Характеристики

Контекст: 512 токенов
Параметры: 140 млн
Архитектура: electra · dense

Ссылки

Hugging Face

koelectra-base-v3-naver-ner

monologg

Разметка токеновТекст → label3 профессии

Корейская ELECTRA-Base, дообученная для распознавания именованных сущностей в текстах на основе задачи Naver NER.

6 629скачиваний за 30 дней11лайковвеса обновлены30 ноя 2020

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

KoELECTRA-Base-v3-Naver-NER — модель Jangwon Park (monologg), предназначенная для распознавания именованных сущностей в корейском тексте. Это вариант архитектуры ELECTRA-Base с головой классификации токенов, дообученный для задачи Naver NER. Модель содержит 140,1 млн параметров и рассчитана на последовательности до 512 токенов.

Базовая KoELECTRA обучалась на корейских текстовых корпусах, включая данные версии v3 из 모두의 말뭉치. Модель принимает текст и присваивает метки его токенам, чтобы выделять сущности. Репозиторий содержит веса PyTorch и позволяет загружать модель через Transformers. Для этой конкретной модели карточка Hugging Face не содержит подробных результатов оценки или описания ограничений; качество распознавания за пределами задачи Naver NER не установлено. Лицензия модели не подтверждена доступными сведениями.

Сценарии применения

выделение именованных сущностей в корейских текстах
извлечение сущностей из корейских новостей
разметка токенов для корейских NER-конвейеров

Ограничения

Назначение модели связано с Naver NER; её карточка не приводит подробных оценок качества или ограничений для других наборов данных. Лицензия именно этого чекпойнта не установлена по доступным сведениям.

Для каких профессий подходит3

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Автор не опубликовал карточку модели.

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: ElectraForTokenClassification
Ревизия весов: 7fe2d32