Характеристики

Контекст: 512 токенов
Параметры: 433 млн
Лицензия: AGPL 3.0
Архитектура: bert · dense
Опубликована: 5 дек 2022

Ссылки

bert-large-pt-ner-enamex

Разметка токеновТекст → label7 профессий

BERT-модель для распознавания людей, организаций, географических объектов и других именованных сущностей в португальском тексте.

24скачиваний за 30 дней2лайкавеса обновлены9 фев 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

marcosgg/bert-large-pt-ner-enamex — модель распознавания именованных сущностей на португальском языке, разработанная на основе BERTimbau Large и дообученная на объединении доступных корпусов. Она присваивает метки токенам текста по стандартной схеме enamex: LOC для географических объектов, PER для людей, ORG для организаций и MISC для прочих сущностей.

Модель предназначена для извлечения и разметки сущностей в португальских текстах. Архитектура — BERT для классификации токенов; размер — 433,2 млн параметров, максимальный контекст — 512 токенов. На тестовом наборе авторы сообщают precision 0,919, recall 0,925 и F1 0,922. Лицензия AGPL-3.0.

Сценарии применения

извлечение имён людей из португальских документов
поиск названий организаций в португальских текстах
определение географических объектов в португальских новостях
разметка прочих именованных сущностей по схеме enamex

Ограничения

Модель ориентирована на португальский язык и классы LOC, PER, ORG и MISC. Максимальный контекст составляет 512 токенов; опубликованные метрики получены на тестовом наборе авторов.

Для каких профессий подходит7

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.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Named Entity Recognition (NER) model for Portuguese

This is a NER model for Portuguese which uses the standard 'enamex' classes: LOC (geographical locations); PER (people); ORG (organizations); MISC (other entities).

The model is based on BERTimbau Large, which has been fine-tuned using a combination of available corpora (see [1] for details).

There is an alternative model trained using BERTimbau Base: bert-base-pt-ner-enamex.

It was trained with a batch size of 32 and a learning rate of 3e-5 during 3 epochs. It achieved the following results on the test set (Precision/Recall/F1): 0.919/0.925/0.922.

[1] Pablo Gamallo, Marcos Garcia & Patricia Martín-Rodilla, 2019. NER and open information extraction for Portuguese notebook for IberLEF 2019 Portuguese named entity recognition and relation extraction tasks. In Proceedings of the Iberian Languages Evaluation Forum (IberLEF 2019) co-located with 35th Conference of the Spanish Society for Natural Language Processing (SEPLN 2019): 457-467.

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: BertForTokenClassification
Ревизия весов: 526247e