This model was created using xlm-roberta-base bodel and fine-tuned it using CoNLL 2003 dataset. On top of the trained model, we trained it again using a Sinhala NER data that was also formatted to the CoNLL format.
Характеристики
- Контекст
- 514 токенов
- Параметры
- 305 млн
- Архитектура
- xlm-roberta · dense
Ссылки
xlm-roberta-base-finetuned-conll03-english-finetuned-sinhala
XLM-RoBERTa, дообученная для распознавания именованных сущностей, включая сингальский язык.
4 670скачиваний за 30 дней1лайквеса обновлены23 янв 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 asanka25/xlm-roberta-base-finetuned-conll03-english-finetuned-sinhala — модель XLM-RoBERTa для распознавания именованных сущностей. Автор сначала дообучил xlm-roberta-base на датасете CoNLL 2003, а затем повторно обучил модель на данных для распознавания сущностей на сингальском языке, приведённых к формату CoNLL. Архитектура — XLMRobertaForTokenClassification, размер — 305,2 млн параметров, контекст — до 514 токенов.
Модель предназначена для разметки токенов текста тегами сущностей, в частности для NER на сингальском языке; также в истории обучения указана английская версия CoNLL 2003. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.
Сценарии применения
- извлечение имён людей из текста на сингальском языке
- поиск организаций в сингальских документах
- определение географических названий в тексте на сингальском языке
- разметка сущностей в англоязычном тексте по CoNLL 2003
Ограничения
Данные README описывают обучение на CoNLL 2003 и наборе NER на сингальском языке, поэтому применение к другим языкам и типам сущностей может требовать проверки. Лицензия не указана в предоставленных сведениях.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…
- Класс архитектуры
- XLMRobertaForTokenClassification
- Ревизия весов
- 084e5fe