rubert-base-srl-seqlabeling開源模型 - 免費部署識別俄語句子謂詞及論元角色

首頁

Rubert Base Srl Seqlabeling

由Rexhaif開發

基於ruBert-base微調的俄語語義角色標註模型，用於識別句子中的謂詞及其相關論元角色

序列標註

Transformers

#俄語語義角色標註 #高精度謂詞識別 #施事者-經歷者分析

下載量 124

發布時間 : 3/2/2022

模型概述

該模型是基於ruBert-base微調的序列標註模型，專門用於俄語語義角色標註(Semantic Role Labeling, SRL)任務，能夠識別句子中的謂詞並標註施事者、經歷者等語義角色。

模型特點

高精度語義角色識別

在施事者和經歷者識別上達到較高F1值(0.84-0.95)

多角色標註能力

可同時識別施事者、經歷者、工具等多種語義角色

優化的訓練策略

採用餘弦學習率調度和預熱策略，訓練過程穩定

模型能力

俄語文本分析

語義角色標註

謂詞識別

論元角色分類

使用案例

自然語言處理

俄語句法分析

用於俄語文本的深層語義分析

可準確識別句子中的動作執行者和承受者

信息提取系統

從俄語文本中提取結構化事件信息

可識別事件參與者和相關工具

🚀 rubert-base-srl-seqlabeling

該模型是在未知數據集上對 ./ruBert-base/ 進行微調後的版本。它在評估集上取得了一系列評估指標結果，可用於語義角色標註相關任務，為自然語言處理提供了有效的解決方案。

🚀 快速開始

此部分文檔未提供快速開始相關內容，若有需要可根據模型特點和使用場景，參考相關代碼庫和工具進行使用。

✨ 主要特性

該模型是基於 ./ruBert-base/ 微調而來，在評估集上有如下表現：

屬性	詳情
損失值	0.1723
施動者精確率	0.8539
施動者召回率	0.8352
施動者F1值	0.8444
施動者數量	91
感受者精確率	0.9259
感受者召回率	0.9740
感受者F1值	0.9494
感受者數量	77
工具精確率	0.375
工具召回率	1.0
工具F1值	0.5455
工具數量	3
其他精確率	0.0
其他召回率	0.0
其他F1值	0.0
其他數量	1
謂詞精確率	0.9352
謂詞召回率	0.9902
謂詞F1值	0.9619
謂詞數量	102
整體精確率	0.8916
整體召回率	0.9307
整體F1值	0.9107
整體準確率	0.9667

📚 詳細文檔

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

學習率：5e - 05
訓練批次大小：16
評估批次大小：8
隨機種子：42
優化器：Adam，其中 betas = (0.9, 0.98)，epsilon = 1e - 06
學習率調度器類型：cosine
學習率調度器熱身比例：0.06
訓練輪數：10.0

訓練結果

訓練損失	輪數	步數	驗證損失	施動者精確率	施動者召回率	施動者F1值	施動者數量	感受者精確率	感受者召回率	感受者F1值	感受者數量	工具精確率	工具召回率	工具F1值	工具數量	其他數量	謂詞精確率	謂詞召回率	謂詞F1值	謂詞數量	整體精確率	整體召回率	整體F1值	整體準確率
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