Fine-tuning cointegrated/rubert-tiny model on sentences from Wiki auto annotated with PER, LOC, ORG tags corus/WiNER
language: RU
NER Class:
- PER
- LOC
- ORG
license: mit
NER-RUBERT-Per-Loc-Org
Русскоязычная модель на базе RuBERT-tiny для распознавания персон, мест и организаций в тексте.
43скачиваний за 30 дней0лайковвеса обновлены4 фев 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
tesemnikov-av/NER-RUBERT-Per-Loc-Org — русскоязычная модель распознавания именованных сущностей, созданная дообучением cointegrated/rubert-tiny. Она размечает токены в тексте тремя классами: PER для персон, LOC для мест и ORG для организаций. Модель предназначена для извлечения таких сущностей из предложений и документов на русском языке.
Модель построена на архитектуре BERT и содержит 12,1 млн параметров. Максимальная длина контекста — 512 токенов; формат весов — PyTorch. Для дообучения использовались предложения из Википедии, автоматически размеченные тегами PER, LOC и ORG на основе corus/WiNER. Лицензия — MIT.
Сценарии применения
- извлечение имён людей из русскоязычных текстов
- поиск географических названий в документах
- распознавание организаций в статьях и сообщениях
- автоматическая разметка сущностей в предложениях Википедии
Ограничения
Модель распознаёт только классы PER, LOC и ORG; обучающие предложения были автоматически размечены, поэтому качество зависит от домена и точности исходной разметки. Контекст ограничен 512 токенами.
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 791модельII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейI.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей
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
- 9c9c1bd