/ Модель

Характеристики

Контекст
514 токенов
Параметры
454 млн
Архитектура
roberta · dense
Опубликована
2 июл 2022

roberta-large-tweetner7-all

Разметка токеновТекст → label5 профессий

RoBERTa-large, дообученная для распознавания семи типов именованных сущностей в сообщениях Twitter.

159 тыс.скачиваний за 30 дней1лайквеса обновлены27 сен 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

Модель tner/roberta-large-tweetner7-all разработана в рамках проекта T-NER и представляет собой RoBERTa-large, дообученную для распознавания именованных сущностей в коротких сообщениях Twitter на полном обучающем разделе TweetNER7. Она помечает в тексте сущности семи типов: организации, творческие работы, события, группы, местоположения, людей и продукты. Модель содержит 454,1 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch.

Модель подходит для извлечения сущностей из коротких сообщений и анализа упоминаний людей, мест и организаций в публикациях. На тестовом наборе 2021 года показала micro-F1 0,657 и macro-F1 0,612; качество различается по категориям: например, F1 для людей составляет 0,829, а для событий — 0,467. Данные TweetNER7 используют специальное представление имён аккаунтов и URL, поэтому для корректной обработки необходимо предварительно привести твиты к формату датасета. Лицензия в предоставленных данных не указана.

Сценарии применения

  • Извлечение имён людей из твитов
  • Поиск организаций и групп, упомянутых в публикациях
  • Определение местоположений в коротких сообщениях
  • Разметка продуктов, событий и творческих работ в твитах
  • Подготовка твитов к анализу упоминаний и сущностей

Ограничения

На тестовом наборе 2021 года micro-F1 составляет 0,657, а качество заметно зависит от типа сущности. Для соответствия обучающим данным твиты нужно предварительно преобразовать: имена аккаунтов и URL должны быть представлены в специальном формате TweetNER7.

Для каких профессий подходит5

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

tner/roberta-large-tweetner7-all

This model is a fine-tuned version of roberta-large on the tner/tweetner7 dataset (train_all split). Model fine-tuning is done via T-NER's hyper-parameter search (see the repository for more detail). It achieves the following results on the test set of 2021:

  • F1 (micro): 0.6574551220340903
  • Precision (micro): 0.644212629008989
  • Recall (micro): 0.6712534690101758
  • F1 (macro): 0.6124665667529737
  • Precision (macro): 0.6005167968535563
  • Recall (macro): 0.625251837701222

The per-entity breakdown of the F1 score on the test set are below:

  • corporation: 0.5392156862745098
  • creative_work: 0.4760582928521859
  • event: 0.4673321234119782
  • group: 0.6139798488664987
  • location: 0.6707399864222675
  • person: 0.8293212669683258
  • product: 0.6906187624750498

For F1 scores, the confidence interval is obtained by bootstrap as below:

  • F1 (micro):
    • 90%: [0.6484148010152769, 0.6672289519134409]
    • 95%: [0.6470100684797441, 0.6689850350992637]
  • F1 (macro):
    • 90%: [0.6484148010152769, 0.6672289519134409]
    • 95%: [0.6470100684797441, 0.6689850350992637]

Full evaluation can be found at metric file of NER and metric file of entity span.

Usage

This model can be used through the tner library. Install the library via pip.

pip install tner

TweetNER7 pre-processed tweets where the account name and URLs are converted into special formats (see the dataset page for more detail), so we process tweets accordingly and then run the model prediction as below.

import re
from urlextract import URLExtract
from tner import TransformersNER

extractor = URLExtract()

def format_tweet(tweet):
    # mask web urls
    urls = extractor.find_urls(tweet)
    for url in urls:
        tweet = tweet.replace(url, "{{URL}}")
    # format twitter account
    tweet = re.sub(r"\b(\s*)(@[\S]+)\b", r'\1{\2@}', tweet)
    return tweet


text = "Get the all-analog Classic Vinyl Edition of `Takin' Off` Album from @herbiehancock via @bluenoterecords link below: http://bluenote.lnk.to/AlbumOfTheWeek"
text_format = format_tweet(text)
model = TransformersNER("tner/roberta-large-tweetner7-all")
model.predict([text_format])

It can be used via transformers library but it is not recommended as CRF layer is not supported at the moment.

Training hyperparameters

The following hyperparameters were used during training:

  • dataset: ['tner/tweetner7']
  • dataset_split: train_all
  • dataset_name: None
  • local_dataset: None
  • model: roberta-large
  • crf: True
  • max_length: 128
  • epoch: 30
  • batch_size: 32
  • lr: 1e-05
  • random_seed: 0
  • gradient_accumulation_steps: 1
  • weight_decay: 1e-07
  • lr_warmup_step_ratio: 0.15
  • max_grad_norm: 1

The full configuration can be found at fine-tuning parameter file.

Reference

If you use the model, please cite T-NER paper and TweetNER7 paper.

  • T-NER

@inproceedings{ushio-camacho-collados-2021-ner,
    title = "{T}-{NER}: An All-Round Python Library for Transformer-based Named Entity Recognition",
    author = "Ushio, Asahi  and
      Camacho-Collados, Jose",
    booktitle = "Proceedings of the 16th Conference of the European Chapter of the Association for Computational Linguistics: System Demonstrations",
    month = apr,
    year = "2021",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.eacl-demos.7",
    doi = "10.18653/v1/2021.eacl-demos.7",
    pages = "53--62",
    abstract = "Language model (LM) pretraining has led to consistent improvements in many NLP downstream tasks, including named entity recognition (NER). In this paper, we present T-NER (Transformer-based Named Entity Recognition), a Python library for NER LM finetuning. In addition to its practical utility, T-NER facilitates the study and investigation of the cross-domain and cross-lingual generalization ability of LMs finetuned on NER. Our library also provides a web app where users can get model predictions interactively for arbitrary text, which facilitates qualitative model evaluation for non-expert programmers. We show the potential of the library by compiling nine public NER datasets into a unified format and evaluating the cross-domain and cross- lingual performance across the datasets. The results from our initial experiments show that in-domain performance is generally competitive across datasets. However, cross-domain generalization is challenging even with a large pretrained LM, which has nevertheless capacity to learn domain-specific features if fine- tuned on a combined dataset. To facilitate future research, we also release all our LM checkpoints via the Hugging Face model hub.",
}

  • TweetNER7

@inproceedings{ushio-etal-2022-tweet,
    title = "{N}amed {E}ntity {R}ecognition in {T}witter: {A} {D}ataset and {A}nalysis on {S}hort-{T}erm {T}emporal {S}hifts",
    author = "Ushio, Asahi  and
        Neves, Leonardo  and
        Silva, Vitor  and
        Barbieri, Francesco. and
        Camacho-Collados, Jose",
    booktitle = "The 2nd Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the 12th International Joint Conference on Natural Language Processing",
    month = nov,
    year = "2022",
    address = "Online",
    publisher = "Association for Computational Linguistics",
}

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
e7fbeec

0 моделей