/ Модель

Характеристики

Контекст
512 токенов
Параметры
534 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Опубликована
29 дек 2023

dictabert-large-ner

Разметка токеновТекст → label6 профессий

DictaBERT-Large NER — модель BERT-large для распознавания именованных сущностей в текстах на современном иврите.

398скачиваний за 30 дней0лайковвеса обновлены4 мар 2024

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

DictaBERT-Large NER — крупная модель семейства BERT, выпущенная Dicta, для распознавания именованных сущностей в современном иврите. Это дообученная для разметки последовательностей версия BERT-large с архитектурой BertForTokenClassification; размер составляет 533,7 млн параметров, а контекст — до 512 токенов. Модель принимает текст и присваивает метки его токенам, помогая находить в тексте сущности.

Сценарии применения

  • извлечение именованных сущностей из текстов на иврите
  • разметка персон, организаций и мест в документах на иврите
  • автоматическая разметка ивритоязычных новостных материалов

Ограничения

Контекст ограничен 512 токенами. Карточка не уточняет набор типов сущностей и качество модели на других разновидностях или доменах иврита.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DictaBERT-Large: A State-of-the-Art BERT-Large Suite for Modern Hebrew

State-of-the-art language model for Hebrew, released here.

This is the fine-tuned BERT-large model for the named-entity-recognition task.

For the bert models for other tasks, see here.

Sample usage:

from transformers import pipeline

oracle = pipeline('ner', model='dicta-il/dictabert-large-ner', aggregation_strategy='simple')

# if we set aggregation_strategy to simple, we need to define a decoder for the tokenizer. Note that the last wordpiece of a group will still be emitted
from tokenizers.decoders import WordPiece
oracle.tokenizer.backend_tokenizer.decoder = WordPiece()

sentence = '''דוד בן-גוריון (16 באוקטובר 1886 - ו' בכסלו תשל"ד) היה מדינאי ישראלי וראש הממשלה הראשון של מדינת ישראל.'''
oracle(sentence)

Output:

[
  {
    "entity_group": "PER",
    "score": 0.9998988,
    "word": "דוד בן - גוריון",
    "start": 0,
    "end": 13
  },
  {
    "entity_group": "TIMEX",
    "score": 0.99989706,
    "word": "16 באוקטובר 1886",
    "start": 15,
    "end": 31
  },
  {
    "entity_group": "TIMEX",
    "score": 0.99991614,
    "word": "ו' בכסלו תשל\"ד",
    "start": 34,
    "end": 48
  },
  {
    "entity_group": "TTL",
    "score": 0.9931756,
    "word": "וראש הממשלה",
    "start": 68,
    "end": 79
  },
  {
    "entity_group": "GPE",
    "score": 0.9995702,
    "word": "ישראל",
    "start": 96,
    "end": 101
  }
]

Citation

If you use DictaBERT in your research, please cite DictaBERT: A State-of-the-Art BERT Suite for Modern Hebrew

BibTeX:

@misc{shmidman2023dictabert,
      title={DictaBERT: A State-of-the-Art BERT Suite for Modern Hebrew}, 
      author={Shaltiel Shmidman and Avi Shmidman and Moshe Koppel},
      year={2023},
      eprint={2308.16687},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

License

Shield: CC BY 4.0

This work is licensed under a Creative Commons Attribution 4.0 International License.

CC BY 4.0

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
ac70130

0 моделей