Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-cased
Библиотека: transformers
Опубликована: 6 авг 2026

Ссылки

Hugging Face

bert-finetuned-ner

alshv

Разметка токеновТекст → label

Дообученная на CoNLL-2003 модель BERT для распознавания и классификации именованных сущностей в тексте.

12скачиваний за 30 дней0лайковвеса обновлены10 авг 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

alshv/bert-finetuned-ner — модель для разметки именованных сущностей, созданная дообучением BERT base cased на наборе данных CoNLL-2003. Она принимает текст и относит токены к меткам, поддерживая сценарии извлечения сущностей из текста. Модель основана на архитектуре BERT, содержит 135,5 млн параметров и рассчитана на контекст длиной до 512 токенов. Репозиторий использует библиотеку Transformers и формат весов safetensors.

Модель распространяется по лицензии Apache-2.0. README не приводит подробностей об оценке качества и ограничениях, поэтому качество на других языках и типах текста по имеющимся данным не подтверждено.

Сценарии применения

извлечение имен людей из текста
поиск организаций в документах
выделение географических названий
разметка токенов для задач извлечения сущностей

Ограничения

README не содержит результатов оценки и описания ограничений; качество на языках и текстах за пределами обучающего набора не подтверждено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-finetuned-ner

This model is a fine-tuned version of bert-base-cased on the conll2003 dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
distributed_type: tpu
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 3

Framework versions

Transformers 5.15.0
Pytorch 2.9.0+cpu
Datasets 2.21.0
Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForTokenClassification
Ревизия весов: 645ca90