/ Модель

Характеристики

Контекст
514 токенов
Параметры
454 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
roberta-large
Опубликована
20 апр 2022

roberta-large-finetuned-abbr

Разметка токеновТекст → label3 профессии

Англоязычная модель RoBERTa-large для обнаружения и разметки аббревиатур в тексте.

59скачиваний за 30 дней2лайкавеса 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 — англоязычная RoBERTa-large, дообученная на наборе PLOD-Unfiltered для разметки последовательностей и обнаружения аббревиатур в тексте. Она присваивает метки токенам, помогая находить аббревиатуры и их контекстные формы. Модель содержит 454,1 млн параметров, использует архитектуру RoBERTa с классификационной головой для токенов и принимает последовательности длиной до 514 токенов. Доступны веса PyTorch и TensorFlow.

На оценочной выборке указаны F1 0,9645, точность 0,9663 и полнота 0,9627. Модель рассчитана на английский язык и не предназначена для генерации текста; качество на иных доменах и языках может отличаться. Лицензия — MIT.

Сценарии применения

  • поиск аббревиатур в английских документах
  • разметка токенов с аббревиатурами
  • извлечение аббревиатур из научных текстов

Ограничения

Модель обучена на PLOD-Unfiltered для английского текста; качество на других языках и вне обучающего распределения не подтверждено. Ограничение контекста — 514 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-large-finetuned-ner

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

  • Loss: 0.1393
  • Precision: 0.9663
  • Recall: 0.9627
  • F1: 0.9645
  • Accuracy: 0.9608

Model description

RoBERTa is a transformers model pretrained on a large corpus of English data in a self-supervised fashion. This means it was pretrained on the raw texts only, with no humans labelling them in any way (which is why it can use lots of publicly available data) with an automatic process to generate inputs and labels from those texts.

More precisely, it was pretrained with the Masked language modeling (MLM) objective. Taking a sentence, the model randomly masks 15% of the words in the input then run the entire masked sentence through the model and has to predict the masked words. This is different from traditional recurrent neural networks (RNNs) that usually see the words one after the other, or from autoregressive models like GPT which internally mask the future tokens. It allows the model to learn a bidirectional representation of the sentence.

This way, the model learns an inner representation of the English language that can then be used to extract features useful for downstream tasks: if you have a dataset of labeled sentences for instance, you can train a standard classifier using the features produced by the BERT model as inputs.

Intended uses & limitations

More information needed

Training and evaluation data

The model is fine-tuned using PLOD-Unfiltered dataset. This dataset is used for training and evaluating the model. The PLOD Dataset is published at LREC 2022. The dataset can help build sequence labeling models for the task of Abbreviation Detection.

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 LossEpochStepValidation LossPrecisionRecallF1Accuracy
0.12811.0142330.13000.95570.94360.94960.9457
0.10562.0284660.10760.96200.95520.95860.9545
0.09043.0426990.10540.96550.95850.96200.9583
0.07434.0569320.11450.96580.96020.96300.9593
0.05235.0711650.12060.96640.96190.96410.9604
0.0446.0853980.13930.96630.96270.96450.9608

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
RobertaForTokenClassification
Ревизия весов
2d3b512

0 моделей