/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
span-marker · dense
Базовая модель
bert-base-uncased
Библиотека
span-marker
Опубликована
14 авг 2023

span-marker-bert-base-uncased-acronyms

Разметка токеновТекст → label7 профессий

Модель находит акронимы и их расшифровки в английском тексте, размечая короткие и длинные формы сущностей.

125 тыс.скачиваний за 30 дней6лайковвеса обновлены27 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

SpanMarker для выявления акронимов и их расшифровок в английском тексте, обученная на наборе Acronym Identification. Модель разработана на основе некейс-чувствительного энкодера bert-base-uncased от Google и предназначена для распознавания именованных сущностей: она находит краткие формы и соответствующие им длинные названия, например SODA и successive convex approximation.

Модель принимает текст и размечает фрагменты метками short и long. Максимальная длина последовательности — 256 токенов, максимальная длина сущности — 8 слов. В карточке приведены значения F1 0,9199 для всех сущностей, 0,9262 для коротких и 0,9074 для длинных. Лицензия — Apache-2.0; модель можно дообучить на собственном наборе данных. Поскольку энкодер не учитывает регистр, автор рекомендует кейс-чувствительную версию, если регистр в исходных данных всегда корректен.

Сценарии применения

  • поиск акронимов в английских документах
  • сопоставление кратких форм с их расшифровками
  • извлечение терминов и сокращений из научных текстов

Ограничения

Модель ограничена английским языком, последовательностями до 256 токенов и сущностями длиной до 8 слов. Некейс-чувствительный энкодер может уступать кейс-чувствительному варианту, если регистр текста корректен.

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

SpanMarker with bert-base-uncased on Acronym Identification

This is a SpanMarker model trained on the Acronym Identification dataset that can be used for Named Entity Recognition. This SpanMarker model uses bert-base-uncased as the underlying encoder. See train.py for the training script.

Is your data always capitalized correctly? Then consider using the cased variant of this model instead for better performance: tomaarsen/span-marker-bert-base-acronyms.

Model Details

Model Description

Model Sources

Model Labels

LabelExamples
long"successive convex approximation", "controlled natural language", "Conversational Question Answering"
short"SODA", "CNL", "CoQA"

Evaluation

Metrics

LabelPrecisionRecallF1
all0.93390.90630.9199
long0.93140.88450.9074
short0.93520.91740.9262

Uses

Direct Use for Inference

from span_marker import SpanMarkerModel

# Download from the 🤗 Hub
model = SpanMarkerModel.from_pretrained("tomaarsen/span-marker-bert-base-uncased-acronyms")
# Run inference
entities = model.predict("compression algorithms like principal component analysis (pca) can reduce noise and complexity.")

Downstream Use

You can finetune this model on your own dataset.

from span_marker import SpanMarkerModel, Trainer

# Download from the 🤗 Hub
model = SpanMarkerModel.from_pretrained("tomaarsen/span-marker-bert-base-uncased-acronyms")

# Specify a Dataset with "tokens" and "ner_tag" columns
dataset = load_dataset("conll2003") # For example CoNLL2003

# Initialize a Trainer using the pretrained model & dataset
trainer = Trainer(
    model=model,
    train_dataset=dataset["train"],
    eval_dataset=dataset["validation"],
)
trainer.train()
trainer.save_model("tomaarsen/span-marker-bert-base-uncased-acronyms-finetuned")

Training Details

Training Set Metrics

Training setMinMedianMax
Sentence length432.3372170
Entities per sentence02.677524

Training Hyperparameters

  • learning_rate: 5e-05
  • train_batch_size: 32
  • eval_batch_size: 32
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 2

Training Results

EpochStepValidation LossValidation PrecisionValidation RecallValidation F1Validation Accuracy
0.31202000.00970.89990.87310.88630.9718
0.62404000.00750.91630.89950.90780.9769
0.93606000.00760.90790.91530.91160.9773
1.24808000.00690.92670.90060.91350.9778
1.560110000.00650.92680.90440.91540.9782
1.872112000.00650.92790.90610.91680.9787

Environmental Impact

Carbon emissions were measured using CodeCarbon.

  • Carbon Emitted: 0.031 kg of CO2
  • Hours Used: 0.272 hours

Training Hardware

  • On Cloud: No
  • GPU Model: 1 x NVIDIA GeForce RTX 3090
  • CPU Model: 13th Gen Intel(R) Core(TM) i7-13700K
  • RAM Size: 31.78 GB

Framework Versions

  • Python: 3.9.16
  • SpanMarker: 1.3.1.dev
  • Transformers: 4.30.0
  • PyTorch: 2.0.1+cu118
  • Datasets: 2.14.0
  • Tokenizers: 0.13.2

Citation

BibTeX

@software{Aarsen_SpanMarker,
    author = {Aarsen, Tom},
    license = {Apache-2.0},
    title = {{SpanMarker for Named Entity Recognition}},
    url = {https://github.com/tomaarsen/SpanMarkerNER}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · span-marker

Нельзя запустить

Модели SpanMarker требуют отдельного рантайма.

Класс архитектуры
SpanMarkerModel
Ревизия весов
d547e2e

0 моделей