/ Модель

Характеристики

Контекст
512 токенов
Параметры
176 млн
Архитектура
bert · dense

BERTOverflow

ЭмбеддингиТекст → embedding3 профессии

BERT, обученный на сообщениях Stack Overflow, для получения векторных представлений и последующей обработки кода и именованных сущностей.

82скачиваний за 30 дней9лайковвеса обновлены19 мая 2021

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

jeniya/BERTOverflow — модель семейства BERT, предварительно обученная авторами на 152 миллионах предложений из десятилетнего архива Stack Overflow. Она предназначена для получения контекстных векторных представлений текста и может служить основой для задач обработки кода и именованных сущностей в сообщениях Stack Overflow. Модель содержит 176,2 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в форматах PyTorch и Flax. Карточка также показывает пример использования модели для классификации токенов. Лицензия в предоставленных данных не указана.

Сценарии применения

  • получение эмбеддингов сообщений Stack Overflow
  • извлечение признаков из текста с кодом
  • подготовка представлений для распознавания именованных сущностей
  • дообучение классификатора токенов на технических обсуждениях

Ограничения

Контекст ограничен 512 токенами. Модель предварительно обучена на сообщениях Stack Overflow; перенос на другие типы текста и готовность к распознаванию сущностей требуют отдельной проверки или дообучения.

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

BERTOverflow

Model description

We pre-trained BERT-base model on 152 million sentences from the StackOverflow's 10 year archive. More details of this model can be found in our ACL 2020 paper: Code and Named Entity Recognition in StackOverflow. We would like to thank Wuwei Lan for helping us in training this model.

How to use

from transformers import *
import torch

tokenizer = AutoTokenizer.from_pretrained("jeniya/BERTOverflow")
model = AutoModelForTokenClassification.from_pretrained("jeniya/BERTOverflow")

BibTeX entry and citation info

@inproceedings{tabassum2020code,
    title={Code and Named Entity Recognition in StackOverflow},
    author={Tabassum, Jeniya  and Maddela, Mounica  and Xu, Wei and Ritter, Alan },
    booktitle = {Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL)},
    url={https://www.aclweb.org/anthology/2020.acl-main.443/}
    year = {2020},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
0361ca9

0 моделей