Характеристики

Контекст: 512 токенов
Параметры: 140 млн
Лицензия: Apache 2.0
Архитектура: bert · dense
Базовая модель: bert-base-greek-uncased-v1
Опубликована: 24 авг 2026

Ссылки

greek-ner-numeric-greekbert

Разметка токеновТекст → label

Модель на базе Greek BERT размечает денежные суммы, проценты, даты и другие числовые сущности в греческих финансовых текстах.

14скачиваний за 30 дней0лайковвеса обновлены24 авг 2026

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

greek-ner-numeric-greekbert — дообученная модель токенной классификации на базе nlpaueb/bert-base-greek-uncased-v1, созданная как компонент ансамбля для задания GRFinNUM в FinNLP 2026. Она извлекает и размечает числовые сущности в греческих финансовых текстах по категориям: денежные суммы, проценты, временные выражения, количества и прочие числовые сущности.

Модель построена на архитектуре BERT, содержит 140,1 млн параметров и принимает последовательности длиной до 512 токенов. Для отдельного участника указан micro-F1 0,959 и macro-F1 0,903 на валидационном наборе; ансамбль из этой модели, CRF и регулярных выражений показал micro-F1 0,982. Модель лицензирована по Apache-2.0.

Она обучена на 400 предложениях, полученных объединением обучающей и валидационной частей GRFinNUM. Предназначена прежде всего для финансовых отчётов Афинской фондовой биржи и не проверялась на других жанрах и областях. Это один из компонентов ансамбля, поэтому карточка не рекомендует использовать её как самостоятельный теггер уровня SOTA.

Сценарии применения

извлечение денежных сумм из финансовых отчётов на греческом языке
поиск процентов и процентных ставок в отчётности
разметка временных выражений в финансовых документах
извлечение количественных показателей из годовых отчётов
классификация числовых сущностей в текстах Афинской фондовой биржи

Ограничения

Обучена на небольшом наборе из 400 предложений и предназначена для греческих финансовых отчётов; на других жанрах и областях не проверялась. Это компонент ансамбля, и карточка не рекомендует использовать её как самостоятельный теггер уровня SOTA.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

greek-ner-numeric-greekbert

Numeric-entity member of the FinNLP 2026 Subtask 1 (GRFinNUM) submission's ensemble. Fine-tuned nlpaueb/bert-base-greek-uncased-v1 as a token classifier.

Labels: ΧΡΗΜΑΤΑ (money) / ΠΟΣΟΣΤΑ (percent) / ΧΡΟΝΙΚΑ (temporal) / ΠΟΣΟΤΗΤΕΣ (quantity) / ΑΛΛΑ (other numeric)

Usage

import torch
from transformers import AutoModelForTokenClassification, AutoTokenizer

model_id = "paragdakle/greek-ner-numeric-greekbert"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForTokenClassification.from_pretrained(model_id).eval()

text = "Στις 08.11.2019, η ΟΠΑΠ INVESTMENT LTD ήρθε σε συμφωνία..."
enc = tokenizer(text, return_offsets_mapping=True, return_tensors="pt")
offsets = enc.pop("offset_mapping")[0]
with torch.no_grad():
    logits = model(**enc).logits
tags = [model.config.id2label[i] for i in logits.argmax(-1)[0].tolist()]
# pair `tags` with `offsets` to recover character-span entities (see the
# submission's ner_utils.encoder_predict for the full decode)

Training data

400 sentences: the public GRFinNUM train (320) + validation (80) splits combined, since the official hidden test set now serves the role validation played during model selection.

Results

validation split, this member alone: micro-F1 0.959, macro-F1 0.903
validation split, 3-member weighted-vote ensemble (this + CRF + regex): micro-F1 0.982

Limitations

Part of a submitted ensemble, not intended as a standalone SOTA tagger -- see the submission README for how this member is combined with the others.
Small labeled training pool for the numeric task (320-400 sentences); silver-standard, general-domain data for the WikiANN-based text model.
Financial-report Greek only (Athens Stock Exchange annual reports); not validated on other registers or domains.

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: b22c33a