Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 13 мая 2022

Ссылки

Hugging Face

distilbert-expense-ner

renjithks

Разметка токеновТекст → label3 профессии

Дообученная DistilBERT-модель для извлечения сущностей из текста о расходах с помощью разметки токенов.

21скачиваний за 30 дней0лайковвеса обновлены26 мая 2022

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

renjithks/distilbert-expense-ner — модель на базе DistilBERT, дообученная для классификации токенов в задаче извлечения именованных сущностей из данных о расходах. Она предназначена для разметки фрагментов текста, например выделения категорий расходов или других сущностей, присутствующих в обучающих метках. Контекст модели составляет до 512 токенов; формат весов — PyTorch. Модель разработал пользователь Hugging Face renjithks, дообучив renjithks/distilbert-cord-ner на датасете, который в карточке не описан.

На указанном наборе оценки модель получила F1 0,4971, точность 0,5096 и полноту 0,4852; эти результаты указывают на ограничения качества извлечения и могут не переноситься на другие данные. Карточка не раскрывает состав меток и обучающего датасета. Лицензия — Apache-2.0.

Сценарии применения

выделение сущностей из записей о расходах
автоматическая разметка категорий в финансовых заметках
извлечение структурированных данных из текстовых описаний трат

Ограничения

На оценочном наборе F1 составляет 0,4971, а точность и полнота — около 0,5; качество на других данных не установлено. Обучающий датасет и набор меток не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

distilbert-expense-ner

This model is a fine-tuned version of renjithks/distilbert-cord-ner on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2930
Precision: 0.5096
Recall: 0.4852
F1: 0.4971
Accuracy: 0.9275

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
No log	1.0	22	0.3635	0.2888	0.0945	0.1424	0.8866
No log	2.0	44	0.2795	0.3213	0.3018	0.3113	0.8982
No log	3.0	66	0.2432	0.4243	0.4034	0.4136	0.9161
No log	4.0	88	0.2446	0.4615	0.4654	0.4635	0.9193
No log	5.0	110	0.2410	0.5143	0.4810	0.4971	0.9293
No log	6.0	132	0.2598	0.5283	0.4612	0.4925	0.9305
No log	7.0	154	0.2963	0.5230	0.4485	0.4829	0.9268
No log	8.0	176	0.2753	0.4928	0.4838	0.4883	0.9283
No log	9.0	198	0.2897	0.5194	0.4725	0.4948	0.9295
No log	10.0	220	0.2930	0.5096	0.4852	0.4971	0.9275

Framework versions

Transformers 4.18.0
Pytorch 1.11.0
Datasets 2.1.0
Tokenizers 0.12.1

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: DistilBertForTokenClassification
Ревизия весов: 4dcaf3a