Mdeberta V3 Base Turkish Ner

🚀 土耳其命名實體識別 (NER) 模型

本模型是“microsoft/mDeBERTa - v3 - base”（DeBERTa V3的多語言版本）的微調版本，使用了廣為人知的土耳其NER數據集的審核版本（https://github.com/stefan - it/turkish - bert/files/4558187/nerdata.txt）進行微調。

🚀 快速開始

本模型可用於土耳其語的命名實體識別任務，通過微調預訓練模型，能有效識別文本中的人名、組織名、地名等實體。

✨ 主要特性

• 基於“microsoft/mDeBERTa - v3 - base”多語言模型微調，具有良好的泛化能力。
• 使用審核過的土耳其NER數據集，保證了訓練數據的質量。

📦 安裝指南

此部分原文檔未提供具體安裝命令，跳過該章節。

💻 使用示例

基礎用法

model = AutoModelForTokenClassification.from_pretrained("akdeniz27/mDeBERTa-v3-base-turkish-ner")
tokenizer = AutoTokenizer.from_pretrained("akdeniz27/mDeBERTa-v3-base-turkish-ner")
ner = pipeline('ner', model=model, tokenizer=tokenizer, aggregation_strategy="simple")
ner("<your text here>")

高級用法

請參考 "https://huggingface.co/transformers/_modules/transformers/pipelines/token_classification.html" 瞭解如何使用 aggregation_strategy 參數進行實體分組。

🔧 技術細節

微調參數

task = "ner"
model_checkpoint = "microsoft/mdeberta-v3-base"
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 = 2 
weight_decay = 0.01 

參考測試結果

• f1: 0.95
• precision: 0.94
• recall: 0.96

📄 許可證

本項目採用MIT許可證。

⚠️ 重要提示

請確保在使用模型時遵循相關數據集和模型的許可協議。

💡 使用建議

若要對實體進行分組，請參考 "https://huggingface.co/transformers/_modules/transformers/pipelines/token_classification.html" 中的 aggregation_strategy 參數使用方法。