/ Модель

Характеристики

Контекст
8 192 токена
Параметры
307 млн
Лицензия
CC BY-NC-SA 4.0
Архитектура
modernbert · dense
Базовая модель
mmBERT-base
Опубликована
23 июл 2026

ner-hipe2020-mmbert-base-final

Разметка токеновТекст → label3 профессии

Модель Impresso на базе mmBERT распознаёт персоны, организации, места, продукты и временные выражения во французских, немецких и английских исторических газетах.

78скачиваний за 30 дней0лайковвеса обновлены14 сен 2026

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

Это модель распознавания именованных сущностей для исторических газет, разработанная проектом Impresso. Она дообучена на основе jhu-clsp/mmBERT-base на наборе impresso-project/ner-augmentation для задачи HIPE-2022 и входит в конвейер Impresso NER.

Модель использует архитектуру ModernBERT с 306,9 млн параметров и принимает последовательности длиной до 8192 токенов. Она размечает текст по схеме IOB2, выделяя персон, организации, места, продукты и временные выражения. Поддерживаются французский, немецкий и английский языки; для немецкого в README приведены результаты на тестовом наборе HIPE 2020, включая entity-level F1 0,7950.

Модель подходит для извлечения сущностей из исторических газетных текстов. Вес опубликован в формате safetensors; лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные работы на тех же условиях с ограничением некоммерческого использования.

Сценарии применения

  • извлечение имён людей из исторических газет
  • поиск организаций в оцифрованных газетных архивах
  • разметка географических названий в исторических текстах
  • извлечение дат и временных выражений из газет
  • распознавание упоминаний продуктов в газетных публикациях

Ограничения

Результаты в README приведены для тестового набора HIPE 2020 и немецкого языка; качество на других языках и типах текста может отличаться. Лицензия запрещает коммерческое использование и требует распространять производные работы на тех же условиях.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Impresso HIPE-2022 NER model

Token-classification (NER) model fine-tuned from jhu-clsp/mmBERT-base on the impresso-project/ner-augmentation dataset (HIPE-2022, NE-COARSE-LIT, IOB2). Part of the Impresso NER pipeline.

  • Languages: fr, de, en
  • Base model: jhu-clsp/mmBERT-base
  • Training data: impresso-project/ner-augmentation
  • Label scheme: IOB2 over NE-COARSE-LIT (pers / org / loc / prod / time).

Test-set results (seqeval, entity-level)

metricvalue
hipe2020/de_f10.7950
hipe2020/de_fuzzy_f10.8676
hipe2020/de_fuzzy_loc_f10.9238
hipe2020/de_fuzzy_org_f10.6129
hipe2020/de_fuzzy_pers_f10.8851
hipe2020/de_fuzzy_prod_f10.7048
hipe2020/de_fuzzy_time_f10.9474
hipe2020/de_loc_f10.8730
hipe2020/de_org_f10.5690
hipe2020/de_pers_f10.7601
hipe2020/de_prod_f10.6078
hipe2020/de_time_f10.8085
hipe2020/en_f10.6949
hipe2020/en_fuzzy_f10.7944
hipe2020/en_fuzzy_loc_f10.8280
hipe2020/en_fuzzy_org_f10.5769
hipe2020/en_fuzzy_pers_f10.8769
hipe2020/en_fuzzy_prod_f10.5882
hipe2020/en_fuzzy_time_f10.9412
hipe2020/en_loc_f10.7692
hipe2020/en_org_f10.3862
hipe2020/en_pers_f10.7508
hipe2020/en_prod_f10.6000
hipe2020/en_time_f10.7647
hipe2020/fr_f10.8254
hipe2020/fr_fuzzy_f10.9018
hipe2020/fr_fuzzy_loc_f10.9329
hipe2020/fr_fuzzy_org_f10.6891
hipe2020/fr_fuzzy_pers_f10.9238
hipe2020/fr_fuzzy_prod_f10.8288
hipe2020/fr_fuzzy_time_f10.8870
hipe2020/fr_loc_f10.8773
hipe2020/fr_org_f10.6328
hipe2020/fr_pers_f10.8213
hipe2020/fr_prod_f10.7358
hipe2020/fr_time_f10.5926
hipe2020_f10.7964
hipe2020_fuzzy_f10.8743
hipe2020_fuzzy_loc_f10.9177
hipe2020_fuzzy_org_f10.6349
hipe2020_fuzzy_pers_f10.9037
hipe2020_fuzzy_prod_f10.7440
hipe2020_fuzzy_time_f10.9180
hipe2020_loc_f10.8636
hipe2020_org_f10.5529
hipe2020_pers_f10.7906
hipe2020_precision0.7999
hipe2020_prod_f10.6639
hipe2020_recall0.7929
hipe2020_time_f10.7034

License

Inherits the CC BY-NC-SA 4.0 license of the underlying HIPE-2022 data.

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
ModernBertForTokenClassification
Ревизия весов
46b7674

0 моделей