/ Модель

Характеристики

Контекст
512 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
deberta · dense

deberta-base-fine-tuned-ner

Разметка токеновТекст → label7 профессий

Дообученная на CoNLL-2003 модель DeBERTa-base для распознавания именованных сущностей в тексте.

1 626скачиваний за 30 дней2лайкавеса обновлены12 окт 2021

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

Модель geckos/deberta-base-fine-tuned-ner — версия DeBERTa-base от Microsoft, дообученная разработчиком geckos для распознавания именованных сущностей на наборе данных CoNLL-2003. Это плотная трансформерная модель с архитектурой DeBERTa и примерно 151,8 млн параметров; она принимает текстовые последовательности длиной до 512 токенов и относит токены к меткам сущностей. В оценке на тестовой выборке CoNLL-2003 указаны F1 0,9608, точность 0,9563 и полнота 0,9652.

Модель подходит для извлечения сущностей из англоязычных текстов, например имён людей, организаций и географических названий в новостях. Она рассчитана на классификацию токенов, а не на свободный диалог или генерацию текста. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT; контекст ограничен 512 токенами.

Сценарии применения

  • извлечение имён людей из новостных статей
  • поиск организаций в англоязычных документах
  • распознавание географических названий в тексте

Ограничения

Модель дообучена на CoNLL-2003, поэтому её качество может снижаться на текстах других жанров и языков. Максимальная длина контекста — 512 токенов.

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

deberta-base-finetuned-ner

This model is a fine-tuned version of microsoft/deberta-base on the conll2003 dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0501
  • Precision: 0.9563
  • Recall: 0.9652
  • F1: 0.9608
  • Accuracy: 0.9899

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: 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: 5

Training results

Training LossEpochStepValidation LossPrecisionRecallF1Accuracy
0.14191.08780.06280.92900.92880.92890.9835
0.03792.017560.04660.94560.95670.95110.9878
0.01763.026340.04730.95390.95750.95570.9890
0.00984.035120.04680.95700.96350.96030.9896
0.00435.043900.05010.95630.96520.96080.9899

Framework versions

  • Transformers 4.11.3
  • Pytorch 1.9.0+cu111
  • Datasets 1.12.1
  • Tokenizers 0.10.3

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
DebertaForTokenClassification
Ревизия весов
3ec3cbb

0 моделей