/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
129 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
2 мар 2022

Ссылки

Hugging Face

jdt-fin-roberta-wwm

wangfan
Заполнение пропусковТекст → текст3 профессии

Китайская финансовая BERT-модель для предсказания замаскированных токенов и использования в задачах извлечения информации из финансовых текстов.

48скачиваний за 30 дней1лайквеса обновлены19 мая 2022

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

jdt-fin-roberta-wwm — финансовая языковая модель на базе BERT, опубликованная для применения предобученных моделей в задачах финансовой обработки текста. Это плотная архитектура BERT с 12 слоями, размером скрытого представления 768 и 12 головами внимания; в метаданных указано 129,5 млн параметров и контекст до 512 токенов. Репозиторий использует PyTorch, а README рекомендует загружать модель через BertTokenizer и BertModel.

В карточке приведены результаты для распознавания сущностей, извлечения отношений и событий, извлечения показателей и связывания сущностей; однако в Hugging Face модель размечена задачей fill-mask. Модель предназначена для финансовых текстов на китайском языке. Лицензия Apache-2.0.

Сценарии применения

  • предсказание пропущенных слов в китайских финансовых текстах
  • распознавание именованных сущностей в финансовых документах
  • извлечение отношений между сущностями из финансовых текстов
  • извлечение событий из финансовых новостей
  • извлечение финансовых показателей
  • связывание сущностей в финансовых материалах

Ограничения

README не приводит подробностей об обучающей выборке или методике оценки, а заявленные результаты относятся к перечисленным задачам извлечения информации. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723моделиII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

在众多业务中，越来越频繁的使用预训练语言模型（Pre-trained Language Models），为了在金融场景下各任务中取得更好效果，我们发布了jdt-fin-roberta-wwm模型

模型&下载

  • base模型：12-layer, 768-hidden, 12-heads, 110M parameters
模型简称京盘下载
fin-roberta-wwmTensorflow/Pytorch
fin-roberta-wwm-largetodo

快速加载

依托于Huggingface-Transformers，可轻松调用以上模型。

tokenizer = BertTokenizer.from_pretrained("MODEL_NAME")
model = BertModel.from_pretrained("MODEL_NAME")

注意：本目录中的所有模型均使用BertTokenizer以及BertModel加载，请勿使用RobertaTokenizer/RobertaModel！ 其中MODEL_NAME对应列表如下：

模型名MODEL_NAME
fin-roberta-wwmwangfan/jdt-fin-roberta-wwm
fin-roberta-wwm-largetodo

任务效果

| Task | NER | 关系抽取 | 事件抽取 | 指标抽取 | 实体链接 | |:----:|:-- :|:------:|:-------:|:-------:|:------:| | Our |93.88| 79.02 | 91.99 | 94.28| 86.72 | | Roberta-wwm |93.47| 76.99 | 91.58 | 93.98| 85.20 |

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForMaskedLM
Ревизия весов
ef5ec78

0 моделей

    Создать бенчмарк