Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-uncased
Библиотека: transformers
Опубликована: 30 дек 2023

Ссылки

Hugging Face

relation_extraction_bert_base_uncased

gyr66

Классификация текстаТекст → label4 профессии

Дообученная англоязычная модель BERT для классификации отношений между сущностями в тексте.

289скачиваний за 30 дней5лайковвеса обновлены31 дек 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

gyr66/relation_extraction_bert_base_uncased — модель для извлечения отношений между сущностями в англоязычном тексте. Это дообученная версия BERT Base Uncased, разработанная на основе google-bert/bert-base-uncased с использованием библиотеки Transformers. Модель имеет архитектуру BertForRelationExtraction, содержит 136,7 млн параметров и принимает последовательности длиной до 512 токенов.

Модель обучена на наборе данных SemEval 2010 Task 8. На оценочном наборе указаны F1 0,8616 и функция потерь 0,9300. Основной сценарий — классифицировать семантическое отношение между сущностями в тексте. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

В карточке нет подробностей о схеме разметки, качестве на других наборах данных и ограничениях применения, поэтому приведённые метрики относятся только к указанному оценочному набору. Для работы с текстами на других языках или с контекстом длиннее 512 токенов модель не заявлена.

Сценарии применения

классификация семантических отношений между сущностями в предложениях
извлечение отношений из англоязычных текстов
разметка отношений в данных по схеме SemEval 2010 Task 8

Ограничения

Указанные метрики получены только на оценочном наборе SemEval 2010 Task 8; качество на других данных не приведено. Максимальная длина контекста — 512 токенов, а поддержка других языков не заявлена.

Для каких профессий подходит4

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.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

relation_extraction_bert_base_uncased

This model is a fine-tuned version of bert-base-uncased on sem_eval_2010_task_8. It achieves the following results on the evaluation set:

Loss: 0.9300
F1: 0.8616

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: 64
eval_batch_size: 64
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10.0

Training results

Training Loss	Epoch	Step	Validation Loss	F1
1.2511	1.0	107	0.6098	0.7907
0.437	2.0	214	0.5167	0.8453
0.1921	3.0	321	0.5446	0.8553
0.0795	4.0	428	0.7041	0.8527
0.0334	5.0	535	0.7774	0.8568
0.0124	6.0	642	0.8086	0.8490
0.0056	7.0	749	0.8615	0.8601
0.003	8.0	856	0.9246	0.8614
0.0014	9.0	963	0.9300	0.8616
0.0011	10.0	1070	0.9421	0.8613

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu121
Datasets 2.16.0
Tokenizers 0.15.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForRelationExtraction
Ревизия весов: b11adb1