Twitter Roberta Base Dec2021 Tweetner7 Continuous

🚀 tner/twitter-roberta-base-dec2021-tweetner7-continuous

このモデルは、tner/twitter-roberta-base-dec2021-tweetner-2020 を tner/tweetner7 データセットの train_2021 スプリットでファインチューニングしたバージョンです。モデルはまず train_2020 でファインチューニングされ、その後 train_2021 で継続的にファインチューニングされます。モデルのファインチューニングは T-NER のハイパーパラメータ検索を通じて行われます（詳細はリポジトリを参照）。2021年のテストセットでは、以下の結果を達成しています。

• F1 (マイクロ): 0.6511305152373794
• 精度 (マイクロ): 0.6512434933487565
• 再現率 (マイクロ): 0.6510175763182239
• F1 (マクロ): 0.6001624572691789
• 精度 (マクロ): 0.5998564738871041
• 再現率 (マクロ): 0.6026065175267361

🚀 クイックスタート

このモデルは、tnerライブラリ を通じて使用できます。ライブラリはpipを使ってインストールします。

pip install tner

TweetNER7 は、アカウント名とURLが特殊な形式に変換された前処理済みのツイートを使用しています（詳細はデータセットページを参照）。そのため、ツイートを適切に処理してから、以下のようにモデル予測を実行します。

import re
from urlextract import URLExtract
from tner import TransformersNER

extractor = URLExtract()

def format_tweet(tweet):
    # ウェブURLをマスク
    urls = extractor.find_urls(tweet)
    for url in urls:
        tweet = tweet.replace(url, "{{URL}}")
    # ツイッターアカウントをフォーマット
    tweet = re.sub(r"\b(\s*)(@[\S]+)\b", r'\1{\2@}', tweet)
    return tweet


text = "Get the all-analog Classic Vinyl Edition of `Takin' Off` Album from @herbiehancock via @bluenoterecords link below: http://bluenote.lnk.to/AlbumOfTheWeek"
text_format = format_tweet(text)
model = TransformersNER("tner/twitter-roberta-base-dec2021-tweetner7-continuous")
model.predict([text_format])

このモデルはtransformersライブラリを通じても使用できますが、現時点ではCRFレイヤーがサポートされていないため、推奨されません。

✨ 主な機能

• ツイート内の名前付きエンティティを認識する機能を提供します。
• 特定のデータセットでファインチューニングされており、高い精度を実現しています。

📦 インストール

このモデルを使用するには、tnerライブラリ をインストールする必要があります。以下のコマンドを使用してインストールできます。

pip install tner

💻 使用例

基本的な使用法

import re
from urlextract import URLExtract
from tner import TransformersNER

extractor = URLExtract()

def format_tweet(tweet):
    # mask web urls
    urls = extractor.find_urls(tweet)
    for url in urls:
        tweet = tweet.replace(url, "{{URL}}")
    # format twitter account
    tweet = re.sub(r"\b(\s*)(@[\S]+)\b", r'\1{\2@}', tweet)
    return tweet


text = "Get the all-analog Classic Vinyl Edition of `Takin' Off` Album from @herbiehancock via @bluenoterecords link below: http://bluenote.lnk.to/AlbumOfTheWeek"
text_format = format_tweet(text)
model = TransformersNER("tner/twitter-roberta-base-dec2021-tweetner7-continuous")
model.predict([text_format])

📚 ドキュメント

テストセットのF1スコアのエンティティ別内訳

• 企業: 0.5055066079295154
• 創作作品: 0.47089601046435575
• イベント: 0.4448705656759348
• グループ: 0.6124532153793807
• 場所: 0.6592689295039165
• 人物: 0.8386047352250136
• 製品: 0.6695371367061357

F1スコアの信頼区間

F1スコアについて、ブートストラップにより信頼区間を取得しています。

• F1 (マイクロ):
  • 90%: [0.642462096346594, 0.6609916755115764]
  • 95%: [0.6408253162283987, 0.6624122690460243]
• F1 (マクロ):
  • 90%: [0.642462096346594, 0.6609916755115764]
  • 95%: [0.6408253162283987, 0.6624122690460243]

評価結果

完全な評価結果は、NERのメトリックファイル と エンティティスパンのメトリックファイル で確認できます。

トレーニングのハイパーパラメータ

トレーニング時には、以下のハイパーパラメータが使用されました。

• データセット: ['tner/tweetner7']
• データセットスプリット: train_2021
• データセット名: None
• ローカルデータセット: None
• モデル: tner/twitter-roberta-base-dec2021-tweetner-2020
• CRF: True
• 最大長: 128
• エポック数: 30
• バッチサイズ: 32
• 学習率: 1e-06
• 乱数シード: 0
• 勾配累積ステップ数: 1
• 重み減衰: 1e-07
• 学習率ウォームアップステップ比率: 0.15
• 最大勾配ノルム: 1

完全な設定は、ファインチューニングパラメータファイル で確認できます。

🔧 技術詳細

モデルは、まず train_2020 でファインチューニングされ、その後 train_2021 で継続的にファインチューニングされます。モデルのファインチューニングは T-NER のハイパーパラメータ検索を通じて行われます。

📄 ライセンス

モデルを使用する場合は、T-NER論文とTweetNER7論文を引用してください。

• T-NER

@inproceedings{ushio-camacho-collados-2021-ner,
    title = "{T}-{NER}: An All-Round Python Library for Transformer-based Named Entity Recognition",
    author = "Ushio, Asahi  and
      Camacho-Collados, Jose",
    booktitle = "Proceedings of the 16th Conference of the European Chapter of the Association for Computational Linguistics: System Demonstrations",
    month = apr,
    year = "2021",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.eacl-demos.7",
    doi = "10.18653/v1/2021.eacl-demos.7",
    pages = "53--62",
    abstract = "Language model (LM) pretraining has led to consistent improvements in many NLP downstream tasks, including named entity recognition (NER). In this paper, we present T-NER (Transformer-based Named Entity Recognition), a Python library for NER LM finetuning. In addition to its practical utility, T-NER facilitates the study and investigation of the cross-domain and cross-lingual generalization ability of LMs finetuned on NER. Our library also provides a web app where users can get model predictions interactively for arbitrary text, which facilitates qualitative model evaluation for non-expert programmers. We show the potential of the library by compiling nine public NER datasets into a unified format and evaluating the cross-domain and cross- lingual performance across the datasets. The results from our initial experiments show that in-domain performance is generally competitive across datasets. However, cross-domain generalization is challenging even with a large pretrained LM, which has nevertheless capacity to learn domain-specific features if fine- tuned on a combined dataset. To facilitate future research, we also release all our LM checkpoints via the Hugging Face model hub.",
}

• TweetNER7

@inproceedings{ushio-etal-2022-tweet,
    title = "{N}amed {E}ntity {R}ecognition in {T}witter: {A} {D}ataset and {A}nalysis on {S}hort-{T}erm {T}emporal {S}hifts",
    author = "Ushio, Asahi  and
        Neves, Leonardo  and
        Silva, Vitor  and
        Barbieri, Francesco. and
        Camacho-Collados, Jose",
    booktitle = "The 2nd Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics and the 12th International Joint Conference on Natural Language Processing",
    month = nov,
    year = "2022",
    address = "Online",
    publisher = "Association for Computational Linguistics",
}