This is the best performing model used in the paper: "End-to-end Training For Financial Report Summarization"
Характеристики
- Контекст
- 512 токенов
- Параметры
- 136 млн
- Архитектура
- bert · dense
- Опубликована
- 2 мар 2022
Ссылки
SumTO_FNS2020
Чекпойнт BERT для классификации текста, использованный в исследовании по суммаризации финансовых отчётов.
16скачиваний за 30 дней0лайковвеса обновлены15 июн 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
SumTO_FNS2020 — модель на архитектуре BERT, разработчик — morenolq. Это лучший по результатам авторов чекпойнт из работы «End-to-end Training For Financial Report Summarization», предназначенный для классификации текста. Модель содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов.
В метаданных указаны реализации для PyTorch и JAX, а веса доступны в форматах Flax, PyTorch и Safetensors. Карточка связывает модель с задачей суммаризации финансовых отчётов, однако её pipeline-тег — text-classification; сведений о лицензии в предоставленных данных нет.
Сценарии применения
- Классификация текстов финансовых отчётов
- Эксперименты с классификацией в задачах обработки финансовых документов
- Воспроизведение результатов исследования по суммаризации финансовых отчётов
Ограничения
В предоставленной карточке не описаны ограничения и лицензия. Хотя модель использовалась в исследовании суммаризации, её заявленный pipeline-тег — классификация текста.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейIV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723модели
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…
- Класс архитектуры
- BertForSequenceClassification
- Ревизия весов
- ba65fe7