/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Архитектура
bert · dense
Базовая модель
wikineural-multilingual-ner
Библиотека
transformers
Опубликована
14 окт 2024

msu-wiki-ner

Разметка токеновТекст → label7 профессий

Модель BERT для извлечения персон, организаций и географических объектов из русскоязычного текста.

763скачиваний за 30 дней0лайковвеса обновлены14 окт 2024

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

nesemenpolkov/msu-wiki-ner — модель для распознавания именованных сущностей в русскоязычном тексте. Автор дообучил Babelscape/wikineural-multilingual-ner на датасете RCC-MSU/collection3 для задачи классификации токенов. Модель на архитектуре BERT содержит 205,1 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт метки BIO для персон, организаций и географических объектов.

Модель подходит для извлечения имён людей, названий организаций и мест из русскоязычных документов. В карточке приведены результаты на валидации после трёх эпох: F1 — 0,968, точность — 0,963, полнота — 0,974. Эти показатели относятся к указанному набору данных; автор предупреждает, что на текстах на других языках качество может быть низким. Модель распространяется под лицензией, сведения о которой в предоставленных данных отсутствуют.

Сценарии применения

  • извлечение имён людей из русских документов
  • поиск организаций в новостях и статьях
  • распознавание географических названий в тексте
  • автоматическая разметка сущностей для языковых корпусов

Ограничения

Качество на текстах других языков может быть низким. Приведённые метрики получены на валидации датасета RCC-MSU/collection3 и могут не переноситься на другие данные.

Для каких профессий подходит7

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

Fine-tuned multilingual model for russian language NER

This is the model card for fine-tuned Babelscape/wikineural-multilingual-ner, which has multilingual mBERT as its base. I`ve fine-tuned it using RCC-MSU/collection3 dataset for token-classification task. The dataset has BIO-pattern and following labels:

label_names = ['O', 'B-PER', 'I-PER', 'B-ORG', 'I-ORG', 'B-LOC', 'I-LOC']

Model Details

Fine-tuning was proceeded in 3 epochs, and computed next metrics:

EpochTraining LossValidation LossPrecisionRecallF1Accuracy
10.0410000.0328100.9595690.9742530.9668550.993325
20.0208000.0283950.9595690.9742530.9668550.993325
30.0105000.0291380.9632390.9737670.9684740.993247

To avoid over-fitting due to a small amount of training samples, i used high weight_decay = 0.1.

Basic usage

So, you can easily use this model with pipeline for 'token-classification' task.

import torch

from transformers import AutoModelForTokenClassification, AutoTokenizer, pipeline
from datasets import load_dataset


model_ckpt = "nesemenpolkov/msu-wiki-ner"

label_names = ['O', 'B-PER', 'I-PER', 'B-ORG', 'I-ORG', 'B-LOC', 'I-LOC']

id2label = {i: label for i, label in enumerate(label_names)}
label2id = {v: k for k, v in id2label.items()}

tokenizer = AutoTokenizer.from_pretrained(model_ckpt)
model = AutoModelForTokenClassification.from_pretrained(
    model_ckpt,
    id2label=id2label,
    label2id=label2id,
    ignore_mismatched_sizes=True
)

pipe = pipeline(
    task="token-classification",
    model=model,
    tokenizer=tokenizer,
    device=torch.device("cuda" if torch.cuda.is_available() else "cpu"),
    aggregation_strategy="simple"
)

demo_sample = "Этот Иван Иванов, в паспорте Иванов И.И."

with torch.no_grad():
    out = pipe(demo_sample)

Bias, Risks, and Limitations

This model is finetuned version of Babelscape/wikineural-multilingual-ner, on a russian language NER dataset RCC-MSU/collection3. It can show low scores on another language texts.

Citation [optional]

@inproceedings{tedeschi-etal-2021-wikineural-combined,
    title = "Fine-tuned multilingual model for russian language NER.",
    author = "nesemenpolkov",
    booktitle = "Detecting names in noisy and dirty data.",
    month = oct,
    year = "2024",
    address = "Moscow, Russian Federation",
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForTokenClassification
Ревизия весов
d6162ce

0 моделей