/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
139 млн
Архитектура
bert · dense
Опубликована
19 июн 2022

Ссылки

Hugging Face

wangchanberta-base-att-spm-uncased-tagging

bookpanda
Разметка токеновТекст → label5 профессий

Дообученная WangchanBERTa для классификации и разметки токенов в тексте.

697скачиваний за 30 дней1лайквеса обновлены19 июн 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

bookpanda/wangchanberta-base-att-spm-uncased-tagging — дообученная модель на базе WangchanBERTa от AI Research для классификации токенов. Её можно применять для разметки отдельных слов и фрагментов текста, например для извлечения сущностей, если соответствующие метки предусмотрены обучением. Архитектура — BERT, размер — 139,1 млн параметров; модель принимает текст с контекстом до 512 токенов и доступна в формате PyTorch.

Датасет и схема меток в карточке не раскрыты, поэтому нельзя определить точный сценарий разметки или качество. Базовая модель рассчитана на тайский язык, однако сведения о языках этой версии в метаданных отсутствуют. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • разметка токенов по заданным классам
  • извлечение сущностей из текста при наличии подходящей схемы меток
  • классификация слов и фрагментов текста

Ограничения

Датасет и набор меток не описаны, поэтому назначение разметки и качество модели оценить нельзя. Лицензия не указана в предоставленных данных.

Для каких профессий подходит5

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 791модельI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейII.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 180моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wangchanberta-base-att-spm-uncased-tagging

This model is a fine-tuned version of airesearch/wangchanberta-base-att-spm-uncased on an unknown 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: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 75
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.15.0
  • Pytorch 1.11.0+cu113
  • Tokenizers 0.10.3

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
712de4d

0 моделей

    Создать бенчмарк