Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Опубликована: 20 мар 2023

Ссылки

Hugging Face

IRyS-NER-Recruitment

reyhanemyr

Разметка токеновТекст → label5 профессий

Дообученная RoBERTa для извлечения сущностей и структурированных сведений из резюме кандидатов.

179скачиваний за 30 дней2лайкавеса обновлены9 мая 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

IRyS-NER-Recruitment — дообученная на наборе резюме модель RoBERTa для разметки токенов в задачах извлечения именованных сущностей из резюме. Она может помогать автоматически находить и классифицировать сведения о кандидатах при разборе документов для подбора персонала. Модель построена на roberta-base, содержит 151,8 млн параметров, принимает текст и имеет контекст длиной 514 токенов.

На оценочном наборе указаны F1 0,8122, точность 0,7828 и полнота 0,8439. Эти показатели относятся к описанной выборке и не гарантируют аналогичного качества на других типах резюме или форматах данных. Для обработки длинных документов может потребоваться разбивать текст на фрагменты. Модель распространяется по лицензии MIT.

Сценарии применения

извлечение сведений о кандидатах из резюме
автоматическая разметка сущностей в резюме
подготовка резюме к поиску и фильтрации кандидатов

Ограничения

На оценочном наборе F1 составляет 0,8122; качество на других данных может отличаться. Описание не приводит перечень извлекаемых сущностей и языки резюме.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

III.5Корпоративные функцииУправление персоналом и организациейAI помогает поддерживать найм, развитие, организационное планирование и HR-сервисы.24 задачи4 462модели I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Также подходит для

I.14Автоматизация процессов и AI-агенты

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IRyS-NER-Recruitment

This model is a fine-tuned version of roberta-base on a resume dataset. It achieves the following results on the evaluation set:

Loss: 0.0775
Precision: 0.7828
Recall: 0.8439
F1: 0.8122
Accuracy: 0.9778

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: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 15

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
No log	1.0	17	0.4337	0.6471	0.0799	0.1422	0.9024
No log	2.0	34	0.2148	0.4065	0.3612	0.3825	0.9312
No log	3.0	51	0.1374	0.6051	0.7160	0.6559	0.9607
No log	4.0	68	0.0988	0.6835	0.7995	0.7369	0.9669
No log	5.0	85	0.0926	0.7103	0.8321	0.7664	0.9692
No log	6.0	102	0.0880	0.7364	0.8721	0.7985	0.9723
No log	7.0	119	0.0804	0.7542	0.8185	0.7850	0.9733
No log	8.0	136	0.0839	0.7490	0.8639	0.8024	0.9733
No log	9.0	153	0.0805	0.7720	0.8267	0.7984	0.9767
No log	10.0	170	0.0799	0.7786	0.8267	0.8019	0.9761
No log	11.0	187	0.0777	0.7841	0.8339	0.8083	0.9775
No log	12.0	204	0.0804	0.7644	0.8566	0.8079	0.9761
No log	13.0	221	0.0775	0.7828	0.8439	0.8122	0.9778
No log	14.0	238	0.0810	0.7674	0.8593	0.8108	0.9771
No log	15.0	255	0.0823	0.7717	0.8557	0.8115	0.9776

Framework versions

Transformers 4.27.1
Pytorch 1.13.1+cu116
Datasets 2.10.1
Tokenizers 0.13.2

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: RobertaForTokenClassification
Ревизия весов: 82a7ad4