Модель на основе RoBERTa для распознавания именованных сущностей в текстах на классическом китайском языке.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Guwen NER — модель распознавания именованных сущностей в классическом китайском языке. Карточка описывает её как NER-модель; метаданные указывают архитектуру RoBERTa для классификации токенов, 131,1 млн параметров и контекст до 514 токенов. Модель принимает китайский текст и присваивает метки его токенам, чтобы выделять именованные сущности в исторических и литературных текстах.
Для более точного декодирования автор рекомендует вариант с CRF и отмечает проблемы декодирования стандартной модели классификации последовательностей; связанный код приведён в проекте Guwen Models. Модель распространяется по лицензии Apache-2.0.
Автор отмечает проблемы декодирования стандартной модели классификации последовательностей и рекомендует использовать вариант с CRF для лучших результатов.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
A Classical Chinese Named Entity Recognizer.
Note: There are some problems with decoding using the default sequence classification model. Use the CRF model to achieve the best results. CRF related code please refer to Guwen Models.
See also:
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…