Характеристики

Контекст: 512 токенов
Параметры: 433 млн
Лицензия: Apache 2.0
Архитектура: albert · dense
Базовая модель: albert-large-v2
Опубликована: 22 апр 2022

Ссылки

Hugging Face

albert-large-v2-finetuned-abbDet

surrey-nlp

Разметка токеновТекст → label7 профессий

Дообученная на PLOD-unfiltered модель ALBERT large v2 для разметки сущностей в англоязычном тексте.

32скачиваний за 30 дней3лайкавеса обновлены30 дек 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 Surrey NLP — версия ALBERT large v2, дообученная для классификации токенов на наборе PLOD-unfiltered. Она предназначена для распознавания и разметки сущностей в англоязычном тексте; README сообщает о F1 0,9632, точности 0,9589, precision 0,9655 и recall 0,9608 на оценочной выборке. Модель использует архитектуру ALBERT и принимает текстовые последовательности длиной до 512 токенов. Доступна в форматах PyTorch и Safetensors, лицензия Apache-2.0. Подробности о типах меток и ограничениях в карточке не раскрыты.

Сценарии применения

распознавание сущностей в англоязычных текстах
токенная разметка текста для последующей обработки
извлечение упоминаний сущностей из документов

Ограничения

Карточка не раскрывает перечень меток и подробные ограничения; показатели качества приведены только для оценочной выборки PLOD-unfiltered и не гарантируют аналогичный результат на других данных.

Для каких профессий подходит7

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.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей I.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

Открыть на Hugging Face

albert-large-v2-finetuned-ner_with_callbacks

This model is a fine-tuned version of albert-large-v2 on the PLOD-unfiltered dataset. It achieves the following results on the evaluation set:

Loss: 0.1235
Precision: 0.9655
Recall: 0.9608
F1: 0.9632
Accuracy: 0.9589

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: 4
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 6

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	F1	Accuracy
0.1377	0.49	7000	0.1294	0.9563	0.9422	0.9492	0.9436
0.1244	0.98	14000	0.1165	0.9589	0.9504	0.9546	0.9499
0.107	1.48	21000	0.1140	0.9603	0.9509	0.9556	0.9511
0.1088	1.97	28000	0.1086	0.9613	0.9551	0.9582	0.9536
0.0918	2.46	35000	0.1059	0.9617	0.9582	0.9600	0.9556
0.0847	2.95	42000	0.1067	0.9620	0.9586	0.9603	0.9559
0.0734	3.44	49000	0.1188	0.9646	0.9588	0.9617	0.9574
0.0725	3.93	56000	0.1065	0.9660	0.9599	0.9630	0.9588
0.0547	4.43	63000	0.1273	0.9662	0.9602	0.9632	0.9590
0.0542	4.92	70000	0.1235	0.9655	0.9608	0.9632	0.9589
0.0374	5.41	77000	0.1401	0.9647	0.9613	0.9630	0.9586
0.0417	5.9	84000	0.1380	0.9641	0.9622	0.9632	0.9588

Framework versions

Transformers 4.18.0
Pytorch 1.10.1+cu111
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: AlbertForTokenClassification
Ревизия весов: 9b66fa5