Модель на базе XLM-RoBERTa large выделяет организации, имена и географические названия в узбекских текстах.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Uzbek NER XLM-RoBERTa — модель распознавания именованных сущностей в узбекских текстах, созданная dashakoryakovskaya на основе дообучения FacebookAI/xlm-roberta-large. Она размечает токены по схеме BIO и выделяет организации (ORG), имена (NAME) и географические названия (GEO); предсказания для перекрывающихся окон объединяются по символьным смещениям. Модель построена на архитектуре XLM-RoBERTa large, содержит 658,7 млн параметров и обрабатывает до 514 токенов контекста; для длинных документов используются окна длиной до 512 токенов с шагом 128.
Модель рассчитана на узбекские тексты; базовая XLM-RoBERTa мультиязычна, однако карточка не подтверждает качество разметки для других языков. Лицензия в предоставленных данных не указана.
Модель ориентирована на узбекские тексты и размечает только организации, имена и географические названия; качество для других языков и типов сущностей не подтверждено. Для длинных документов применяются перекрывающиеся окна длиной до 512 токенов с шагом 128.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Модель для распознавания сущностей в узбекских текстах.
BIO: B-ORG, I-ORG, B-NAME, I-NAME, B-GEO, I-GEO, O.
FacebookAI/xlm-roberta-large
Documents are split into overlapping windows:
Predictions from overlapping windows are aggregated by character offsets.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers · token-classification
Подбираем GPU…