/ Модель
Каталог

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
CC BY 4.0
Архитектура
roberta · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

bertin-base-ner-conll2002-es

bertin-project
Разметка токеновТекст → label6 профессий

Испаноязычная модель RoBERTa для распознавания именованных сущностей в тексте, дообученная на CoNLL2002-es.

63скачиваний за 30 дней1лайквеса обновлены4 апр 2023

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

bertin-project/bertin-base-ner-conll2002-es — испаноязычная модель для распознавания именованных сущностей, разработанная командой проекта BERTIN. Это модель RoBERTa-base с головой классификации токенов, дообученная на наборе CoNLL2002-es; базовая модель Bertin Gaussian 512 обучалась с нуля на испанских текстах. Модель принимает текст и присваивает метки его токенам, чтобы выделять сущности в задачах NER. Контекст модели составляет 514 токенов, число параметров — 151,8 млн.

Модель подходит для извлечения имен и других размечаемых сущностей из испаноязычных текстов, например для подготовки корпуса или автоматической индексации документов. Она опубликована в форматах PyTorch и Safetensors. Лицензия — CC BY 4.0; при использовании необходимо соблюдать её условия.

Сценарии применения

  • Извлечение именованных сущностей из испанских текстов
  • Разметка токенов в испаноязычных документах
  • Поиск имен и сущностей в новостных статьях на испанском
  • Подготовка испанских текстовых корпусов с разметкой NER

Ограничения

Модель обучена на CoNLL2002-es, поэтому качество на других жанрах, типах сущностей и языках может отличаться. Контекст ограничен 514 токенами.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This checkpoint has been trained for the NER task using the CoNLL2002-es dataset.

This is a NER checkpoint created from Bertin Gaussian 512, which is a RoBERTa-base model trained from scratch in Spanish. Information on this base model may be found at its own card and at deeper detail on the main project card.

The training dataset for the base model is mc4 subsampling documents to a total of about 50 million examples. Sampling is biased towards average perplexity values (using a Gaussian function), discarding more often documents with very large values (poor quality) of very small values (short, repetitive texts).

This is part of the Flax/Jax Community Week, organised by HuggingFace and TPU usage sponsored by Google.

Team members

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
RobertaForTokenClassification
Ревизия весов
1c772c1

0 моделей

    Создать бенчмарк