Характеристики

Контекст: 514 токенов
Параметры: 435 млн
Архитектура: roberta · dense
Опубликована: 13 июн 2023

Ссылки

Hugging Face

klue-roberta-large-klue-ner

soddokayo

Разметка токеновТекст → label6 профессий

Дообученная на KLUE модель RoBERTa-large для распознавания именованных сущностей в корейском тексте.

248скачиваний за 30 дней2лайкавеса обновлены13 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

Модель soddokayo/klue-roberta-large-klue-ner — дообученная для разметки токенов версия klue/roberta-large на датасете KLUE. Она предназначена для распознавания именованных сущностей в корейском тексте. Модель построена на архитектуре RoBERTa, содержит 435,4 млн параметров и принимает контекст до 514 токенов.

В README приведены результаты на оценочной выборке: F1 — 0,8365, точность — 0,8292, полнота — 0,8439, accuracy — 0,9664. Для использования нужны библиотека Transformers и веса в формате PyTorch. Лицензия в предоставленных данных не указана.

Сценарии применения

извлечение имен людей, организаций и мест из корейских текстов
автоматическая разметка сущностей в корейских новостях
подготовка корейских текстов для поиска по именованным сущностям

Ограничения

В README не описаны ограничения применения; на оценочной выборке указаны F1 0,8365 и accuracy 0,9664, поэтому возможны ошибки разметки. Контекст ограничен 514 токенами.

Для каких профессий подходит6

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 II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

klue-roberta-large-klue-ner

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

Loss: 0.1279
Precision: 0.8292
Recall: 0.8439
F1: 0.8365
Accuracy: 0.9664

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: 2e-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: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.1246	1.0	2626	0.1629	0.7891	0.7725	0.7807	0.9539
0.0744	2.0	5252	0.1194	0.8124	0.8345	0.8233	0.9642
0.0401	3.0	7878	0.1279	0.8292	0.8439	0.8365	0.9664

Framework versions

Transformers 4.26.1
Pytorch 1.12.1
Datasets 2.12.0
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: 06f05ee