/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Архитектура
bert · dense
Базовая модель
bert-base-multilingual-cased-ner-hrl
Библиотека
transformers.js
Опубликована
2 мая 2023

bert-base-multilingual-cased-ner-hrl

Разметка токеновТекст → label5 профессий

Xenova/bert-base-multilingual-cased-ner-hrl — модель для распознавания именованных сущностей в тексте, доступная в формате ONNX для использования с библиотекой Transformers.js.

14 881скачиваний за 30 дней6лайковвеса обновлены11 июл 2025

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

Она основана на Davlan/bert-base-multilingual-cased-ner-hrl и предназначена для запуска задач token classification, включая выделение сущностей вроде имён людей и географических названий.

Модель подходит для веб-приложений и JavaScript-сценариев, где требуется выполнять распознавание сущностей на стороне клиента или в средах, совместимых с ONNX и Transformers.js. В README не указаны точные размеры модели, перечень поддерживаемых языков, длина контекста, набор типов сущностей, показатели качества и лицензия, поэтому эти характеристики нельзя достоверно оценить. Основное преимущество — готовые ONNX-веса и совместимость с Transformers.js; ограничение — отсутствие в предоставленных данных подробностей о языковом покрытии и производительности.

Для каких профессий подходит5

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

https://huggingface.co/Davlan/bert-base-multilingual-cased-ner-hrl with ONNX weights to be compatible with Transformers.js.

Usage (Transformers.js)

If you haven't already, you can install the Transformers.js JavaScript library from NPM using:

npm i @huggingface/transformers

Example: Perform named entity recognition.

import { pipeline } from '@huggingface/transformers';

const classifier = await pipeline('token-classification', 'Xenova/bert-base-multilingual-cased-ner-hrl');
const output = await classifier('My name is Sarah and I live in London');

Note: Having a separate repo for ONNX weights is intended to be a temporary solution until WebML gains more traction. If you would like to make your models web-ready, we recommend converting to ONNX using 🤗 Optimum and structuring your repo like this one (with ONNX weights located in a subfolder named onnx).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers.js

Нельзя запустить

Модель выложена для браузера (ONNX / transformers.js), для GPU-рантайма нет весов.

Класс архитектуры
BertForTokenClassification
Ревизия весов
263e82c

0 моделей