/ Модель

Характеристики

Контекст
512 токенов
Параметры
212 млн
Лицензия
Своя лицензия
Архитектура
deberta-v2 · dense
Базовая модель
videberta-base
Библиотека
transformers
Опубликована
4 сен 2026

vi-ner-videberta

Разметка токеновТекст → label4 профессии

Модель извлекает имена людей, организации и адреса из OCR-строк банковских выписок на вьетнамском языке.

43скачиваний за 30 дней1лайквеса обновлены27 сен 2026

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

vi-ner-videberta — модель разметки токенов на основе ViDeBERTa, разработанная для извлечения сущностей из OCR-текста банковских выписок на вьетнамском языке. Она классифицирует фрагменты как PERSON, ORGANIZATION и ADDRESS; метка адреса помогает отличать названия улиц и административных районов, похожие на имена людей или организаций. Модель основана на Fsoft-AIC/videberta-base, содержит 211,6 млн параметров и рассчитана на контекст до 512 токенов.

Предназначенный сценарий — обработка одной OCR-распознанной строки банковской транзакции для последующего анализа. На валидации указаны F1 0,902 в целом и F1 0,892 для PERSON, 0,889 для ORGANIZATION и 0,923 для ADDRESS. Ошибки OCR, сокращения, незнакомые форматы выписок и имена, совпадающие с географическими названиями, могут снижать точность; результаты требуют проверки перед юридическими, комплаенс-, идентификационными или платёжными решениями. Лицензия указана как other; обучающие данные включают ограниченные или не подлежащие распространению примеры, поэтому перед коммерческим использованием или распространением нужно проверить условия исходных данных.

Сценарии применения

  • извлечение имён людей из строк банковских выписок
  • поиск организаций в OCR-распознанных транзакциях
  • выделение адресов и административных названий в выписках
  • подготовка сущностей выписки к последующему анализу

Ограничения

Ошибки OCR, сокращения, незнакомые форматы выписок и названия мест, похожие на имена, могут ухудшать качество. Предсказания требуют проверки перед юридическими, комплаенс-, идентификационными и платёжными решениями; условия лицензирования обучающих данных нужно проверить перед коммерческим использованием или распространением.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vi-ner-videberta

ViDeBERTa token-classification model for Vietnamese bank-statement OCR. It extracts PERSON, ORGANIZATION, and ADDRESS; the address label is deliberately retained to disambiguate names inside administrative addresses (for example, a person-like street or ward name) from actual people and organizations.

Evaluation

Trainer token/window BIO metrics

These legacy Trainer summaries are computed over tokenized windows. They are reported separately from final decoded document-span exact-match metrics.

MetricValidationTest
precision0.895407-
recall0.908239-
f10.901777-
accuracy0.984443-

Per-entity F1

EntityValidationTest
PERSON0.891723-
ORGANIZATION0.889339-
ADDRESS0.922978-

The training run did not record a public dashboard URL. Local TensorBoard event files are included under tensorboard/ when present.

Training data

Split sizes: test: 29,587, train: 331,468, validation: 31,809.

SourceRows
curated_ambiguity54
curated_statement_patterns10
llm_statement_synthetic1,955
llm_statement_wave03324
llm_statement_wave04410
llm_statement_wave0563
llm_statement_wave0658
llm_statement_wave07102
llm_statement_wave0932
llm_statement_wave1033
llm_statement_wave1129
llm_statement_wave1232
llm_statement_wave1324
llm_statement_wave1416
llm_statement_wave153
llm_statement_wave1615
llm_statement_wave1710
llm_statement_wave188
llm_statement_wave1911
llm_statement_wave203
llm_statement_wave2112
llm_statement_wave224
llm_statement_wave2312
llm_statement_wave243
llm_statement_wave2511
llm_statement_wave261
llm_statement_wave2712
llm_statement_wave281
llm_statement_wave292
llm_statement_wave301
llm_statement_wave316
llm_statement_wave332
llm_statement_wave344
llm_statement_wave352
llm_statement_wave373
llm_statement_wave385
llm_statement_wave3913
llm_statement_wave404
llm_statement_wave424
llm_statement_wave443
llm_statement_wave453
llm_statement_wave462
masothue_llm_wave03107
masothue_llm_wave0472
masothue_statement_augmented34,998
masothue_synthetic119,794
meddies_pii_vi15,212
news_ner2,973
pap_ner34,103
phoner_covid199,955
private_statement_csv_llm7,778
private_statement_ocr_llm5,769
statement_hard_cases344
vietnamnet_gold8,396
vlsp201616,763
vlsp2021_ndtands19,329
wikiann_vi27,364

This checkpoint was trained on a mixed-source dataset that includes restricted or non-redistributable examples. The source rows are not uploaded with this model. Review every upstream license and usage condition before commercial use or redistribution.

Reproducibility

  • Base checkpoint: Fsoft-AIC/videberta-base
  • Base revision: d72e04d6e5065b2babb6bccad6f86960701f0572
  • Seed: 20260927
  • Labels: O, B-PERSON, I-PERSON, B-ORGANIZATION, I-ORGANIZATION, B-ADDRESS, I-ADDRESS

Intended use and limitations

The intended unit is one OCR-extracted bank-statement transaction line. OCR errors, abbreviations, unseen bank formats, and names that are also locations can reduce accuracy. Predictions should support downstream analysis, not replace review for legal, compliance, identity, or payment decisions.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForTokenClassification
Ревизия весов
570976b

0 моделей