/ Модель

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

greek-ner-text-wikiann-greekbert

Разметка токеновТекст → label3 профессии

Дообученная греческая BERT-модель для распознавания имён людей, организаций и местоположений, используемая как компонент ансамбля для анализа финансовых отчётов.

177скачиваний 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

Модель разработана как текстовый компонент ансамбля заявки FinNLP 2026 для распознавания именованных сущностей в греческом тексте. Это BERT с 140,1 млн параметров, дообученный на nlpaueb/bert-base-greek-uncased-v1 и использующий контекст до 512 токенов. Модель размечает имена людей, организаций и местоположений; в составе ансамбля она предназначена прежде всего для извлечения имён людей из финансовых отчётов Афинской фондовой биржи.

Для обучения использовано 20 тысяч предложений из греческой части WikiANN — общедоменный текст Википедии с автоматически созданной, серебряной разметкой. На отложенной выборке WikiANN указана микро-F1 0,913; для распознавания людей в финансовых отчётах указана приблизительная F1 0,919. Модель опубликована в формате safetensors под лицензией Apache-2.0.

Сценарии применения

  • извлечение имён людей из греческих финансовых отчётов
  • разметка персон, организаций и местоположений в греческих текстах
  • распознавание сущностей в греческом тексте Википедии
  • использование как компонента ансамбля для NER финансовых документов

Ограничения

В финансовом домене модель предназначена прежде всего для распознавания людей: предсказания организаций и местоположений переносились на него плохо. Она обучена на небольшой серебряной разметке общедоменной Википедии и не проверена на других жанрах и предметных областях.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

greek-ner-text-wikiann-greekbert

Textual-entity member of the FinNLP 2026 Subtask 1 (GRFinNER) submission's ensemble -- supplies ΠΡΟΣΩΠΟ only, see training data note. Fine-tuned nlpaueb/bert-base-greek-uncased-v1 on WikiANN-Greek.

Labels: ΠΡΟΣΩΠΟ (person) / ΟΡΓΑΝΙΣΜΟΣ (organization) / ΤΟΠΟΘΕΣΙΑ (location)

Usage

import torch
from transformers import AutoModelForTokenClassification, AutoTokenizer

model_id = "paragdakle/greek-ner-text-wikiann-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

20,000 sentences from unimelb-nlp/wikiann (config 'el') -- general-domain Greek Wikipedia text, silver-standard (auto-generated from hyperlinks, not hand-annotated). Used because no labeled Greek person/org/location data for the financial-report domain is published anywhere we could find. In the submitted ensemble this model supplies ΠΡΟΣΩΠΟ only -- an ablation showed its ΟΡΓΑΝΙΣΜΟΣ/ΤΟΠΟΘΕΣΙΑ predictions transfer poorly to financial-report text (dropped legal suffixes, missed foreign company names) despite the strong WikiANN-domain score above.

Results

  • WikiANN-el held-out validation (10k sentences, general-domain, silver-standard): micro-F1 0.913, macro-F1 0.912 (ΠΡΟΣΩΠΟ 0.935 / ΟΡΓΑΝΙΣΜΟΣ 0.881 / ΤΟΠΟΘΕΣΙΑ 0.919)
  • financial-report domain (approx., translate+fuzzy-match against TheFinAI/plutus-finner-text-english), ΠΡΟΣΩΠΟ only (its role in the submitted ensemble): F1 0.919 (up from 0.853 for the LLM-only baseline)

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
8c3f272

0 моделей