/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base
Опубликована
24 авг 2026

azNER-xlmr

Разметка токеновТекст → label7 профессий

Модель XLM-RoBERTa для извлечения 16 типов именованных сущностей из азербайджанского текста.

19скачиваний за 30 дней0лайковвеса обновлены24 авг 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

Модель kamranibiyev/azNER-xlmr предназначена для распознавания именованных сущностей в азербайджанском тексте. Это XLM-RoBERTa base, дообученная на вручную исправленном корпусе azWikiNER из 16 740 фрагментов Википедии; модель использует архитектуру XLMRobertaForTokenClassification и различает 16 категорий, включая имена людей, организации, географические объекты, события, даты и время, суммы и названия произведений. Контекст ограничен 514 токенами.

На тестовой выборке azWikiNER модель показала F1 81,77 для полного набора категорий и 82,81 для 15 общих категорий. Она подходит для извлечения сущностей из азербайджанских текстов, в том числе для обогащения документов и подготовки данных для поиска. Репозиторий содержит веса PyTorch; лицензия — MIT.

Качество может быть ниже на жанрах, отличных от Википедии. Оценки для чисел и дат следует трактовать осторожно: эти категории размечались с использованием автоматизированного прохода OntoNotes и правил объединения. Длинные входы обрезаются по лимиту токенизатора; отдельной метки DATE нет, даты относятся к TIME.

Сценарии применения

  • Извлечение имён людей из азербайджанских статей
  • Поиск организаций и географических названий в азербайджанских документах
  • Распознавание дат, времени, сумм и числовых выражений
  • Автоматическая разметка сущностей в корпусах азербайджанского текста

Ограничения

На текстах других жанров качество может быть ниже, чем на Википедии; оценки для числовых и временных категорий следует трактовать с осторожностью. Входы длиннее лимита токенизатора обрезаются, а даты размечаются меткой TIME.

Для каких профессий подходит7

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

azwikiner-xlmr

Named entity recognition for Azerbaijani: XLM-RoBERTa base fine-tuned on azWikiNER, a manually corrected corpus of 16,740 Azerbaijani Wikipedia segments with 16 entity categories. Trained in April 2021; construction and evaluation are described in Ibiyev & Novák, TSD 2021 (doi:10.1007/978-3-030-83527-9_26) and in the author's PhD dissertation (PPKE ITK, 2026).

Entity categories

CARDINAL, EVENT, FAC, GPE, LOC, MONEY, NORP, ORDINAL, ORG, PER, PERCENT, PROD, QUANTITY, TIME, WORK_OF_ART, and TITLE (professions, roles and military ranks attached to person names, e.g. aktyor 'actor', şair 'poet'). TIME covers both times and dates; PROD corresponds to OntoNotes PRODUCT. The classifier head has two vestigial classes that do not occur in practice: an interim OTHER label (one training span) and an empty label inherited from a trailing newline in the label file.

Results

Entity-level scores on the azWikiNER test set (1,618 segments), computed with the standard conlleval script:

TagsetPrecisionRecallF1
Full (16 types)80.2183.3881.77
Common (15 types shared with zero-shot OntoNotes models)81.3084.3782.81

Per-type F1 on the test set (full tagset):

TypeGold spansF1
GPE135492.05
PER51986.45
LOC25466.93
ORG24868.95
TITLE21067.44
CARDINAL14677.74
TIME13177.61
WORK_OF_ART5543.64
FAC5257.41
NORP4655.77
EVENT3781.16
ORDINAL3481.69
QUANTITY2981.36
PERCENT10100.00
MONEY840.00
PROD816.67

Training

Fine-tuned with the token-classification example of transformers 4.5.0 on 4 GPUs: AdamW, learning rate 1e-4 with linear decay, no warmup, no weight decay, per-device batch size 8 (effective 32), mixed precision (fp16), seed 42, 6 epochs. Splits: 13,483 train / 1,639 dev / 1,618 test segments. The full training configuration is included in this repository as training_args.bin.

Usage

from transformers import pipeline
 
ner = pipeline("ner", model="kamranibiyev/azwikiner-xlmr", aggregation_strategy="simple")
ner("Elnur Hüseynov Bakıda anadan olub.")

Limitations

The training text comes from Wikipedia; expect lower accuracy on other genres. The numeric and date-like categories entered the corpus through a zero-shot OntoNotes pass with rule-based merging rather than span-by-span human verification, so scores on those types should be read with care. Long inputs are truncated at the tokenizer limit. There is no DATE tag; dates fall under TIME.

Citation

@inproceedings{ibiyev2021azwikiner,
  author    = {Kamran Ibiyev and Attila Nov{\'a}k},
  title     = {Using Zero-Shot Transfer to Initialize azWikiNER, a Gold
               Standard Named Entity Corpus for the Azerbaijani Language},
  booktitle = {Text, Speech, and Dialogue (TSD 2021)},
  pages     = {305--317},
  publisher = {Springer},
  year      = {2021},
  doi       = {10.1007/978-3-030-83527-9_26},
}

Dataset: https://doi.org/10.5281/zenodo.22019336

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
XLMRobertaForTokenClassification
Ревизия весов
06ac6d5

0 моделей