Дообученная XLM-RoBERTa для распознавания именованных сущностей в арабском тексте.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
XLM-RoBERTa base, дообученная командой TNER для распознавания именованных сущностей (NER) в арабском варианте набора PAN-X. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации токенов и принимает текст; максимальная длина контекста — 514 токенов.
Модель предназначена для выделения и разметки сущностей в арабском тексте, например имён людей, организаций и географических названий. Для загрузки токенизатора в README приведён идентификатор asahi417/tner-xlm-roberta-base-panx-dataset-ar. Лицензия в предоставленных данных не указана.
Модель настроена для NER на арабском варианте PAN-X, поэтому её качество на других языках и типах текста может быть ниже. В предоставленных данных не указаны лицензия и подробности о схеме меток.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
XLM-RoBERTa finetuned on NER. Check more detail at TNER repository.
from transformers import AutoTokenizer, AutoModelForTokenClassification
tokenizer = AutoTokenizer.from_pretrained("asahi417/tner-xlm-roberta-base-panx-dataset-ar")
model = AutoModelForTokenClassification.from_pretrained("asahi417/tner-xlm-roberta-base-panx-dataset-ar")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · token-classification
Подбираем GPU…