/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
3 июн 2023

bert-italian-cased-ner

Разметка токеновТекст → label7 профессий

Модель BERT для извлечения людей, мест, организаций и других именованных сущностей из итальянского текста.

284скачиваний за 30 дней3лайкавеса обновлены20 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

osiria/bert-italian-cased-ner — модель BERT базового размера с учётом регистра, разработанная для распознавания именованных сущностей в итальянском тексте. Она дообучена на базе bert-base-italian-cased на датасете WikiNER и дополнительном наборе вручную размеченных абзацев из Википедии.

Модель присваивает токенам метки четырёх классов: люди, места, организации и прочие сущности, включая события, товары и услуги. Она предназначена для извлечения сущностей из веб-страниц, новостей и других грамотных цифровых текстов. В README приведён результат F1 92,78 на тестовом наборе; метрики рассчитаны на уровне токенов и усреднены по классам. Модель имеет около 136,9 млн параметров, контекст до 512 токенов и доступна в форматах PyTorch и Safetensors.

Модель хуже подходит для шумных текстов с ошибками и сленгом, а также для узкоспециализированных медицинских, финансовых и юридических материалов. Лицензия — Apache-2.0.

Сценарии применения

  • извлечение имён людей из итальянских новостей
  • выделение географических названий в итальянских веб-страницах
  • поиск организаций в италоязычных документах
  • разметка событий, товаров и услуг в итальянском тексте
  • автоматическая разметка сущностей в статьях Википедии на итальянском языке

Ограничения

Обучение преимущественно на материалах Википедии ограничивает надёжность на шумных текстах с ошибками и сленгом. Возможны ошибки на медицинских, финансовых и юридических текстах.

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


This is a BERT [1] cased model for the Italian language, fine-tuned for Named Entity Recognition (Person, Location, Organization and Miscellanea classes) on the WikiNER dataset [2], using BERT-ITALIAN (bert-base-italian-cased) as a pre-trained model.

This is a cased, base size BERT model. If you are looking for a lighter (but slightly less accurate) cased model, you can refer to: https://huggingface.co/osiria/distilbert-italian-cased-ner

If you are looking for an uncased model, you can refer to: https://huggingface.co/osiria/bert-italian-uncased-ner

The model is trained to perform entity recognition over 4 classes: PER (persons), LOC (locations), ORG (organizations), MISC (miscellanea, mainly events, products and services). It has been fine-tuned for Named Entity Recognition, using the WikiNER Italian dataset plus an additional custom dataset of manually annotated Wikipedia paragraphs. The WikiNER dataset has been splitted in 102.352 training instances and 25.588 test instances, and the model has been trained for 1 epoch with a constant learning rate of 1e-5.

The performances on the test set are reported in the following table:

RecallPrecisionF1
93.3592.2292.78

The metrics have been computed at the token level and then macro-averaged over the 4 classes.

Then, since WikiNER is an automatically annotated (silver standard) dataset, which sometimes contains imperfect annotations, an additional fine-tuning on ~3.500 manually annotated paragraphs has been performed.

from transformers import BertTokenizerFast, BertForTokenClassification

tokenizer = BertTokenizerFast.from_pretrained("osiria/bert-italian-cased-ner")
model = BertForTokenClassification.from_pretrained("osiria/bert-italian-cased-ner")

from transformers import pipeline
ner = pipeline("ner", model = model, tokenizer = tokenizer, aggregation_strategy="first")

ner("Mi chiamo Marco Rossi, vivo a Roma e lavoro per l'Agenzia Spaziale Italiana nella missione Prisma")

[{'entity_group': 'PER',
  'score': 0.99910736,
  'word': 'Marco Rossi',
  'start': 10,
  'end': 21},
 {'entity_group': 'LOC',
  'score': 0.9973786,
  'word': 'Roma',
  'start': 30,
  'end': 34},
 {'entity_group': 'ORG',
  'score': 0.9987071,
  'word': 'Agenzia Spaziale Italiana',
  'start': 50,
  'end': 75},
 {'entity_group': 'MISC',
  'score': 0.9625836,
  'word': 'Prisma',
  'start': 91,
  'end': 97}]

You can also try the model online using this web app: https://huggingface.co/spaces/osiria/bert-italian-cased-ner

[1] https://arxiv.org/abs/1810.04805

[2] https://www.sciencedirect.com/science/article/pii/S0004370212000276

This model is mainly trained on Wikipedia, so it's particularly suitable for natively digital text from the world wide web, written in a correct and fluent form (like wikis, web pages, news, etc.). However, it may show limitations when it comes to chaotic text, containing errors and slang expressions (like social media posts) or when it comes to domain-specific text (like medical, financial or legal content).

The model is released under Apache-2.0 license

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
BertForTokenClassification
Ревизия весов
ad6eb91

0 моделей