Bertweet Tb2 Pos Tagging

🚀 推特词性标注基线模型

本项目提供了一个基于Tweebank V2的命名实体识别（NER）基准测试的推特词性标注基线模型，准确率高达95.21%。它使用Tweebank-NER训练数据进行训练，为推特文本的词性标注任务提供了可靠的基础。如果你正在寻找最先进的推特词性标注器，可访问指定的HuggingFace链接；若想了解更多关于TweebankNLP项目的详情，可参考相关论文和GitHub页面。

🚀 快速开始

模型说明

• 这是一个在Tweebank V2的NER基准测试（也称为Tweebank-NER）上的基线推特词性标注模型（准确率为95.21%），使用Tweebank-NER训练数据进行训练。
• 如果你正在寻找最先进的推特词性标注器，请访问这个HuggingFace链接。
• 关于TweebankNLP项目的更多详细信息，请参考这篇论文和GitHub页面。
• 在论文的词性表中，该模型被称为HuggingFace-BERTweet (TB2)。

模型使用方法

• 预处理：当你将该模型应用于推特文本时，请确保使用TweetTokenizer对推特文本进行预处理，以获得最佳性能。

from transformers import AutoTokenizer, AutoModelForTokenClassification

tokenizer = AutoTokenizer.from_pretrained("TweebankNLP/bertweet-tb2-pos-tagging")

model = AutoModelForTokenClassification.from_pretrained("TweebankNLP/bertweet-tb2-pos-tagging")

📄 许可证

本项目采用CC BY-NC 4.0许可证。

📚 参考文献

如果你在研究中使用了本仓库，请引用以下论文：

@article{jiang2022tweetnlp,
    title={Annotating the Tweebank Corpus on Named Entity Recognition and Building NLP Models for Social Media Analysis},
    author={Jiang, Hang and Hua, Yining and Beeferman, Doug and Roy, Deb},
    journal={In Proceedings of the 13th Language Resources and Evaluation Conference (LREC)},
    year={2022}
}