xlm-roberta-large-finetuned-conll03-german

目录

模型详细信息

模型描述

XLM-RoBERTa模型是由Alexis Conneau、Kartikay Khandelwal、Naman Goyal、Vishrav Chaudhary、Guillaume Wenzek、Francisco Guzmán、Edouard Grave、Myle Ott、Luke Zettlemoyer和Veselin Stoyanov在 Unsupervised Cross-lingual Representation Learning at Scale 中提出的。它基于Facebook于2019年发布的RoBERTa模型。它是一个大型的多语言语言模型，通过对2.5TB的筛选后的CommonCrawl数据进行训练。该模型使用德语的数据集进行了 XLM-RoBERTa-large 的微调。

• 开发者：参见 associated paper
• 模型类型：多语言语言模型
• 语言（NLP）：XLM-RoBERTa是一个多语言模型，训练了100种不同的语言；完整列表请参见 GitHub Repo ；模型在德语数据集上进行了微调
• 许可证：需要更多信息
• 相关模型： RoBERTa ， XLM
  • 父模型： XLM-RoBERTa-large
• 获取更多信息的资源：- GitHub Repo - Associated Paper

用途

直接使用

该模型是一个语言模型。可以将该模型用于令牌分类，即在文本中为一些令牌分配标签的自然语言理解任务。

下游使用

潜在的下游使用案例包括命名实体识别（NER）和词性标注（PoS）等任务。要了解有关令牌分类和其他潜在下游使用案例的更多信息，请参阅Hugging Face token classification docs 。

超出范围的使用

不应该使用该模型来故意创建对人们具有敌意或疏远的环境。

偏见、风险和局限性

内容警告：读者应该知道该模型生成的语言可能对某些人来说令人不安或冒犯，并可能传播历史和现行的刻板印象。

对语言模型的偏见和公平性问题进行了大量研究（参见，例如， Sheng et al. (2021) 和 Bender et al. (2021) ）。

建议

用户（包括直接用户和下游用户）应该了解该模型的风险、偏见和局限性。

训练

有关训练数据和训练过程的详细信息，请参见以下资源：

• XLM-RoBERTa-large model card
• CoNLL-2003 data card
• Associated paper

评估

有关评估详细信息，请参见 associated paper 。

环境影响

可以使用在 Lacoste et al. (2019) 中介绍的方法来估算碳排放。

• 硬件类型：500台32GB Nvidia V100 GPU（来自 associated paper ）
• 使用小时数：需要更多信息
• 云提供商：需要更多信息
• 计算区域：需要更多信息
• 排放碳量：需要更多信息

技术规格

有关详细信息，请参阅 associated paper 。

引用

BibTeX:

@article{conneau2019unsupervised,
  title={Unsupervised Cross-lingual Representation Learning at Scale},
  author={Conneau, Alexis and Khandelwal, Kartikay and Goyal, Naman and Chaudhary, Vishrav and Wenzek, Guillaume and Guzm{\'a}n, Francisco and Grave, Edouard and Ott, Myle and Zettlemoyer, Luke and Stoyanov, Veselin},
  journal={arXiv preprint arXiv:1911.02116},
  year={2019}
}

APA:

• Conneau, A., Khandelwal, K., Goyal, N., Chaudhary, V., Wenzek, G., Guzmán, F., ... & Stoyanov, V. (2019). Unsupervised cross-lingual representation learning at scale. arXiv preprint arXiv:1911.02116.

模型卡片作者

此模型卡片由Hugging Face团队编写。

如何开始使用该模型

使用下面的代码开始使用该模型。您可以在NER的流水线中直接使用该模型。

>>> from transformers import AutoTokenizer, AutoModelForTokenClassification
>>> from transformers import pipeline
>>> tokenizer = AutoTokenizer.from_pretrained("xlm-roberta-large-finetuned-conll03-german")
>>> model = AutoModelForTokenClassification.from_pretrained("xlm-roberta-large-finetuned-conll03-german")
>>> classifier = pipeline("ner", model=model, tokenizer=tokenizer)
>>> classifier("Bayern München ist wieder alleiniger Top-Favorit auf den Gewinn der deutschen Fußball-Meisterschaft.")

[{'end': 6,
  'entity': 'I-ORG',
  'index': 1,
  'score': 0.99999166,
  'start': 0,
  'word': '▁Bayern'},
 {'end': 14,
  'entity': 'I-ORG',
  'index': 2,
  'score': 0.999987,
  'start': 7,
  'word': '▁München'},
 {'end': 77,
  'entity': 'I-MISC',
  'index': 16,
  'score': 0.9999728,
  'start': 68,
  'word': '▁deutschen'}]