/ Модель

Характеристики

Контекст
512 токенов
Параметры
152 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Базовая модель
EstBERT
Опубликована
2 мар 2022

EstBERT_NER

Разметка токеновТекст → label7 профессий

Дообученная эстонская BERT-модель для извлечения имён людей, организаций и мест из текста.

275скачиваний за 30 дней0лайковвеса обновлены5 авг 2026

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

EstBERT_NER — дообученная модель семейства BERT, разработанная на базе эстонской модели tartuNLP/EstBERT для распознавания именованных сущностей в эстонском тексте. Она размечает упоминания людей (PER), организаций (ORG) и мест (LOC), например в документах и новостях.

Модель содержит 151,6 млн параметров, принимает текстовые последовательности длиной до 512 токенов и предназначена для задачи классификации токенов. Её можно использовать через pipeline Transformers для NER; результаты иногда требуют постобработки, поскольку модель может помечать как сущности отдельные части слов. Лицензия — CC BY 4.0.

Сценарии применения

  • извлечение имён людей из эстонских документов
  • поиск организаций в эстонских новостях
  • распознавание географических названий в эстонском тексте

Ограничения

Модель распознаёт только людей, организации и места. Иногда она относит к сущностям отдельные части слов, поэтому результаты могут требовать постобработки.

Для каких профессий подходит7

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

EstBERT_NER

Model description

EstBERT_NER is a fine-tuned EstBERT model that can be used for Named Entity Recognition. This model was trained on the Estonian NER dataset created by Tkachenko et al. It can recognize three types of entities: locations (LOC), organizations (ORG) and persons (PER).

How to use

You can use this model with Transformers pipeline for NER. Post-processing of results may be necessary as the model occasionally tags subword tokens as entities.

from transformers import BertTokenizer, BertForTokenClassification
from transformers import pipeline

tokenizer = BertTokenizer.from_pretrained('tartuNLP/EstBERT_NER')
bertner = BertForTokenClassification.from_pretrained('tartuNLP/EstBERT_NER')

nlp = pipeline("ner", model=bertner, tokenizer=tokenizer)
sentence = 'Eesti Ekspressi teada on Eesti Pank uurinud Hansapanga tehinguid , mis toimusid kaks aastat tagasi suvel ja mille käigus voolas panka ligi miljardi krooni ulatuses kahtlast raha .'

ner_results = nlp(sentence)
print(ner_results)
[{'word': 'Eesti', 'score': 0.9964128136634827, 'entity': 'B-ORG', 'index': 1}, {'word': 'Ekspressi', 'score': 0.9978809356689453, 'entity': 'I-ORG', 'index': 2}, {'word': 'Eesti', 'score': 0.9988121390342712, 'entity': 'B-ORG', 'index': 5}, {'word': 'Pank', 'score': 0.9985784292221069, 'entity': 'I-ORG', 'index': 6}, {'word': 'Hansapanga', 'score': 0.9979034662246704, 'entity': 'B-ORG', 'index': 8}]

BibTeX entry and citation info

@inproceedings{tanvir-etal-2021-estbert,
    title = {{EstBERT: A Pretrained Language-Specific BERT for Estonian}},
    author = "Tanvir, Hasan  and
      Kittask, Claudia  and
      Eiche, Sandra  and
      Sirts, Kairit",
    editor = "Dobnik, Simon  and
      {\O}vrelid, Lilja",
    booktitle = "Proceedings of the 23rd Nordic Conference on Computational Linguistics (NoDaLiDa)",
    year = "2021",
    address = "Reykjavik, Iceland (Online)",
    publisher = {Link{\"o}ping University Electronic Press, Sweden},
    url = "https://aclanthology.org/2021.nodalida-main.2/",
    pages = "11--19"
}
@misc{tanvir2020estbert,
      title={EstBERT: A Pretrained Language-Specific BERT for Estonian}, 
      author={Hasan Tanvir and Claudia Kittask and Kairit Sirts},
      year={2020},
      eprint={2011.04784},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
9357041

0 моделей