Bert Base Turkish Cased Ner

🚀 トルコ語固有表現認識 (NER) モデル

このモデルは、「dbmdz/bert-base-turkish-cased」を、よく知られたトルコ語のNERデータセットのレビュー版 (https://github.com/stefan-it/turkish-bert/files/4558187/nerdata.txt) を使用してファインチューニングしたモデルです。

🚀 クイックスタート

このトルコ語固有表現認識モデルは、特定のデータセットを用いてファインチューニングされており、トルコ語の文章から固有表現を識別することができます。

✨ 主な機能

• トルコ語文章からの固有表現認識
• 高精度な認識結果を提供

📦 インストール

このモデルを使用するには、必要なライブラリをインストールする必要があります。以下のコードを参考にしてください。

💻 使用例

基本的な使用法

# モデルとトークナイザーの読み込み
model = AutoModelForTokenClassification.from_pretrained("akdeniz27/bert-base-turkish-cased-ner")
tokenizer = AutoTokenizer.from_pretrained("akdeniz27/bert-base-turkish-cased-ner")
ner = pipeline('ner', model=model, tokenizer=tokenizer, aggregation_strategy="first")
# 固有表現認識の実行
ner("your text here")

高度な使用法

エンティティグルーピングに関しては、aggregation_strategy パラメータを使用します。詳細は「https://huggingface.co/transformers/_modules/transformers/pipelines/token_classification.html」を参照してください。

🔧 技術詳細

ファインチューニングのパラメータ

task = "ner"
model_checkpoint = "dbmdz/bert-base-turkish-cased"
batch_size = 8 
label_list = ['O', 'B-PER', 'I-PER', 'B-ORG', 'I-ORG', 'B-LOC', 'I-LOC']
max_length = 512 
learning_rate = 2e-5 
num_train_epochs = 3 
weight_decay = 0.01 

参照テスト結果

• 正解率: 0.9933935699477056
• F1値: 0.9592969472710453
• 適合率: 0.9543530277931161
• 再現率: 0.9642923563325274

"Küçük, D., Küçük, D., Arıcı, N. 2016. Türkçe Varlık İsmi Tanıma için bir Veri Kümesi ("A Named Entity Recognition Dataset for Turkish"). IEEE Sinyal İşleme, İletişim ve Uygulamaları Kurultayı. Zonguldak, Türkiye." で提案されたテストセットを用いた評価結果は以下の通りです。

📄 ライセンス

このモデルはMITライセンスの下で提供されています。