/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Опубликована
6 мая 2024

queryner-augmented-data-bert-base-uncased

Разметка токеновТекст → label5 профессий

Англоязычная модель на базе BERT для сегментации поисковых запросов в электронной коммерции и разметки сущностей по токенам.

1 276скачиваний за 30 дней1лайквеса обновлены16 мая 2024

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 BLT Lab, разработанная в сотрудничестве с eBay при финансировании eBay, предназначена для сегментации англоязычных поисковых запросов в электронной коммерции. Это модель разметки последовательностей на базе BERT base uncased, дообученная для классификации токенов на обучающей выборке QueryNER с дополнительными аугментациями, призванными повысить устойчивость к опечаткам и упоминаниям, отсутствовавшим в обучающих данных.

Модель выделяет фрагменты запроса, которые можно использовать для взвешивания сущностей, связывания их с базами знаний или удаления отдельных фрагментов при обработке запросов с низкой полнотой результатов. Она рассчитана на английский язык и контекст до 512 токенов. Для использования предсказаний авторы применяют постобработку, учитывающую метку только первого субтокена.

Модель обучена на QueryNER и может хуже работать на других доменах без дополнительных данных и дообучения. README указывает на исследовательское и прикладное использование для сегментации запросов, а результаты оценки и ограничения отсылает к статье. Лицензия — CC-BY-4.0.

Сценарии применения

  • сегментация поисковых запросов в интернет-магазине
  • выделение сущностей в коротких товарных запросах
  • обработка запросов с опечатками
  • взвешивание фрагментов запроса по сущностям
  • связывание выделенных сущностей с базой знаний
  • удаление фрагментов для восстановления запросов с низкой полнотой

Ограничения

Обучение проводилось на QueryNER, поэтому на других доменах качество может снижаться без дополнительного обучения. Для корректной обработки предсказаний авторы используют постобработку, учитывающую метку только первого субтокена; подробности оценки и ограничений отсылаются к статье.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

E-commerce query segmentation model in English. This model is trained on QueryNER training dataset with the addition of augmentations so the model should be more robust to spelling mistakes and mentions unseen in the training data.

Model Details

Model Description

This is a token classification model using BERT base uncased as the base model. The model is fine-tuned on the (QueryNER training dataset)[https://huggingface.co/datasets/bltlab/queryner] and augmented data as described in the QueryNER paper.

  • Developed by: BLT Lab in collaboration with eBay.
  • Funded by: eBay
  • Shared by: (@cpalenmichel)[https://github.com/cpalenmichel]
  • Model type: Token Classification / Sequence Labeling / Chunking
  • Language(s) (NLP): English
  • License: CC-BY 4.0
  • Finetuned from model: BERT base uncased

Model Sources

Underlying model is based on BERT base-uncased.

Uses

Direct Use

Intended use is research purposes and e-commerce query segmentation.

Downstream Use

Potential downstream use cases include weighting entity spans, linking to knowledge bases, removing spans as a recovery strategy for null and low recall queries.

Out-of-Scope Use

This model is trained only on the training data of the QueryNER dataset. It may not perform well on other domains without additional training data and further fine-tuning.

Bias, Risks, and Limitations

See paper limitations section.

How to Get Started with the Model

See huggingface tutorials for token classification and access the model using AutoModelForTokenClassification. Note that we do some post processing to make use of only the first subtoken's tag unlike the inference API.

Training Details

Training Data

See paper for details.

Training Procedure

See paper for details.

Training Hyperparameters

See paper for details.

Evaluation

Evaluation details provided in the paper. Scoring was done using SeqScore using the conlleval repair method for invalid label transition sequences.

Testing Data, Factors & Metrics

Testing Data

QueryNER test set: https://huggingface.co/datasets/bltlab/queryner

Factors

Evaluation is reported with micro-F1 at the entity level on the QueryNER test set. We used conlleval repair method for invalid label transitions.

Metrics

We use micro-F1 at the entity level as this is fairly common practice for NER models.

Results

[More Information Needed]

Environmental Impact

Rough estimate

  • Hardware Type: 1 RTX 3090 GPU
  • Hours used: < 2 hours
  • Cloud Provider: Private
  • Compute Region: northamerica-northeast1
  • Carbon Emitted: 0.02

Citation

Accepted at LREC-COLING coming soon

BibTeX:

Accepted at LREC-COLING coming soon

Model Card Authors

Chester Palen-Michel (@cpalenmichel)[https://github.com/cpalenmichel]

Model Card Contact

Chester Palen-Michel (@cpalenmichel)[https://github.com/cpalenmichel]

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
BertForTokenClassification
Ревизия весов
7e2faa1

0 моделей