предназначена для извлечения сущностей из документов, а не для генерации текста. Лицензия в предоставленных данных не указана.
Сценарии применения
Извлечение дат из муниципальных решений
Поиск административных органов в правовых документах
Выделение правовых оснований в решениях
Распознавание мест и географических названий
Разметка уполномоченных представителей в административных текстах
Ограничения
Качество зависит от языка и типа документа: в приведённой оценке общий F1 равен 0,794, при этом для английского и нидерландского тестовые выборки были небольшими. Контекст ограничен 514 токенами.
Для каких профессий подходит6
Разделы каталога профессий, в задачах которых используется эта модель
Multilingual (English, Dutch, German) NER model for legal/administrative
decision documents.
This improved version adds native German training data (municipal decisions
from Freiburg and Bamberg) on top of the original Dutch (Ghent) and English
(translated) data, improving detection quality on German text and on text
translated from German.
from transformers import pipeline
ner = pipeline("token-classification", model="PedroDKE/multilingual-ner-abb-improved", aggregation_strategy="simple")
# German
print(ner("Der Stadtrat der Stadt Bamberg hat am 12. März 2024 beschlossen."))
# Dutch
print(ner("De gemeenteraad van Gent heeft op 12 maart 2024 besloten."))
# English
print(ner("The city council of London decided on March 12, 2024."))
Evaluation
strict (seqeval, entity-level) micro on held-out validation set.
Language
Samples
Precision
Recall
F1
ALL
920
0.766
0.823
0.794
EN
57
0.675
0.705
0.690
NL
69
0.751
0.783
0.767
DE
794
0.785
0.855
0.818
Per-label (strict) — ALL
Label
Precision
Recall
F1
Support
ADMINISTRATIVE_BODY
0.76
0.86
0.81
459
DATE
0.84
0.88
0.86
773
LEGAL_GROUND
0.82
0.85
0.84
362
LOCATION
0.61
0.66
0.63
678
MANDATARY
0.82
0.88
0.85
580
Per-label (strict) — EN
Label
Precision
Recall
F1
Support
ADMINISTRATIVE_BODY
0.64
0.72
0.68
64
DATE
0.67
0.66
0.67
59
LEGAL_GROUND
0.63
0.75
0.69
32
LOCATION
0.38
0.62
0.47
32
MANDATARY
0.85
0.72
0.78
138
Per-label (strict) — NL
Label
Precision
Recall
F1
Support
ADMINISTRATIVE_BODY
0.60
0.67
0.63
58
DATE
0.77
0.91
0.84
104
LEGAL_GROUND
0.67
0.74
0.71
47
LOCATION
0.70
0.61
0.65
174
MANDATARY
0.85
0.91
0.88
188
Per-label (strict) — DE
Label
Precision
Recall
F1
Support
ADMINISTRATIVE_BODY
0.81
0.92
0.86
337
DATE
0.87
0.90
0.89
610
LEGAL_GROUND
0.88
0.88
0.88
283
LOCATION
0.61
0.68
0.64
472
MANDATARY
0.80
0.95
0.87
254
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров