rubert-base-srl-seqlabeling开源模型 - 免费部署识别俄语句子谓词及论元角色

首页

Rubert Base Srl Seqlabeling

由 Rexhaif 开发

基于ruBert-base微调的俄语语义角色标注模型，用于识别句子中的谓词及其相关论元角色

序列标注

Transformers

#俄语语义角色标注 #高精度谓词识别 #施事者-经历者分析

下载量 124

发布时间 : 3/2/2022

模型简介

该模型是基于ruBert-base微调的序列标注模型，专门用于俄语语义角色标注(Semantic Role Labeling, SRL)任务，能够识别句子中的谓词并标注施事者、经历者等语义角色。

模型特点

高精度语义角色识别

在施事者和经历者识别上达到较高F1值(0.84-0.95)

多角色标注能力

可同时识别施事者、经历者、工具等多种语义角色

优化的训练策略

采用余弦学习率调度和预热策略，训练过程稳定

模型能力

俄语文本分析

语义角色标注

谓词识别

论元角色分类

使用案例

自然语言处理

俄语句法分析

用于俄语文本的深层语义分析

可准确识别句子中的动作执行者和承受者

信息提取系统

从俄语文本中提取结构化事件信息

可识别事件参与者和相关工具

🚀 rubert-base-srl-seqlabeling

该模型是在未知数据集上对 ./ruBert-base/ 进行微调后的版本。它在评估集上取得了一系列评估指标结果，可用于语义角色标注相关任务，为自然语言处理提供了有效的解决方案。

🚀 快速开始

此部分文档未提供快速开始相关内容，若有需要可根据模型特点和使用场景，参考相关代码库和工具进行使用。

✨ 主要特性

该模型是基于 ./ruBert-base/ 微调而来，在评估集上有如下表现：

属性	详情
损失值	0.1723
施动者精确率	0.8539
施动者召回率	0.8352
施动者F1值	0.8444
施动者数量	91
感受者精确率	0.9259
感受者召回率	0.9740
感受者F1值	0.9494
感受者数量	77
工具精确率	0.375
工具召回率	1.0
工具F1值	0.5455
工具数量	3
其他精确率	0.0
其他召回率	0.0
其他F1值	0.0
其他数量	1
谓词精确率	0.9352
谓词召回率	0.9902
谓词F1值	0.9619
谓词数量	102
整体精确率	0.8916
整体召回率	0.9307
整体F1值	0.9107
整体准确率	0.9667

📚 详细文档

训练过程

训练超参数

训练过程中使用了以下超参数：

学习率：5e - 05
训练批次大小：16
评估批次大小：8
随机种子：42
优化器：Adam，其中 betas = (0.9, 0.98)，epsilon = 1e - 06
学习率调度器类型：cosine
学习率调度器热身比例：0.06
训练轮数：10.0

训练结果

训练损失	轮数	步数	验证损失	施动者精确率	施动者召回率	施动者F1值	施动者数量	感受者精确率	感受者召回率	感受者F1值	感受者数量	工具精确率	工具召回率	工具F1值	工具数量	其他数量	谓词精确率	谓词召回率	谓词F1值	谓词数量	整体精确率	整体召回率	整体F1值	整体准确率
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