/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Библиотека
transformers
Опубликована
1 июл 2026

chrono-link-bert-topres19th-ner

Разметка токеновТекст → label3 профессии

Дообученная BERT-модель для распознавания именованных сущностей в исторических текстах XIX века.

8скачиваний за 30 дней0лайковвеса обновлены1 июл 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

chrono-link-bert-topres19th-ner — модель BERT для распознавания и классификации сущностей по токенам, созданная дообучением emanuelaboros/chrono-link-bert-americanstories-1850-1890. Модель содержит 135,5 млн параметров, использует архитектуру BertForTokenClassification и принимает последовательности длиной до 512 токенов.

По названию репозитория модель предназначена для NER в текстах XIX века, однако README не описывает набор сущностей, обучающие данные и целевые сценарии подробнее. В оценке на тестовом наборе указаны precision 0,7574, recall 0,7970 и F1 0,7767. Лицензия — Apache-2.0.

Сценарии применения

  • поиск именованных сущностей в текстах XIX века
  • разметка токенов исторической прозы
  • извлечение сущностей из коллекций американской литературы XIX века

Ограничения

README не уточняет типы распознаваемых сущностей и состав обучающих данных; приведённые метрики относятся только к указанному оценочному набору. Контекст ограничен 512 токенами.

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

chrono-link-bert-topres19th-ner

This model is a fine-tuned version of emanuelaboros/chrono-link-bert-americanstories-1850-1890 on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0690
  • Precision: 0.7574
  • Recall: 0.7970
  • F1: 0.7767

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 3e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 5.0

Training results

Training LossEpochStepValidation LossPrecisionRecallF1
0.05551.03680.03690.68350.80850.7407
0.03402.07360.03770.72090.79150.7546
0.01893.011040.04020.70770.85530.7746
0.00934.014720.04810.75100.83400.7903
0.00435.018400.04950.75690.82130.7878

Framework versions

  • Transformers 5.12.1
  • Pytorch 2.12.1+cu130
  • Datasets 5.0.0
  • Tokenizers 0.22.2

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
BertForTokenClassification
Ревизия весов
2e38e5f

0 моделей