/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Архитектура
bert · dense
Опубликована
3 июл 2022

ner-bert-base-cased-ontonotesv5-englishv4

Разметка токеновТекст → label7 профессий

Дообученная BERT-модель для распознавания именованных сущностей в англоязычном тексте.

156скачиваний за 30 дней3лайкавеса обновлены22 мая 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

Модель djagatiya/ner-bert-base-cased-ontonotesv5-englishv4 — модель распознавания именованных сущностей на основе BERT, разработанная автором репозитория и дообученная на датасете conll2012_ontonotesv5, версия english-v4. Она предназначена для разметки текста по токенам и извлечения сущностей в англоязычных текстах.

Модель содержит 135,5 млн параметров, использует архитектуру BertForTokenClassification и принимает последовательности длиной до 512 токенов. В опубликованной оценке указаны precision 87,85, recall 89,63 и F1 88,73. Доступны веса PyTorch и Safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • извлечение имен людей из английских документов
  • поиск организаций и географических названий в тексте
  • автоматическая разметка сущностей в новостях
  • подготовка англоязычных текстов для систем поиска и аналитики

Ограничения

Оценка README относится к указанному датасету и не гарантирует аналогичное качество на других текстах. Максимальная длина входа составляет 512 токенов.

Для каких профессий подходит7

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

(NER) bert-base-cased : conll2012_ontonotesv5-english-v4

This bert-base-cased NER model was finetuned on conll2012_ontonotesv5 version english-v4 dataset. Check out NER-System Repository for more information.

Evaluation

  • Precision: 87.85
  • Recall: 89.63
  • F1-Score: 88.73

check out this eval.log file for evaluation metrics and classification report.

               precision    recall  f1-score   support

    CARDINAL       0.86      0.87      0.86       935
        DATE       0.84      0.88      0.86      1602
       EVENT       0.65      0.67      0.66        63
         FAC       0.69      0.71      0.70       135
         GPE       0.97      0.93      0.95      2240
    LANGUAGE       0.76      0.73      0.74        22
         LAW       0.54      0.55      0.54        40
         LOC       0.73      0.80      0.76       179
       MONEY       0.87      0.90      0.88       314
        NORP       0.93      0.96      0.94       841
     ORDINAL       0.80      0.87      0.83       195
         ORG       0.88      0.90      0.89      1795
     PERCENT       0.88      0.90      0.89       349
      PERSON       0.94      0.95      0.94      1988
     PRODUCT       0.62      0.76      0.69        76
    QUANTITY       0.74      0.81      0.77       105
        TIME       0.61      0.67      0.64       212
 WORK_OF_ART       0.56      0.66      0.61       166

   micro avg       0.88      0.90      0.89     11257
   macro avg       0.77      0.81      0.79     11257
weighted avg       0.88      0.90      0.89     11257

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
d731740

0 моделей