/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
4 янв 2024

bertimbau-large-ner-selective

Разметка токеновТекст → label6 профессий

Модель на основе BERTimbau размечает в португальском тексте имена людей, организации, места, время и значения.

311скачиваний за 30 дней3лайкавеса обновлены12 янв 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

marquesafonso/bertimbau-large-ner-selective — модель для распознавания именованных сущностей в текстах на португальском языке. Она основана на крупной версии BERTimbau и предназначена для разметки токенов по пяти классам: люди, организации, места, время и значения. В карточке указано, что использован вариант BERT-CRF для selective-сценария из папки ner_evaluation исходного репозитория BERTimbau.

Модель имеет архитектуру BERT для классификации токенов, содержит 136,1 млн параметров и принимает последовательности длиной до 512 токенов. Веса доступны в форматах PyTorch и Safetensors; лицензия — MIT. Она подходит для извлечения сущностей из португалоязычных текстов, но карточка не приводит оценок качества или подробностей обучения.

Сценарии применения

  • извлечение имён людей из португальских документов
  • поиск организаций в португалоязычных текстах
  • распознавание географических мест в португальском тексте
  • выделение упоминаний времени
  • извлечение значений и величин из текста на португальском

Ограничения

Контекст ограничен 512 токенами. Карточка не приводит метрик качества или оценок на конкретных наборах данных.

Для каких профессий подходит6

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

bertimbau-large-ner-selective

This model card aims to simplify the use of the portuguese Bert, a.k.a, Bertimbau for the Named Entity Recognition task.

For this model card the we used the BERT-CRF (selective scenario, 5 classes) model available in the ner_evaluation folder of the original Bertimbau repo.

Available classes are:

  • PESSOA
  • ORGANIZACAO
  • LOCAL
  • TEMPO
  • VALOR

Usage

# Load model directly
from transformers import AutoTokenizer, AutoModelForTokenClassification

tokenizer = AutoTokenizer.from_pretrained("marquesafonso/bertimbau-large-ner-selective")
model = AutoModelForTokenClassification.from_pretrained("marquesafonso/bertimbau-large-ner-selective")

Example

from transformers import pipeline

pipe = pipeline("ner", model="marquesafonso/bertimbau-large-ner-selective", aggregation_strategy='simple')

sentence = "Acima de Ederson, abaixo de Rúben Dias. É entre os dois jogadores do Manchester City que se vai colocar Gonçalo Ramos no ranking de vendas mais avultadas do Benfica."

result = pipe([sentence])

print(f"{sentence}\n{result}")

# Acima de Ederson, abaixo de Rúben Dias. É entre os dois jogadores do Manchester City que se vai colocar Gonçalo Ramos no ranking de vendas mais avultadas do Benfica.
# [[
#     {'entity_group': 'PESSOA', 'score': 0.99694395, 'word': 'Ederson', 'start': 9, 'end': 16},
#     {'entity_group': 'PESSOA', 'score': 0.9918462, 'word': 'Rúben Dias', 'start': 28, 'end': 38},
#     {'entity_group': 'ORGANIZACAO', 'score': 0.96376556, 'word': 'Manchester City', 'start': 69, 'end': 84},
#     {'entity_group': 'PESSOA', 'score': 0.9993823, 'word': 'Gonçalo Ramos', 'start': 104, 'end': 117},
#     {'entity_group': 'ORGANIZACAO', 'score': 0.9033079, 'word': 'Benfica', 'start': 157, 'end': 164}
# ]]

Acknowledgements

This work is an adaptation of portuguese Bert, a.k.a, Bertimbau. You may check and/or cite their work:

@article{souza2020bertimbau,
    author="Souza, F{\'a}bio and Nogueira, Rodrigo and Lotufo, Roberto",
    editor="Cerri, Ricardo and Prati, Ronaldo C.",
    title="BERTimbau: Pretrained BERT Models for Brazilian Portuguese",
    booktitle="Intelligent Systems",
    year="2020",
    publisher="Springer International Publishing",
    address="Cham",
    pages="403--417",
    isbn="978-3-030-61377-8"
}


@article{souza2019portuguese,
    title={Portuguese Named Entity Recognition using BERT-CRF},
    author={Souza, F{\'a}bio and Nogueira, Rodrigo and Lotufo, Roberto},
    journal={arXiv preprint arXiv:1909.10649},
    url={http://arxiv.org/abs/1909.10649},
    year={2019}
}

Note that the authors - Fabio Capuano de Souza, Rodrigo Nogueira, Roberto de Alencar Lotufo - have used an MIT LICENSE for their work.

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
55b9254

0 моделей