/ Модель

Характеристики

Контекст
514 токенов
Параметры
138 млн
Лицензия
MIT
Архитектура
camembert · dense
Опубликована
21 ноя 2022

camembert-ner-articles-nomination

Разметка токеновТекст → label6 профессий

Дообученная на основе CamemBERT модель для выделения людей, организаций и должностей в тексте статей.

157скачиваний за 30 дней1лайквеса обновлены13 сен 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

evangeliazve/camembert-ner-articles-nomination — дообученная модель CamemBERT для распознавания именованных сущностей в текстах. Она выделяет имена людей, организации и должности; в карточке приведены результаты оценки: F1 0,8723 и loss 0,6701. Модель описана как резервная версия модели для новостных статей; отдельная модель для предсказания отношений между сущностями упомянута как разрабатываемая, поэтому эта модель сама такие отношения не определяет.

Модель содержит 137,8 млн параметров, использует архитектуру CamembertForTokenClassification и поддерживает контекст до 514 токенов. README указывает, что она дообучена на camembert-base, но набор данных не назван; предполагаемая область применения — извлечение сущностей из статей. Лицензия — MIT.

Сценарии применения

  • выделение имён людей в новостных статьях
  • поиск упоминаний организаций в тексте
  • извлечение названий должностей из статей

Ограничения

Модель распознаёт только PERSON, ORGANISATION и JOB TITLE; предсказание отношений между сущностями выполняет отдельная модель. В README не описаны обучающие данные и подробные ограничения применения.

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

camembert-base-articles-ner-backup

This model is a fine-tuned version of camembert-base on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.6701
  • F1: 0.8723

Model description

This model identifies Name Entities : PERSON, ORGANISATION, JOB TITLE Another Model is being developped to predict relationships between these entities (nomination, départure)

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: 5e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 20

Training results

Training LossEpochStepValidation LossF1
1.92051.061.74260.0
1.64762.0121.54150.0
1.46073.0181.39440.0635
1.32994.0241.25870.4848
1.19735.0301.12870.6207
1.07076.0361.01100.8043
0.9727.0420.92660.8696
0.88778.0480.86320.8602
0.82319.0540.82790.8511
0.772310.0600.80010.8511
0.730911.0660.76170.8602
0.690212.0720.73640.8602
0.660113.0780.71040.8723
0.630614.0840.70620.8723
0.612715.0900.68960.8602
0.60516.0960.67430.8723
0.589217.01020.68010.8723
0.584318.01080.67970.8723
0.573119.01140.67310.8723
0.570720.01200.67010.8723

Framework versions

  • Transformers 4.24.0
  • Pytorch 1.13.0+cu117
  • Datasets 2.7.0
  • Tokenizers 0.13.2

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
CamembertForTokenClassification
Ревизия весов
2915569

0 моделей