/ Модель

Характеристики

Контекст
512 токенов
Параметры
205 млн
Лицензия
MIT
Архитектура
bert · dense
Опубликована
6 сен 2023

NuNER-multilingual-v0.1

Разметка токеновТекст → label7 профессий

Мультиязычная модель NuMind на базе BERT для получения представлений и распознавания именованных сущностей в тексте.

5 912скачиваний за 30 дней71лайквеса обновлены15 мар 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

NuMind NuNER-multilingual-v0.1 — мультиязычная модель на архитектуре BERT, разработанная NuMind для распознавания именованных сущностей. Это дообученная версия Multilingual BERT, обученная на искусственно размеченной мультиязычной подвыборке датасета OSCAR. Модель содержит 205,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате PyTorch по лицензии MIT.

Модель создаёт языко- и доменно-независимые представления для распознавания сущностей. Её эмбеддинги можно использовать напрямую или дообучить на специализированных наборах данных; заявленная область применения — извлечение сущностей в девяти языках: английском, французском, немецком, итальянском, испанском, португальском, польском, нидерландском и русском. В README приведены результаты сравнения по macro-F1, где модель превосходит базовый bert-base-multilingual-cased в описанном авторами протоколе.

Карточка заявляет возможность обобщения на другие языки, поддерживаемые Multilingual BERT, однако обучение проводилось только на девяти языках. Приведённые метрики относятся к описанному протоколу оценки и сами по себе не гарантируют качество на новых доменах или языках.

Сценарии применения

  • распознавание именованных сущностей в многоязычном тексте
  • извлечение имён людей, организаций и мест из документов
  • получение эмбеддингов для задачи NER
  • дообучение распознавания сущностей на специализированном наборе данных

Ограничения

Модель дообучалась на девяти языках, поэтому качество на других языках и в новых доменах может отличаться. Для специализированных данных может потребоваться дополнительное дообучение.

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

SOTA Entity Recognition Multilingual Foundation Model by NuMind 🔥

This model provides the best embedding for the Entity Recognition task and supports 9+ languages.

Checkout other models by NuMind:

  • SOTA Entity Recognition Foundation Model in English: link
  • SOTA Sentiment Analysis Foundation Model: English, Multilingual

About

Multilingual BERT finetunned on an artificially annotated multilingual subset of Oscar dataset. This model provides domain & language independent embedding for Entity Recognition Task. We fine-tunned it only on 9 languages but the model can generalize over other languages that are supported by the Multilingual BERT.

Metrics:

Read more about evaluation protocol & datasets in our blog post

ModelF1 macro
bert-base-multilingual-cased0.5206
ours0.5892
ours + two emb0.6231

Usage

Embeddings can be used out of the box or fine-tuned on specific datasets.

Get embeddings:

import torch
import transformers


model = transformers.AutoModel.from_pretrained(
    'numind/NuNER-multilingual-v0.1',
    output_hidden_states=True,
)
tokenizer = transformers.AutoTokenizer.from_pretrained(
    'numind/NuNER-multilingual-v0.1',
)

text = [
    "NuMind is an AI company based in Paris and USA.",
    "NuMind est une entreprise d'IA basée à Paris et aux États-Unis.",
    "See other models from us on https://huggingface.co/numind"
]
encoded_input = tokenizer(
    text,
    return_tensors='pt',
    padding=True,
    truncation=True
)
output = model(**encoded_input)

# two emb trick: for better quality
emb = torch.cat(
    (output.hidden_states[-1], output.hidden_states[-7]),
    dim=2
)

# single emb: for better speed
# emb = output.hidden_states[-1]

Citation

@misc{bogdanov2024nuner,
      title={NuNER: Entity Recognition Encoder Pre-training via LLM-Annotated Data}, 
      author={Sergei Bogdanov and Alexandre Constantin and Timothée Bernard and Benoit Crabbé and Etienne Bernard},
      year={2024},
      eprint={2402.15343},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
BertModel
Ревизия весов
58bf81a

0 моделей