/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Опубликована
4 мар 2024

NuNER-v1.0

Разметка токеновТекст → label6 профессий

Англоязычная модель RoBERTa для распознавания именованных сущностей и получения эмбеддингов текста.

40скачиваний за 30 дней9лайковвеса обновлены30 апр 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

NuNER-v1.0 — англоязычная модель распознавания именованных сущностей от NuMind, представленная в работе «NuNER: Entity Recognition Encoder Pre-training via LLM-Annotated Data». Это RoBERTa-base, дообученная на данных NuNER; модель содержит около 151,8 млн параметров и принимает последовательности длиной до 514 токенов. Её можно использовать для извлечения эмбеддингов и дообучать на размеченных наборах данных для конкретных схем сущностей.

Модель предназначена для распознавания сущностей в английском тексте, в том числе при небольшом количестве примеров для обучения. В README сообщается о результатах, сопоставимых с UniversalNER 7B на описанных оценках. Авторы рекомендуют более новую NuNER v2.0. Веса опубликованы в формате safetensors под лицензией MIT.

Сценарии применения

  • извлечение именованных сущностей из английских документов
  • разметка сущностей в англоязычных текстах
  • дообучение распознавателя сущностей на небольшом наборе примеров
  • получение эмбеддингов для задач распознавания сущностей

Ограничения

Модель ориентирована на английский язык, а авторы рекомендуют использовать более новую NuNER v2.0. Для специфических схем сущностей может потребоваться дообучение на целевом наборе данных.

Для каких профессий подходит6

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 English Foundation Model by NuMind 🔥

This model provides the best embedding for the Entity Recognition task in English.

We suggest using newer version of this model: NuNER v2.0

This is the model from our Paper: NuNER: Entity Recognition Encoder Pre-training via LLM-Annotated Data

Checkout other models by NuMind:

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

About

Roberta-base fine-tuned on NuNER data.

Metrics:

Read more about evaluation protocol & datasets in our paper.

We suggest using newer version of this model: NuNER v2.0

Here is the aggregated performance of the models over several datasets.

k=X means that as training data for this evaluation, we took only X examples for each class, trained the model, and evaluated it on the full test set.

Modelk=1k=4k=16k=64
RoBERTa-base24.544.758.165.4
RoBERTa-base + NER-BERT pre-training32.350.961.967.6
NuNER v0.134.354.664.068.7
NuNER v1.039.459.667.871.5
NuNER v2.043.661.068.272.0

NuNER v1.0 has similar performance to 7B LLMs (70 times bigger than NuNER v1.0) created specifically for the NER task.

Modelk=8~16k=64~128
UniversalNER (7B)57.89 ± 4.3471.02 ± 1.53
NuNER v1.0 (100M)58.75 ± 0.9370.30 ± 0.35

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-v1.0'
)
tokenizer = transformers.AutoTokenizer.from_pretrained(
    'numind/NuNER-v1.0'
)

text = [
    "NuMind is an AI company based in Paris and USA.",
    "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)

emb = output.last_hidden_state

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
RobertaModel
Ревизия весов
b585d7e

0 моделей