rubert-base-srl-seqlabelingオープンソースモデル - 無料でデプロイし、ロシア語の文章の述語と論元役割を識別する

ホーム

Rubert Base Srl Seqlabeling

Rexhaifによって開発

ruBert-baseを微調整したロシア語の意味役割ラベリングモデルで、文の述語と関連する論元役割を識別するために使用されます。

シーケンスラベリング

Transformers

#ロシア語の意味役割ラベリング #高精度な述語識別 #施事者 - 経験者分析

ダウンロード数 124

リリース時間 : 3/2/2022

モデル概要

このモデルはruBert-baseを微調整したシーケンスラベリングモデルで、ロシア語の意味役割ラベリング（Semantic Role Labeling, SRL）タスクに特化しており、文の述語を識別し、施事者、経験者などの意味役割をラベリングすることができます。

モデル特徴

高精度な意味役割識別

施事者と経験者の識別において高いF1値（0.84 - 0.95）を達成します。

多役割ラベリング能力

施事者、経験者、道具などの複数の意味役割を同時に識別することができます。

最適化された訓練戦略

コサイン学習率スケジューリングとウォームアップ戦略を採用し、訓練過程が安定します。

モデル能力

ロシア語テキスト分析

意味役割ラベリング

述語識別

論元役割分類

使用事例

自然言語処理

ロシア語の構文解析

ロシア語テキストの深層意味解析に使用されます。

文の動作実行者と受け手を正確に識別することができます。

情報抽出システム

ロシア語テキストから構造化されたイベント情報を抽出します。

イベントの参加者と関連する道具を識別することができます。

🚀 rubert-base-srl-seqlabeling

このモデルは、不明なデータセットで ./ruBert-base/ をファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

属性	详情
損失	0.1723
原因者精度	0.8539
原因者再現率	0.8352
原因者F1値	0.8444
原因者数	91
経験者精度	0.9259
経験者再現率	0.9740
経験者F1値	0.9494
経験者数	77
道具精度	0.375
道具再現率	1.0
道具F1値	0.5455
道具数	3
その他精度	0.0
その他再現率	0.0
その他F1値	0.0
その他数	1
述語精度	0.9352
述語再現率	0.9902
述語F1値	0.9619
述語数	102
全体精度	0.8916
全体再現率	0.9307
全体F1値	0.9107
全体正解率	0.9667

📚 ドキュメント

モデルの説明

詳細情報は必要です。

想定される用途と制限

詳細情報は必要です。

学習と評価データ

詳細情報は必要です。

学習手順

学習ハイパーパラメータ

学習中に以下のハイパーパラメータが使用されました。

学習率: 5e-05
学習バッチサイズ: 16
評価バッチサイズ: 8
シード: 42
オプティマイザ: Adam (ベータ=(0.9,0.98)、イプシロン=1e-06)
学習率スケジューラタイプ: cosine
学習率スケジューラウォームアップ率: 0.06
エポック数: 10.0

学習結果

学習損失	エポック	ステップ	検証損失	原因者精度	原因者再現率	原因者F1値	原因者数	経験者精度	経験者再現率	経験者F1値	経験者数	道具精度	道具再現率	道具F1値	道具数	その他数	述語精度	述語再現率	述語F1値	述語数	全体精度	全体再現率	全体F1値	全体正解率
0.2552	1.0	56	0.3471	0.8841	0.6703	0.7625	91	0.8421	0.8312	0.8366	77	0.0	0.0	0.0	3	1	0.9259	0.9804	0.9524	102	0.8893	0.8212	0.8539	0.9203
0.2385	2.0	112	0.1608	0.9103	0.7802	0.8402	91	0.9375	0.9740	0.9554	77	0.2857	0.6667	0.4	3	1	0.9519	0.9706	0.9612	102	0.9182	0.9015	0.9098	0.9554
0.0367	3.0	168	0.1311	0.8902	0.8022	0.8439	91	0.9375	0.9740	0.9554	77	0.4286	1.0	0.6	3	1	0.9709	0.9804	0.9756	102	0.9228	0.9161	0.9194	0.9673
0.0494	4.0	224	0.1507	0.7812	0.8242	0.8021	91	0.9241	0.9481	0.9359	77	0.4286	1.0	0.6	3	1	0.9524	0.9804	0.9662	102	0.8746	0.9161	0.8948	0.9637
0.0699	5.0	280	0.1830	0.8276	0.7912	0.8090	91	0.8941	0.9870	0.9383	77	0.375	1.0	0.5455	3	1	0.9352	0.9902	0.9619	102	0.875	0.9197	0.8968	0.9560
0.0352	6.0	336	0.1994	0.7857	0.8462	0.8148	91	0.9048	0.9870	0.9441	77	0.375	1.0	0.5455	3	1	0.9266	0.9902	0.9573	102	0.8595	0.9380	0.8970	0.9572
0.0186	7.0	392	0.1657	0.8652	0.8462	0.8556	91	0.9146	0.9740	0.9434	77	0.375	1.0	0.5455	3	1	0.9352	0.9902	0.9619	102	0.8920	0.9343	0.9127	0.9673
0.0052	8.0	448	0.1716	0.8556	0.8462	0.8508	91	0.9259	0.9740	0.9494	77	0.375	1.0	0.5455	3	1	0.9352	0.9902	0.9619	102	0.8920	0.9343	0.9127	0.9673
0.0094	9.0	504	0.1715	0.8444	0.8352	0.8398	91	0.9259	0.9740	0.9494	77	0.4286	1.0	0.6	3	1	0.9352	0.9902	0.9619	102	0.8916	0.9307	0.9107	0.9667
0.0078	10.0	560	0.1723	0.8539	0.8352	0.8444	91	0.9259	0.9740	0.9494	77	0.375	1.0	0.5455	3	1	0.9352	0.9902	0.9619	102	0.8916	0.9307	0.9107	0.9667