About model
This model based on cointegrated/LaBSE-en-ru.
And trained on surdan/nerel_short dataset
You can find more info:
- How the model was trained Train_model.ipynb
- Example of usage model Inference.ipynb
Характеристики
- Контекст
- 512 токенов
- Параметры
- 156 млн
- Архитектура
- bert · dense
- Опубликована
- 11 апр 2022
Ссылки
LaBSE_ner_nerel
BERT-модель на основе LaBSE-en-ru для извлечения именованных сущностей из текста, обученная на surdan/nerel_short.
214скачиваний за 30 дней12лайковвеса обновлены12 апр 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
surdan/LaBSE_ner_nerel — модель для распознавания именованных сущностей в тексте. Она основана на cointegrated/LaBSE-en-ru и дообучена на наборе данных surdan/nerel_short. Архитектура — BERT с классификацией токенов, размер — 155,5 млн параметров; модель принимает текстовые последовательности длиной до 512 токенов и относит токены к меткам сущностей.
Модель предназначена для извлечения именованных сущностей из текстов, прежде всего в сценариях разметки русскоязычных документов и текстов NEREL. В метаданных также указана поддержка английского языка, однако сведения о качестве на английских данных отсутствуют. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.
Сценарии применения
- извлечение именованных сущностей из русских текстов
- разметка сущностей в документах NEREL
- автоматическая токеновая классификация текста
Ограничения
Контекст ограничен 512 токенами. Данные о качестве на английском языке и лицензии в предоставленных источниках отсутствуют.
Для каких профессий подходит7
Разделы каталога профессий, в задачах которых используется эта модель
I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…
- Класс архитектуры
- BertForTokenClassification
- Ревизия весов
- 162232a