/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
bert-base-turkish-cased
Библиотека
transformers
Опубликована
25 мая 2025

ottoman-ner-latin

Разметка токеновТекст → label3 профессии

Модель находит имена людей, места и организации в исторических османских текстах, записанных латинской транслитерацией.

43скачиваний за 30 дней7лайковвеса обновлены25 мая 2025

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

Fatih Burak Karagöz разработал Ottoman-NER Latin — модель распознавания именованных сущностей в исторических османских текстах, записанных латинской транслитерацией. Это BERT-модель для классификации токенов, дообученная на основе dbmdz/bert-base-turkish-cased на специально размеченном наборе данных в формате CoNLL.

Модель выделяет имена людей (PER), географические названия (LOC) и организации (ORG). Она предназначена для исторической обработки текстов и проектов цифровой гуманитаристики; размер модели — 137,8 млн параметров, максимальная длина контекста — 512 токенов. В README приведены метрики на тестировании: precision 89,4%, recall 87,1% и F1 88,2%; они не гарантируют такое же качество на других корпусах. Лицензия — MIT.

Сценарии применения

  • разметка именованных сущностей в османских текстах латинской транслитерацией
  • поиск персон в исторических турецких документах
  • выделение географических названий из османских источников
  • индексация организаций в исторических текстовых корпусах
  • подготовка данных для цифровых гуманитарных исследований

Ограничения

Модель рассчитана на османские тексты в латинской транслитерации, поэтому качество на других письменностях, языках и современных текстах не установлено. Метрики в карточке приведены как примеры и могут не отражать результаты на иных корпусах.

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

Ottoman-NER Latin (fatihburakkaragoz/ottoman-ner-latin)

This model performs Named Entity Recognition (NER) on Ottoman Turkish texts transliterated into Latin script. It identifies named entities such as persons (PER), locations (LOC), and organizations (ORG) in historical Ottoman Turkish texts. The model is fine-tuned from dbmdz/bert-base-turkish-cased using a custom CONLL-formatted dataset annotated specifically for Ottoman Latin script.


Part of the Ottoman-NLP Project

While this specific model (ottoman-ner-latin) was developed independently, it builds upon the broader Ottoman-NLP research direction initiated within Boğaziçi University - BUCOLIN Lab under the guidance of Prof. Dr. Şaziye Betül Özateş.

Explore more from the lab at: huggingface.co/BUCOLIN
Main project repository: github.com/Ottoman-NLP


Model Details

  • Model Type: Token Classification (NER)
  • Base Model: dbmdz/bert-base-turkish-cased
  • Language: Ottoman Turkish (Latin transliteration)
  • Training Dataset: Custom manually annotated dataset
  • Fine-tuned by: Fatih Burak Karagöz
  • License: MIT
  • Usage: Historical Turkish NLP, research, digital humanities

Usage

Transformers pipeline

from transformers import AutoTokenizer, AutoModelForTokenClassification, pipeline

model = AutoModelForTokenClassification.from_pretrained("fatihburakkaragoz/ottoman-ner-latin")
tokenizer = AutoTokenizer.from_pretrained("fatihburakkaragoz/ottoman-ner-latin")

ner_pipeline = pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy="simple")

text = "Emin Bey’in kuklaları bir haftadır Tepebaşı’nda oynuyor."
entities = ner_pipeline(text)
print(entities)

Training & Evaluation

  • Training Script: scripts/train_latin_ner.py

    • Labels: PER (Person), LOC (Location), ORG (Organization), O

    • Metrics (seqeval):

      • Precision: e.g., 89.4%

      • Recall: e.g., 87.1%

      • F1 Score: e.g., 88.2%

      • Epochs: 5

      • Batch Size: 8

      • Hardware: RTX 4090, CUDA 12.8


Example Output

[
  {
    "entity_group": "PER",
    "word": "Emin Bey",
    "start": 0,
    "end": 8,
    "score": 0.998
  },
  {
    "entity_group": "LOC",
    "word": "Tepebaşı",
    "start": 34,
    "end": 42,
    "score": 0.997
  }
]

Citation

Please cite the model as:

@software{karagoz_ottoman_ner_latin_2025,
  author = {Karagöz, Fatih Burak},
  title = {Ottoman-NER Latin: A Named Entity Recognition Model for Transliterated Ottoman Turkish},
  year = {2025},
  publisher = {Hugging Face},
  url = {https://huggingface.co/fatihburakkaragoz/ottoman-ner-latin},
  note = {Model version 0.2.0. Developed as part of the Ottoman-NLP initiative.}
}

Citation for research

@article{ozates2025building,
  title={Building Foundations for Natural Language Processing of Historical Turkish: Resources and Models},
  author={Özateş, Şaziye Betül and Tıraş, Tuğba Eser and Adak, Elif Esra and Doğan, Berkay and Karagöz, Fatih Burak and Genç, Elif Esma and others},
  journal={arXiv preprint arXiv:2501.04828},
  year={2025}
}

@inproceedings{karagoz2024towards,
  title={Towards a Clean Text Corpus for Ottoman Turkish},
  author={Karagöz, Fatih Burak and Doğan, Berkay and Özateş, Şaziye Betül},
  booktitle={Proceedings of the First Workshop on Natural Language Processing for Turkic Languages},
  year={2024}
}

Contact

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
80f7cb2

0 моделей