/ Модель

Характеристики

Контекст
512 токенов
Параметры
432 млн
Архитектура
bert · dense
Опубликована
2 мар 2022

SSMNspanTagger

Разметка токеновТекст → label3 профессии

BERT-модель размечает токены, входящие в нефинитные именные аппозитивные конструкции, для анализа и упрощения предложений.

39скачиваний за 30 дней0лайковвеса обновлены19 апр 2024

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

RJ3vans/SSMNspanTagger — модель на базе BERT для разметки токенов в предложении. Она выявляет именные группы, осложнённые нефинитными именными придаточными в функции аппозитива, и отмечает, какие токены входят в такую конструкцию. Модель предназначена для этапа анализа предложений, например, в системах упрощения текста.

Для обнаружения конструкции в примере необходимо заранее отметить её левую границу квадратными скобками. Модель разработана на основе кода программы доктора Ле Ан Ха из Университета Вулвергемптона и дообучена на наборе данных из докторской диссертации Р. Эванса о упрощении предложений. Это модель классификации токенов на архитектуре BERT с 432,3 млн параметров и контекстом до 512 токенов. Репозиторий содержит веса PyTorch.

Сценарии применения

  • поиск аппозитивных нефинитных именных конструкций в предложении
  • разметка границ конструкций перед упрощением текста
  • анализ синтаксиса английских предложений

Ограничения

Перед обработкой требуется явно обозначить левую границу конструкции квадратными скобками. Описание указывает на специализированную задачу и набор данных для упрощения предложений, поэтому переносимость на другие типы текста и конструкции не подтверждена.

Для каких профессий подходит3

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

This model identifies complex NPs modified by non-finite nominal clauses ("appositives") in the input sentence.

Try the test sentence:

My name is Sarah and I live in London[,] the capital of England.

Please note that it is necessary for you to highlight the left boundary of the non-finite nominal clause "," using square brackets. When deployed in a text simplification method, this sign tagging step can be performed using the model at https://huggingface.co/RJ3vans/SignTagger.

The model should tag the tokens in the sentence with information about whether or not they are contained within a non-finite nominal "appositive" clause. If you find the model useful, please cite my thesis which presents the dataset used for finetuning:

Evans, R. (2020) Sentence Simplification for Text Processing. Doctoral thesis. University of Wolverhampton. Wolverhampton, UK. (https://rj3vans.github.io/Evans2020_SentenceSimplificationForTextProcessing.pdf)

The model was derived using code adapted from an original program written by Dr. Le An Ha at the University of Wolverhampton.

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
f106c83

0 моделей