Дообучение NER-моделей повысило точность извлечения коммерческих данных до 95%
Разработчик на Хабре добился значительного улучшения точности извлечения коммерческих условий, таких как цены и скидки, из текстовых документов, дообучив модель GLiNER2.5 на синтетических данных и сравнив различные методы тюнинга.
Эксперт поделился результатами эксперимента по адаптации моделей распознавания именованных сущностей (NER) для задач извлечения чувствительных коммерческих данных. Используя 5 000 специально сгенерированных текстов, имитирующих деловую переписку и договоры, он смог повысить точность извлечения информации о ценах, скидках и графиках оплаты с 22,51% до 94,13% на коротком тестовом наборе. Это демонстрирует потенциал использования синтетических данных для тренировки моделей в узкоспециализированных областях.


Комментарии (0)
Без регистрации. Комментарии проверяются автоматически перед публикацией.
Пока нет комментариев. Будьте первым!