Bert Fa Base Uncased Ner Arman

🚀 ParsBERT (v2.0)

ParsBERT (v2.0) 是一个基于 Transformer 的波斯语语言理解模型。我们重构了词汇表，并在新的波斯语语料库上对 ParsBERT v1.1 进行了微调，以便为在其他领域使用 ParsBERT 提供更多功能！请关注 ParsBERT 仓库，以获取有关先前和当前模型的最新信息。

🚀 快速开始

请访问 ParsBERT 仓库获取最新模型信息，同时可通过 这里 下载相关数据集。

✨ 主要特性

• 重构词汇表并在新的波斯语语料库上微调 ParsBERT v1.1，拓展使用范围。
• 可用于波斯语命名实体识别（NER）任务。

📚 详细文档

波斯语命名实体识别 [ARMAN, PEYMA]

此任务旨在提取文本中的命名实体，如姓名，并使用适当的 NER 类别（如地点、组织等）进行标注。用于此任务的数据集包含以 IOB 格式标注的句子。在这种格式中，不属于实体的标记被标记为 ”O”，”B” 标记对应于对象的第一个单词，”I” 标记对应于同一实体的其余术语。”B” 和 ”I” 标记后面都跟着一个连字符（或下划线），然后是实体类别。因此，NER 任务是一个多类标记分类问题，在输入原始文本时对标记进行标注。波斯语 NER 主要使用两个数据集，ARMAN 和 PEYMA。

ARMAN

ARMAN 数据集包含 7,682 个句子，其中 250,015 个句子在六个不同类别上进行了标注。

1. 组织
2. 地点
3. 设施
4. 事件
5. 产品
6. 人物

下载 你可以从 这里 下载该数据集。

结果

下表总结了 ParsBERT 与其他模型和架构相比所获得的 F1 分数。

💻 使用示例

基础用法

你可以通过以下笔记本使用 ParsBERT：

笔记本	描述
如何使用 Pipelines	通过 transformers 以简单高效的方式在下游任务中使用最先进的模型

BibTeX 引用和引用信息

如果在出版物中引用，请使用以下内容：

@article{ParsBERT,
    title={ParsBERT: Transformer-based Model for Persian Language Understanding},
    author={Mehrdad Farahani, Mohammad Gharachorloo, Marzieh Farahani, Mohammad Manthouri},
    journal={ArXiv},
    year={2020},
    volume={abs/2005.12515}
}

📄 许可证

本项目采用 Apache-2.0 许可证。

❓ 有疑问？

你可以在 ParsBERT Issues 仓库发布 GitHub 问题。