/ Модель

Характеристики

Размер весов
1,6 ГБ
Лицензия
Apache 2.0
Библиотека
gliner
Опубликована
17 мар 2024

gliner_medium-v2.1

Разметка токеновТекст → label8 профессий

Англоязычная модель GLiNER на 209 млн параметров для извлечения сущностей произвольных заданных типов из текста.

53 792скачиваний за 30 дней52лайкавеса обновлены21 авг 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

urchade/gliner_medium-v2.1 — англоязычная модель распознавания именованных сущностей из семейства GLiNER, разработанного Уршаде Заратианой, Нади Томе, Пьером Ола и Тьерри Шарнуа. Она использует двунаправленный энкодер-трансформер типа BERT и содержит 209 млн параметров.

Модель извлекает из текста сущности заданных пользователем типов, поэтому подходит для сценариев, где нужны гибкие категории разметки без отдельного классификатора для каждого типа. Она предназначена для распознавания сущностей в англоязычном тексте и может служить более компактной альтернативой крупным языковым моделям для извлечения сущностей.

Для работы авторы рекомендуют библиотеку GLiNER: модель загружается через `GLiNER.from_pretrained`, а сущности извлекаются функцией `predict_entities`. Репозиторий предоставляет веса PyTorch в формате Safetensors. Лицензия — Apache-2.0. В карточке не приведены результаты бенчмарков или конкретные ограничения качества; поддержка других языков для этой версии не заявлена.

Сценарии применения

  • извлечение имен людей и организаций из англоязычных документов
  • поиск заданных типов сущностей в новостях и статьях
  • разметка текста пользовательскими категориями сущностей
  • извлечение сущностей из больших коллекций англоязычных текстов

Ограничения

Заявлена для английского языка; многоязычная поддержка относится к отдельной версии GLiNER. Карточка не содержит результатов бенчмарков, поэтому качество для конкретных типов сущностей следует проверять на целевых данных.

Для каких профессий подходит8

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

About

GLiNER is a Named Entity Recognition (NER) model capable of identifying any entity type using a bidirectional transformer encoder (BERT-like). It provides a practical alternative to traditional NER models, which are limited to predefined entities, and Large Language Models (LLMs) that, despite their flexibility, are costly and large for resource-constrained scenarios.

Links

Available models

ReleaseModel Name# of ParametersLanguageLicense
v0urchade/gliner_baseurchade/gliner_multi209M209MEnglishMultilingualcc-by-nc-4.0
v1urchade/gliner_small-v1urchade/gliner_medium-v1urchade/gliner_large-v1166M209M459MEnglish English Englishcc-by-nc-4.0
v2urchade/gliner_small-v2urchade/gliner_medium-v2urchade/gliner_large-v2166M209M459MEnglish English Englishapache-2.0
v2.1urchade/gliner_small-v2.1urchade/gliner_medium-v2.1urchade/gliner_large-v2.1 urchade/gliner_multi-v2.1166M209M459M209MEnglish English English Multilingualapache-2.0

Installation

To use this model, you must install the GLiNER Python library:

!pip install gliner

Usage

Once you've downloaded the GLiNER library, you can import the GLiNER class. You can then load this model using GLiNER.from_pretrained and predict entities with predict_entities.

from gliner import GLiNER

model = GLiNER.from_pretrained("urchade/gliner_medium-v2.1")

text = """
Cristiano Ronaldo dos Santos Aveiro (Portuguese pronunciation: [kɾiʃˈtjɐnu ʁɔˈnaldu]; born 5 February 1985) is a Portuguese professional footballer who plays as a forward for and captains both Saudi Pro League club Al Nassr and the Portugal national team. Widely regarded as one of the greatest players of all time, Ronaldo has won five Ballon d'Or awards,[note 3] a record three UEFA Men's Player of the Year Awards, and four European Golden Shoes, the most by a European player. He has won 33 trophies in his career, including seven league titles, five UEFA Champions Leagues, the UEFA European Championship and the UEFA Nations League. Ronaldo holds the records for most appearances (183), goals (140) and assists (42) in the Champions League, goals in the European Championship (14), international goals (128) and international appearances (205). He is one of the few players to have made over 1,200 professional career appearances, the most by an outfield player, and has scored over 850 official senior career goals for club and country, making him the top goalscorer of all time.
"""

labels = ["person", "award", "date", "competitions", "teams"]

entities = model.predict_entities(text, labels)

for entity in entities:
    print(entity["text"], "=>", entity["label"])
Cristiano Ronaldo dos Santos Aveiro => person
5 February 1985 => date
Al Nassr => teams
Portugal national team => teams
Ballon d'Or => award
UEFA Men's Player of the Year Awards => award
European Golden Shoes => award
UEFA Champions Leagues => competitions
UEFA European Championship => competitions
UEFA Nations League => competitions
Champions League => competitions
European Championship => competitions

Named Entity Recognition benchmark result

image/png

Model Authors

The model authors are:

Citation

@misc{zaratiana2023gliner,
      title={GLiNER: Generalist Model for Named Entity Recognition using Bidirectional Transformer}, 
      author={Urchade Zaratiana and Nadi Tomeh and Pierre Holat and Thierry Charnois},
      year={2023},
      eprint={2311.08526},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · gliner

Нельзя запустить

Модели GLiNER требуют отдельного рантайма.

Ревизия весов
40ec419

0 моделей