/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
CC BY-SA 4.0
Архитектура
bert · dense
Опубликована
2 мар 2022

bert_de_ner

Разметка токеновТекст → label7 профессий

Немецкая BERT-модель для извлечения именованных сущностей из текста, дообученная на GermEval2014.

299скачиваний за 30 дней6лайковвеса обновлены20 мар 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

fhswf/bert_de_ner — немецкая модель на архитектуре BERT, разработанная путём дообучения bert-base-german-dbmdz-cased для распознавания именованных сущностей. Она выполняет разметку токенов в тексте и предназначена для извлечения сущностей в немецкоязычных документах и текстах. Модель обучена на тренировочной части набора GermEval2014; на его тестовой части указаны precision 0,817, recall 0,842 и F1 0,829 для сущностей.

Размер модели — 137,1 млн параметров, максимальная длина контекста — 512 токенов. Доступны веса в форматах PyTorch, TensorFlow и Flax, включая Safetensors. Лицензия — CC-BY-SA-4.0.

Сценарии применения

  • извлечение имен и названий организаций из немецких текстов
  • разметка географических названий в немецкоязычных документах
  • автоматическая разметка сущностей в новостях на немецком языке

Ограничения

Результаты на тестовой части GermEval2014 составляют F1 0,829; качество на других типах текстов может отличаться. Контекст ограничен 512 токенами.

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

BERT-DE-NER

What is it?

This is a German BERT model fine-tuned for named entity recognition.

Base model & training

This model is based on bert-base-german-dbmdz-cased and has been fine-tuned for NER on the training data from GermEval2014.

Model results

The results on the test data from GermEval2014 are (entities only):

PrecisionRecallF1-Score
0.8170.8420.829

How to use

>>> from transformers import pipeline

>>> classifier = pipeline('ner', model="fhswf/bert_de_ner")
>>> classifier('Von der Organisation „medico international“ hieß es, die EU entziehe sich seit vielen Jahren der Verantwortung für die Menschen an ihren Außengrenzen.')

[{'word': 'med', 'score': 0.9996621608734131, 'entity': 'B-ORG', 'index': 6},
 {'word': '##ico', 'score': 0.9995362162590027, 'entity': 'I-ORG', 'index': 7},
 {'word': 'international',
  'score': 0.9996932744979858,
  'entity': 'I-ORG',
  'index': 8},
 {'word': 'eu', 'score': 0.9997008442878723, 'entity': 'B-ORG', 'index': 14}]

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
1b14a18

0 моделей