Ner Roberta Base Ontonotesv5 Englishv4

🚀 (NER) roberta-base : conll2012_ontonotesv5-english-v4

このroberta-baseのNERモデルは、conll2012_ontonotesv5のenglish-v4バージョンのデータセットでファインチューニングされています。
詳細情報はNER-System Repositoryをご覧ください。

🚀 クイックスタート

このNERモデルは、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、以下のように使用できます。

✨ 主な機能

• このroberta-baseモデルは、英語の固有表現抽出（NER）に特化しています。
• 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、高精度なNERを実現します。

📦 インストール

このモデルを使用するには、transformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

from transformers import pipeline

ner_pipeline = pipeline(
    'token-classification', 
    model=r'djagatiya/ner-roberta-base-ontonotesv5-englishv4',
    aggregation_strategy='simple'
)

高度な使用法

テスト1

ner_pipeline("India is a beautiful country")

# 出力
[{'entity_group': 'GPE',
  'score': 0.99186057,
  'word': ' India',
  'start': 0,
  'end': 5}]

テスト2

ner_pipeline("On September 1st George won 1 dollar while watching Game of Thrones.")

# 出力
[{'entity_group': 'DATE',
  'score': 0.99720246,
  'word': ' September 1st',
  'start': 3,
  'end': 16},
 {'entity_group': 'PERSON',
  'score': 0.99071586,
  'word': ' George',
  'start': 17,
  'end': 23},
 {'entity_group': 'MONEY',
  'score': 0.9872978,
  'word': ' 1 dollar',
  'start': 28,
  'end': 36},
 {'entity_group': 'WORK_OF_ART',
  'score': 0.9946732,
  'word': ' Game of Thrones',
  'start': 52,
  'end': 67}]

📚 ドキュメント

データセット

• conll2012_ontonotesv5
  • 言語 : 英語
  • バージョン : v4

評価

• 適合率: 88.88
• 再現率: 90.69
• F1値: 89.78

評価指標と分類レポートについては、このeval.logファイルをご覧ください。

                precision    recall  f1-score   support

    CARDINAL       0.84      0.85      0.85       935
        DATE       0.85      0.90      0.87      1602
       EVENT       0.67      0.76      0.71        63
         FAC       0.74      0.72      0.73       135
         GPE       0.97      0.96      0.96      2240
    LANGUAGE       0.83      0.68      0.75        22
         LAW       0.66      0.62      0.64        40
         LOC       0.74      0.80      0.77       179
       MONEY       0.85      0.89      0.87       314
        NORP       0.93      0.96      0.95       841
     ORDINAL       0.81      0.89      0.85       195
         ORG       0.90      0.91      0.91      1795
     PERCENT       0.90      0.92      0.91       349
      PERSON       0.95      0.95      0.95      1988
     PRODUCT       0.74      0.83      0.78        76
    QUANTITY       0.76      0.80      0.78       105
        TIME       0.62      0.67      0.65       212
 WORK_OF_ART       0.58      0.69      0.63       166

   micro avg       0.89      0.91      0.90     11257
   macro avg       0.80      0.82      0.81     11257
weighted avg       0.89      0.91      0.90     11257