/ Модель

Характеристики

Контекст
512 токенов
Параметры
306 млн
Архитектура
deberta-v2 · dense
Базовая модель
deberta-v3-base
Опубликована
16 фев 2026

google-links

Разметка токеновТекст → label3 профессии

Дообученная DeBERTa v3 размечает токены, предлагая слова и фрагменты текста для анкоров гиперссылок.

209скачиваний за 30 дней9лайковвеса обновлены16 фев 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

dejanseo/google-links — дообученная модель DeBERTa v3 для поиска слов и фрагментов текста, подходящих на роль анкорного текста гиперссылки. Она размечает каждый токен меткой LINK или O и рассчитана на анализ текста, в частности редакционных материалов и блогов. Модель обучена на 10 273 страницах официального блога Google The Keyword; решения редакторов о ссылках использовались как эталон. По метаданным, это DeBERTa v2 для классификации токенов на 306 млн параметров с контекстом до 512 токенов.

В приведённой оценке точность составила 95,6%, полнота — 79,5%, а precision — 42,4%. Высокая полнота помогает находить большинство потенциальных ссылок, но предсказания требуют редакторской проверки: подходящий анкор неоднозначен, поэтому часть отмеченных слов может оказаться ложноположительными кандидатами. Карточка не сообщает лицензию модели.

Сценарии применения

  • поиск кандидатов на анкорные ссылки в статьях
  • подсветка слов для внутренних ссылок в блоге
  • подготовка редакторских рекомендаций по перелинковке

Ограничения

Модель обучена на материалах блога Google, поэтому её предсказания могут хуже соответствовать другим жанрам и редакционным практикам. Precision 42,4% означает, что заметная доля предложенных кандидатов потребует проверки редактором.

Для каких профессий подходит3

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

Link Anchor Detection Model

A fine-tuned DeBERTa v3 model that predicts which words in text should be hyperlinks. Trained on 10,273 pages scraped from The Keyword (Google's official blog), where editorial linking decisions serve as ground truth labels.

How It Works

Given raw text, the model performs token-level binary classification — each token is labeled LINK or O (not a link). This identifies anchor text candidates: words that a human editor would likely hyperlink.

Pipeline

sitemap.xml (10,274 URLs from blog.google)
        │
        ▼
   scrape.py ──► scraped.db (SQLite, 10,273 pages with markdown + inline links)
        │
        ▼
    _prep.py ──► train_windows.jsonl / val_windows.jsonl
        │         • Strip markdown, annotate link spans as [LINK_START]...[LINK_END]
        │         • Tokenize with DeBERTa, align labels to tokens
        │         • Sliding windows (512 tokens, stride 128)
        │         • 90/10 doc-level split
        ▼
   train.py ──► model_link_token_cls/
        │         • Fine-tune microsoft/mdeberta-v3-base
        │         • Weighted cross-entropy (~25x for minority class)
        │         • 3 epochs, lr 2e-5, batch 16
        ▼
    app.py ──► Streamlit UI
                  • Sliding-window inference (handles any text length)
                  • Word-level highlighting with confidence scores

Data

Source: blog.google sitemap (The Keyword — Google's product and technology blog).

MetricValue
Pages scraped10,273
Total tokens8.2M
Link tokens286,799 (3.48%)
Training windows21,264
Validation windows2,402

The class imbalance (96.5% non-link vs 3.5% link) is handled with weighted cross-entropy loss during training.

Model

  • Base: microsoft/mdeberta-v3-base (DebertaV2ForTokenClassification)
  • Labels: O (0), LINK (1)
  • Max position: 512 tokens
  • Parameters: 12 layers, 768 hidden, 12 attention heads

Evaluation Results

MetricValue
Accuracy95.6%
Precision42.4%
Recall79.5%
F10.553

High recall means the model catches most link-worthy text. Lower precision reflects the inherent ambiguity — many words could be linked, so "false positives" are often reasonable candidates.

Usage

Streamlit App

streamlit run app.py

Paste text, adjust the confidence threshold, and see predicted link anchors highlighted in green.

Python

from transformers import AutoTokenizer, AutoModelForTokenClassification
import torch
import torch.nn.functional as F

tokenizer = AutoTokenizer.from_pretrained("model_link_token_cls")
model = AutoModelForTokenClassification.from_pretrained("model_link_token_cls")
model.eval()

text = "Google announced new features for Search and Gmail today."
enc = tokenizer(text, return_tensors="pt", return_offsets_mapping=True)
with torch.no_grad():
    logits = model(input_ids=enc["input_ids"], attention_mask=enc["attention_mask"]).logits
    probs = F.softmax(logits, dim=-1)[0, :, 1]  # P(LINK) per token

for token, offset, p in zip(
    tokenizer.convert_ids_to_tokens(enc["input_ids"][0]),
    enc["offset_mapping"][0],
    probs
):
    if offset[0] == offset[1]:
        continue  # skip special tokens
    if p > 0.5:
        print(f"  LINK: {text[offset[0]:offset[1]]} ({p:.2%})")

Scripts

FilePurpose
scrape.pyAsync Playwright scraper; reads sitemap.xml, saves to SQLite + markdown files
_prep.pyCleans markdown, annotates link spans, tokenizes, creates sliding windows
train.pyFine-tunes DeBERTa with weighted loss, W&B tracking
app.pyStreamlit inference app with sliding-window support
_count.pyToken length analysis utility
_detok.pyToken ID decoder (Streamlit)

Requirements

  • Python 3.8+
  • PyTorch
  • Transformers
  • Playwright (for scraping)
  • Streamlit (for inference app)

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
DebertaV2ForTokenClassification
Ревизия весов
7d5fa87

0 моделей