Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Базовая модель: xlm-roberta-large
Опубликована: 19 июн 2024

Ссылки

Hugging Face

uner_slo_snk

universalner

Разметка токеновТекст → label6 профессий

Дообученная XLM-RoBERTa-large для классификации токенов и разметки текстовых последовательностей.

1 142скачиваний за 30 дней0лайковвеса обновлены19 июн 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

Модель unerslosnk — дообученная версия XLM-RoBERTa-large для классификации токенов на наборе данных uner_slo_snk. Она предназначена для разметки последовательностей, например извлечения сущностей или других меток на уровне токенов; конкретная схема меток в карточке не описана. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и принимает текст с контекстным окном 514 токенов.

В оценке на тестовой выборке указаны F1 0,8425, точность 0,8090, полнота 0,8789 и accuracy 0,9834. Эти значения относятся к конкретному набору данных и не гарантируют аналогичного качества на других текстах. Модель распространяется по лицензии MIT.

Сценарии применения

разметка токенов в тексте
извлечение сущностей из текста
классификация слов и фрагментов последовательности

Ограничения

Схема меток и целевые типы сущностей в карточке не описаны. Приведённые метрики получены на uner_slo_snk и могут не отражать качество на других данных.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

uner_slo_snk

This model is a fine-tuned version of xlm-roberta-large on the uner_slo_snk dataset. It achieves the following results on the evaluation set:

Loss: 0.0903
Precision: 0.8090
Recall: 0.8789
F1: 0.8425
Accuracy: 0.9834

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 3e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5.0

Training results

Framework versions

Transformers 4.31.0
Pytorch 1.10.1+cu113
Datasets 2.14.4
Tokenizers 0.13.3

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: e0a344c