/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
7 фев 2023

deprem-ner

Разметка токеновТекст → label3 профессии

BERT-модель для извлечения адресов и географических названий из турецких сообщений о помощи после землетрясений.

17скачиваний за 30 дней29лайковвеса обновлены11 фев 2023

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

deprem-ml разработала модель deprem-ner для извлечения географических и адресных сущностей из сообщений о людях, оказавшихся под завалами после землетрясения. Она предназначена для анализа обращений о помощи и поиска сведений об улице, провинции, районе, квартале, здании и этаже.

Модель построена на BERT и решает задачу классификации токенов; число параметров — 137,8 млн, контекст — до 512 токенов. В качестве входа принимает текст, а на выходе выделяет сущности в тексте. Карточка приводит примеры сообщений на турецком языке. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

  • поиск адреса пострадавших в сообщениях о помощи
  • извлечение названий улиц из обращений
  • определение провинции и района по тексту сообщения
  • извлечение названий зданий и жилых комплексов
  • поиск этажа и номера блока в сообщениях о завалах

Ограничения

Модель ориентирована на турецкие сообщения о землетрясениях и извлечение адресной информации; качество на других языках и типах текста не подтверждено. Оценка в карточке основана на 30 примерах.

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

deprem-ner

Bu model depremde enkaz altında kalan kişilerin bildirimlerinden sokak, il, ilçe gibi bilgileri çekmeye çalıştık.

Örnek girdiler:

  • "Lütfen yardım Akevler mahallesi Rüzgar sokak Tuncay apartmanı zemin kat Antakya akrabalarım göçük altında #hatay #Afad"
  • "MARAȘA'ta arkadaşimizdan haber alamıyoruz ACIL yardım Penta Park konutları 1. Blok en üst kat 11. Kat \n\n@AFADBaskanlik #kahramanmaraş\nACİL"
from transformers import pipeline

ner_pipe = pipeline("token-classification","deprem-ml/deprem-ner")
predictions = ner_pipe(""Lütfen yardım Akevler mahallesi Rüzgar sokak Tuncay apartmanı zemin kat Antakya akrabalarım göçük altında #hatay #Afad"")

Verdiği çıktılar:

[
  {
    "entity_group": "mahalle",
    "score": 0.8160411715507507,
    "word": "Akevler mahallesi",
    "start": 14,
    "end": 31
  },
  {
    "entity_group": "sokak",
    "score": 0.940501868724823,
    "word": "Rüzgar sokak",
    "start": 32,
    "end": 44
  },
  {
    "entity_group": "Apartman/Site",
    "score": 0.8081040978431702,
    "word": "Tuncay apartmanı",
    "start": 45,
    "end": 61
  },
  {
    "entity_group": "ilce",
    "score": 0.854024350643158,
    "word": "Antakya",
    "start": 72,
    "end": 79
  }
]

Değerlendirme

Bu modeli Hugging Face Hub'daki diğer modellerle karşılaştırdık, örnek 30 input'ta sonuçları bu repository'de bulabilirsiniz.

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
4d96dfa

0 моделей