/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Архитектура
bert · dense
Опубликована
2 мар 2022

bert-base-uncased-city-country-ner

Разметка токеновТекст → label5 профессий

Дообученная на базе BERT модель размечает в англоязычных предложениях названия городов и стран.

1 198скачиваний за 30 дней16лайковвеса обновлены1 июл 2022

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

ml6team/bert-base-uncased-city-country-ner — модель на базе BERT, дообученная командой ML6 для распознавания названий городов и стран в предложениях. Она выполняет разметку токенов: каждому фрагменту текста присваивается одна из меток OTHER, CITY или COUNTRY.

Модель подходит для извлечения упоминаний городов и стран из англоязычных текстов, например для последующей нормализации географических названий или поиска мест в сообщениях. Она содержит 136,7 млн параметров и рассчитана на контекст до 512 токенов. Дообучение выполнено на пользовательском наборе данных, созданном с помощью слабой разметки Ultra-Fine Entity Typing и дополнительной очистки ложных меток.

Модель принимает текст и возвращает метки токенов. Карточка описывает распознавание только городов и стран; качество для других типов сущностей и языков не заявлено. Лицензия в предоставленных данных не указана.

Сценарии применения

  • извлечение названий городов из предложений
  • извлечение названий стран из текстов
  • поиск географических упоминаний в англоязычных сообщениях
  • разметка городов и стран для последующей нормализации

Ограничения

Модель предназначена для распознавания только городов и стран; её карточка описывает англоязычные предложения. Качество для других языков и типов сущностей не заявлено.

Для каких профессий подходит5

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

City-Country-NER

A bert-base-uncased model finetuned on a custom dataset to detect Country and City names from a given sentence.

Custom Dataset

We weakly supervised the Ultra-Fine Entity Typing dataset to include the City and Country information. We also did some extra preprocessing to remove false labels.

The model predicts 3 different tags: OTHER, CITY and COUNTRY

How to use the finetuned model?

from transformers import AutoTokenizer, AutoModelForTokenClassification

tokenizer = AutoTokenizer.from_pretrained("ml6team/bert-base-uncased-city-country-ner")

model = AutoModelForTokenClassification.from_pretrained("ml6team/bert-base-uncased-city-country-ner")

from transformers import pipeline

nlp = pipeline('ner', model=model, tokenizer=tokenizer, aggregation_strategy="simple")
nlp("My name is Kermit and I live in London.")

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
e38e683

0 моделей