Характеристики

Контекст: 514 токенов
Параметры: 138 млн
Лицензия: MIT
Архитектура: camembert · dense
Опубликована: 4 июн 2022

Ссылки

Hugging Face

camembert-keyword-extractor

yanekyuk

Разметка токеновТекст → label3 профессии

Дообученная CamemBERT размечает франкоязычный текст для извлечения ключевых слов.

67скачиваний за 30 дней13лайковвеса обновлены4 июн 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

yanekyuk/camembert-keyword-extractor — модель извлечения ключевых слов на основе CamemBERT, дообученная автором репозитория на неизвестном наборе данных. Она размечает входной текст по токенам и предназначена для выделения ключевых слов во франкоязычном тексте. Модель содержит 137,8 млн параметров, работает в формате PyTorch и поддерживает контекст до 514 токенов.

В карточке приведены результаты оценки: F1 0,6859, точность 0,6743, полнота 0,6979 и accuracy 0,9346. Данные обучения и подробные ограничения не описаны, поэтому качество на текстах других жанров и доменов по этим цифрам оценить нельзя. Лицензия — MIT.

Сценарии применения

извлечение ключевых слов из французских текстов
автоматическая разметка ключевых слов в документах на французском
подготовка ключевых фраз для поиска по французским материалам

Ограничения

Обучающий набор данных не описан. На оценочной выборке F1 составляет 0,6859; переносимость на другие типы текстов не установлена.

Для каких профессий подходит3

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.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

camembert-keyword-extractor

This model is a fine-tuned version of camembert-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.2199
Precision: 0.6743
Recall: 0.6979
Accuracy: 0.9346
F1: 0.6859

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: 2e-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: 8
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Precision	Recall	Accuracy	F1
0.1747	1.0	1875	0.1780	0.5935	0.7116	0.9258	0.6472
0.1375	2.0	3750	0.1588	0.6505	0.7032	0.9334	0.6759
0.1147	3.0	5625	0.1727	0.6825	0.6689	0.9355	0.6756
0.0969	4.0	7500	0.1759	0.6886	0.6621	0.9350	0.6751
0.0837	5.0	9375	0.1967	0.6688	0.7112	0.9348	0.6893
0.0746	6.0	11250	0.2088	0.6646	0.7114	0.9334	0.6872
0.0666	7.0	13125	0.2169	0.6713	0.7054	0.9347	0.6879
0.0634	8.0	15000	0.2199	0.6743	0.6979	0.9346	0.6859

Framework versions

Transformers 4.19.2
Pytorch 1.11.0+cu113
Datasets 2.2.2
Tokenizers 0.12.1

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: CamembertForTokenClassification
Ревизия весов: 99e635c