/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Опубликована
25 июл 2024

xlm-ate-nobi-en-nes

Разметка токеновТекст → label3 профессии

Дообученная XLM-RoBERTa выделяет и классифицирует термины в английском тексте для извлечения терминологии в разных предметных областях.

53скачиваний за 30 дней0лайковвеса обновлены28 июл 2024

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

XLMR Token Classifier for Term Extraction — дообученная авторами модель XLM-RoBERTa для извлечения терминов из английского текста. Она выполняет токенную классификацию: каждому токену присваивается метка, например B-Term, I-Term, BN-Term, IN-Term или O, чтобы выделить термины, в том числе вложенные.

Модель предназначена для извлечения терминологии в разных предметных областях и может применяться для распознавания именованных сущностей и извлечения информации. Её обучали на английской версии ACTER: на материалах по коррупции и ветроэнергетике, проверяли на текстах об иппотерапии, а оценивали на материалах о сердечной недостаточности. В метаданных указаны архитектура XLM-RoBERTa, 305,2 млн параметров, контекст до 514 токенов и формат PyTorch.

Результаты оценки основаны на точном совпадении извлечённых строк с эталонными терминами; качество на других языках и предметных областях из этих сведений не следует. Лицензия — MIT.

Сценарии применения

  • извлечение терминов из технических текстов
  • выделение терминов в документах о ветроэнергетике
  • поиск терминологии в текстах о коррупции
  • извлечение сущностей и терминов из медицинских текстов
  • кросс-доменная токенная разметка английских документов

Ограничения

Обучение и проверка охватывали ограниченный набор областей; точное совпадение строк при оценке может не отражать все полезные варианты извлечения. Подтверждена работа с английским языком, а качество на других языках не установлено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

XLMR Token Classifier for Term Extraction

This model is a fine-tuned version of xlm-roberta-base for cross-domain term extraction tasks.

Model description

This model is a fine-tuned version of xlm-roberta-base for token classification, specifically designed to identify and classify terms within text sequences. The model assigns labels such as B-Term, I-Term, BN-Term, IN-Term, and O to individual tokens, allowing for the extraction of meaningful terms from the text.

Intended uses & limitations

The model is intended for term extraction tasks. It can be applied in domains like:

  • Named Entity Recognition (NER)
  • Information Extraction

Training and evaluation data

We fine-tuned the English version of the ACTER dataset where Named Entities are included in the gold standard. We trained on the Corruption and Wind Energy domain, validated on the Equitation domain, and tested on the Heart Failure domain.

Training procedure

The following hyperparameters were used during training:

- learning_rate: 2e-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
- num_epochs: 20

Framework versions:

- Transformers 4.26.1
- Pytorch 2.0.1+cu117
- Datasets 2.9.0
- Tokenizers 0.13.2

Evaluation

We evaluate the performance of the ATE systems by comparing the candidate list extracted from the test set with the manually annotated gold standard term list for that specific test set. We use exact string matching to compare the retrieved terms to the ones in the gold standard and calculate Precision (P), Recall (R), and F1-score (F1). The results are reported in Can cross-domain term extraction benefit from cross-lingual transfer and nested term labeling?.

Citation

If you use this model in your research or application, please cite it as follows:

@inproceedings{tran2022can,
  title={Can cross-domain term extraction benefit from cross-lingual transfer?},
  author={Tran, Hanh Thi Hong and Martinc, Matej and Doucet, Antoine and Pollak, Senja},
  booktitle={International Conference on Discovery Science},
  pages={363--378},
  year={2022},
  organization={Springer}
}

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
XLMRobertaForTokenClassification
Ревизия весов
e2524e7

0 моделей