/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
CC BY-SA 4.0
Архитектура
roberta · dense
Базовая модель
NuNER-v1.0
Библиотека
transformers
Опубликована
28 мар 2024

nuner-v1_orgs

Разметка токеновТекст → label5 профессий

Модель на основе NuNER и RoBERTa для распознавания названий организаций в английском тексте.

412скачиваний за 30 дней2лайкавеса обновлены5 апр 2024

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

guishe выпустил guishe/nuner-v1_orgs — модель распознавания именованных сущностей, дообученную на наборе NER-ORGS для выделения организаций в тексте. Она основана на NuNER-v1.0 с RoBERTa-base в качестве базового энкодера и использует архитектуру RoBERTa для классификации токенов. Модель содержит 151,8 млн параметров, работает с текстом и имеет контекстное окно 514 токенов.

Модель предназначена для извлечения названий организаций из текста и может применяться при разборе документов или автоматической разметке упоминаний компаний. В карточке указан английский язык. Модель распространяется по лицензии CC BY-SA 4.0. Данных о качестве на иных типах сущностей или языках нет.

Сценарии применения

  • извлечение названий организаций из документов
  • поиск компаний в новостных статьях
  • разметка упоминаний организаций в текстовых корпусах

Ограничения

Карточка описывает распознавание только сущностей типа ORG; качество для других типов сущностей и языков не подтверждено. Максимальный контекст составляет 514 токенов.

Для каких профессий подходит5

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

numind/NuNER-v1.0 fine-tuned on FewNERD-fine-supervised

This is a NuNER model fine-tuned on the NER-ORGS dataset that can be used for Named Entity Recognition. NuNER model uses RoBERTa-base as the backbone encoder and it was trained on the NuNER dataset, which is a large and diverse dataset synthetically labeled by gpt-3.5-turbo-0301 of 1M sentences. This further pre-training phase allowed the generation of high quality token embeddings, a good starting point for fine-tuning on more specialized datasets.

Model Details

The model was fine-tuned as a regular BERT-based model for NER task using HuggingFace Trainer class.

Model labels

Entity Types: ORG

Uses

Direct Use for Inference

>>> from transformers import pipeline

>>> text = """Foreign governments may be spying on your smartphone notifications, senator says. Washington (CNN) — Foreign governments have reportedly attempted to spy on iPhone and Android users through the mobile app notifications they receive on their smartphones - and the US government has forced Apple and Google to keep quiet about it, according to a top US senator. Through legal demands sent to the tech giants, governments have allegedly tried to force Apple and Google to turn over sensitive information that could include the contents of a notification - such as previews of a text message displayed on a lock screen, or an update about app activity, Oregon Democratic Sen. Ron Wyden said in a new report. Wyden's report reflects the latest example of long-running tensions between tech companies and governments over law enforcement demands, which have stretched on for more than a decade. Governments around the world have particularly battled with tech companies over encryption, which provides critical protections to users and businesses while in some cases preventing law enforcement from pursuing investigations into messages sent over the internet."""

>>> classifier = pipeline(
    "ner",
    model="guishe/nuner-v1_orgs",
    aggregation_strategy="simple",
)
>>> classifier(text)

[{'entity_group': 'ORG',
  'score': 0.9821347,
  'word': 'CNN',
  'start': 94,
  'end': 97},
 {'entity_group': 'ORG',
  'score': 0.99382174,
  'word': ' Apple',
  'start': 288,
  'end': 293},
 {'entity_group': 'ORG',
  'score': 0.99351865,
  'word': ' Google',
  'start': 298,
  'end': 304},
 {'entity_group': 'ORG',
  'score': 0.992792,
  'word': ' Apple',
  'start': 449,
  'end': 454},
 {'entity_group': 'ORG',
  'score': 0.99385214,
  'word': ' Google',
  'start': 459,
  'end': 465}]

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 5e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 64
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 4

Training results

Training LossEpochStepValidation LossPrecisionRecallF1Accuracy
0.06311.017100.05660.76350.79520.77900.9778
0.05722.034200.05800.78160.79250.78700.9785
0.04293.051300.05620.78690.80840.79750.9790
0.03364.068400.06310.79120.80450.79780.9790

Framework versions

  • Transformers 4.36.0
  • Pytorch 2.0.0+cu117
  • Datasets 2.18.0
  • Tokenizers 0.15.2

Citation

BibTeX

@misc{bogdanov2024nuner,
      title={NuNER: Entity Recognition Encoder Pre-training via LLM-Annotated Data}, 
      author={Sergei Bogdanov and Alexandre Constantin and Timothée Bernard and Benoit Crabbé and Etienne Bernard},
      year={2024},
      eprint={2402.15343},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
RobertaForTokenClassification
Ревизия весов
2e95454

0 моделей