/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
Apache 2.0
Архитектура
electra · dense
Базовая модель
banglabert
Опубликована
29 апр 2026

BanglaTag

Разметка токеновТекст → label

BanglaTag — дообученная модель ELECTRA для извлечения именованных сущностей из текстов на бенгальском языке.

362скачиваний за 30 дней0лайковвеса обновлены5 июн 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

BanglaTag — модель распознавания именованных сущностей в текстах на бенгальском языке, разработанная на основе csebuetnlp/banglabert. Это дообученный ELECTRA-дискриминатор для токенной классификации: он размечает текст тегами BIO и выделяет сущности, включая имена людей, места и организации, а также другие типы сущностей из набора меток модели. Модель содержит 137,8 млн параметров, принимает контекст до 512 токенов и распространяется в формате safetensors.

Модель подходит для извлечения сущностей из бенгальских текстов, например для анализа новостей и структурирования документов. На тестовом наборе указана общая F1-мера 74,93%, precision — 75,82%, recall — 74,06%; качество различается по типам сущностей. Лицензия — Apache-2.0.

Сценарии применения

  • извлечение имён людей из бенгальских текстов
  • распознавание мест и организаций в бенгальских новостях
  • разметка дат и других сущностей по схеме BIO
  • структурирование бенгальских документов для последующего анализа

Ограничения

На тестовом наборе общая F1-мера составляет 74,93%, поэтому распознавание может быть неполным или ошибочным; качество зависит от типа сущности. Контекст ограничен 512 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Bangla NER — Named Entity Recognition for Bengali

A fine-tuned token classification model for Bengali (Bangla) Named Entity Recognition using the BIO tagging scheme. Built on top of csebuetnlp/banglabert (ELECTRA-based).


Entity Types

TagDescriptionExample
PERPerson namesএকেএম শহীদুল হক
LOCLocations, cities, countriesবাংলাদেশ, ঢাকা
ORGOrganizations, companiesটুইটার, রিয়াল মাদ্রিদ
POLPolitical entities / partiesআওয়ামী লীগ
DATECalendar datesসোমবার, ২০২৪ সালে
TIMETimes of dayসকাল ৮টায়
EVENTNamed eventsরোহিঙ্গা সঙ্কট
CRIMECrime-related entitiesহত্যা মামলা
TITLETitles, designationsমহাপরিদর্শক
NUMNumbers, quantities৯৩ শতাংশ
SYMBOLSymbols, currencies৳, %
CONSTITUENCYElectoral constituenciesঢাকা-১৮
INSTInstitutionsতথ্য অধিদপ্তর

All tags follow BIO format: B- (beginning), I- (inside), O (outside).


Training Details

ParameterValue
Base modelcsebuetnlp/banglabert
ArchitectureELECTRA (discriminator)
TaskToken Classification (NER)
Dataset size22,144 sentences
Train split85% (18,822)
Validation split7.5% (1,661)
Test split7.5% (1,661)
Max sequence length256 tokens
Batch size16
Epochs8 (early stopping, patience=2)
Best epoch7
Learning rate2e-5
LR schedulerLinear with warmup
Warmup steps10% of total steps
Weight decay0.01
OptimizerAdamW
Mixed precisionfp16
FrameworkPyTorch + HuggingFace Transformers
HardwareNVIDIA GeForce RTX 4070 Ti SUPER (16 GB)

Test Set Results (Overall)

MetricScore
F174.93%
Precision75.82%
Recall74.06%
Token Accuracy93.41%

Per-Entity Results (Test Set)

EntityPrecisionRecallF1Support
CONSTITUENCY0.83330.75000.789520
CRIME0.94890.94890.9489137
DATE0.77300.75520.7640478
EVENT0.68270.65140.6667109
INST0.71190.76360.736855
LOC0.74510.72450.7347795
NUM0.69490.89130.781046
ORG0.56170.56860.5652408
PER0.76540.72600.7452719
POL0.81820.83330.825754
SYMBOL1.00000.87500.93338
TIME0.98390.84720.9104144
TITLE0.95320.96450.9588169
micro avg0.75820.74060.74933142
macro avg0.80560.79230.79693142

Usage

With pipeline (recommended)

from transformers import pipeline

ner = pipeline(
    "ner",
    model="arafatfahim/BanglaTag",
    aggregation_strategy="simple",
)

text = "একেএম শহীদুল হক বাংলাদেশে কক্সবাজার এলাকায় সোমবার সংবাদ সম্মেলন করেন"
print(ner(text))

Manual inference

from transformers import AutoTokenizer, AutoModelForTokenClassification
import torch

model_name = "arafatfahim/BanglaTag"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForTokenClassification.from_pretrained(model_name)
model.eval()

tokens = ["একেএম", "শহীদুল", "হক", "বাংলাদেশে", "এসেছেন"]
inputs = tokenizer(tokens, is_split_into_words=True, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits

predictions = logits.argmax(-1)[0]
word_ids = inputs.word_ids()

prev = None
for word_id, pred_id in zip(word_ids, predictions):
    if word_id is None or word_id == prev:
        continue
    print(f"{tokens[word_id]:20s} → {model.config.id2label[pred_id.item()]}")
    prev = word_id

Citation

If you use this model, please cite:

@misc{bangla-ner-2026,
  title  = {Bangla NER: Fine-tuned BanglaBERT for Bengali Named Entity Recognition},
  year   = {2026},
  url    = {https://huggingface.co/arafatfahim/BanglaTag}
}

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
ElectraForTokenClassification
Ревизия весов
f661c71

0 моделей