BERT-модель SberIDP для распознавания именованных сущностей с возможностью адаптации к новым типам сущностей по небольшому числу примеров.
88скачиваний за 30 дней4лайкавеса обновлены4 фев 2022
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
Модель ai-forever/bert-base-NER-reptile-5-datasets разработана командой SberIDP для распознавания именованных сущностей. Это BERT base uncased с 136,7 млн параметров, обученный с использованием Reptile на пяти наборах данных для NER: CoNLL-2003, WNUT17, JNLPBA, CoNLL-2012 (OntoNotes) и BTC. Модель предназначена для разметки сущностей в тексте и последующей адаптации к новым типам сущностей на небольшом количестве примеров.
В карточке описана проверка в Few-Shot сценарии на Few-NERD: модель использовалась как основа для StructShot. Архитектура — BertForTokenClassification; модель принимает текст, выдаёт метки токенов и поддерживает контекст до 512 токенов. В метаданных указан английский язык. Репозиторий содержит веса PyTorch, лицензия в предоставленных данных не указана.
Сценарии применения
выделение имён людей, организаций и мест в английском тексте
распознавание сущностей в новостях и пользовательских сообщениях
разметка биомедицинских сущностей
адаптация NER к новым типам сущностей на малом числе примеров
Ограничения
Карточка описывает Few-Shot проверку на Few-NERD при использовании модели как основы для StructShot, а не гарантирует качество самостоятельного распознавания на этом наборе. Указанное окно контекста ограничено 512 токенами.
Для каких профессий подходит7
Разделы каталога профессий, в задачах которых используется эта модель