/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
14 авг 2023

wikiser-bert-base

Разметка токеновТекст → label8 профессий

Модель BERT размечает упоминания программных сущностей 12 типов в технических текстах.

253скачиваний за 30 дней2лайкавеса обновлены1 сен 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

taidng/wikiser-bert-base — модель BERT для распознавания сущностей в текстах о программном обеспечении. Она дообучена на корпусе WikiSER, включающем 1,7 млн предложений из Википедии, с применением саморегуляризации для устойчивости к ошибочной разметке и различным вариантам именования.

Модель выполняет разметку токенов по 12 типам сущностей: алгоритмы, приложения, архитектуры, структуры данных, устройства, названия ошибок, общие понятия, языки программирования, библиотеки, лицензии, операционные системы и протоколы. Она основана на bert-base-cased, содержит 135,5 млн параметров и обрабатывает контекст длиной до 512 токенов. Для запуска используются Transformers, PyTorch и веса Safetensors.

Модель предназначена для извлечения и классификации упоминаний программных сущностей в технических текстах. Карточка не описывает её точность и не приводит готового кода или ссылки на статью. Лицензия — Apache-2.0.

Сценарии применения

  • извлечение названий библиотек из технической документации
  • поиск упоминаний языков программирования в статьях
  • разметка названий алгоритмов и структур данных
  • извлечение операционных систем и протоколов из текстов
  • поиск названий программных продуктов и лицензий

Ограничения

Модель рассчитана на тексты о программном обеспечении и ограничена окном контекста в 512 токенов. Карточка не приводит метрик качества.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Software Entity Recognition with Noise-robust Learning

We train a BERT model for the task software entity recognition (SER). The training data leverages WikiSER, a corpus of 1.7M sentences extracted from Wikipedia. The model uses self-regularization during the finetuning process, allowing it to be robust to texts in the software domain, including misannotations, different naming conventions, and others.

The model recognizes 12 fine-grained named entities: Algorithm, Application, Architecture, Data_Structure, Device, Error_Name, General_Concept, Language, Library, License, Operating_System, and Protocol.

TypeExamples
AlgorithmAuction algorithm, Collaborative filtering
ApplicationAdobe Acrobat, Microsoft Excel
ArchitectureGraphics processing unit, Wishbone
Data_StructureArray, Hash table, mXOR linked list
DeviceSamsung Gear S2, iPad, Intel T5300
Error NameBuffer overflow, Memory leak
General_ConceptMemory management, Nouvelle AI
LanguageC++, Java, Python, Rust
LibraryBeautiful Soup, FastAPI
LicenseCryptix General License, MIT License
Operating_SystemLinux, Ubuntu, Red Hat OS, MorphOS
ProtocolTLS, FTPS, HTTP 404

Model details

Paper: https://arxiv.org/abs/2308.10564

Code: https://github.com/taidnguyen/software_entity_recognition

Finetuned from model: bert-base-cased

Checkpoint for large version: https://huggingface.co/taidng/wikiser-bert-large

How to use

from transformers import AutoTokenizer, AutoModelForTokenClassification

tokenizer = AutoTokenizer.from_pretrained("taidng/wikiser-bert-base")
model = AutoModelForTokenClassification.from_pretrained("taidng/wikiser-bert-base")

nlp = pipeline("ner", model=model, tokenizer=tokenizer)
example = "Windows XP was originally bundled with Internet Explorer 6."

ner_results = nlp(example)
print(ner_results)

Citation

@inproceedings{nguyen2023software,
  title={Software Entity Recognition with Noise-Robust Learning},
  author={Nguyen, Tai and Di, Yifeng and Lee, Joohan and Chen, Muhao and Zhang, Tianyi},
  booktitle={Proceedings of the 38th IEEE/ACM International Conference on Automated Software Engineering (ASE'23)},
  year={2023},
  organization={IEEE/ACM}
}

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
BertForTokenClassification
Ревизия весов
4f41609

0 моделей