Характеристики

Контекст: 512 токенов
Параметры: 136 млн
Архитектура: bert · dense
Опубликована: 11 янв 2023

Ссылки

Hugging Face

phibert-finetuned-ner

girinlp-i2i

Разметка токеновТекст → label5 профессий

Дообученная на BioBERT модель BERT для распознавания именованных сущностей и разметки токенов в тексте.

1 395скачиваний за 30 дней2лайкавеса обновлены8 фев 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

phibert-finetuned-ner — модель Girinlp для распознавания именованных сущностей и другой разметки токенов. Это дообученная версия dmis-lab/biobert-v1.1 на наборе данных, название которого в карточке не приведено. Модель построена на архитектуре BERT и содержит 135,5 млн параметров; она принимает текст с контекстом до 512 токенов и выдаёт метки для токенов. Формат весов — PyTorch.

Модель предназначена для задач разметки последовательностей, в частности NER. На указанном в карточке наборе оценки она получила F1 0,9226, precision 0,9238, recall 0,9213 и accuracy 0,9950. Карточка не уточняет языки, набор меток и область применения, поэтому результаты нельзя уверенно переносить на другие данные. Лицензия в предоставленных сведениях не указана.

Сценарии применения

поиск именованных сущностей в тексте
разметка токенов для извлечения сущностей
подготовка текстовой разметки для последующего анализа

Ограничения

Карточка не сообщает языки, набор меток и данные обучения, поэтому область применимости и качество на других наборах оценить нельзя. Лицензия не приведена в доступных сведениях.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

IV.6Научные исследования, математика и новые материалы

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

phibert-finetuned-ner

This model is a fine-tuned version of dmis-lab/biobert-v1.1 on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0293
Precision: 0.9238
Recall: 0.9213
F1: 0.9226
Accuracy: 0.9950

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: 2e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.0309	1.0	5728	0.0305	0.8977	0.9042	0.9009	0.9939
0.0131	2.0	11456	0.0308	0.9089	0.9114	0.9102	0.9939
0.008	3.0	17184	0.0293	0.9238	0.9213	0.9226	0.9950

Framework versions

Transformers 4.26.0
Pytorch 1.13.1+cu116
Datasets 2.9.0
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: BertForTokenClassification
Ревизия весов: 05c27b3