Yoda Ner

🚀 YODA模型

YODA是一系列用于谷歌Feed产品优化的模型。我们旨在通过增强和改进某些元数据（如短标题、颜色、尺寸等）来扩大电子商务的市场影响力。目前已有超过300家公司在生产环境中使用YODA处理超过350万种产品。

🚀 快速开始

什么是YODA

YODA是一系列用于谷歌Feed产品优化的模型。我们旨在通过增强和改进某些元数据（如短标题、颜色、尺寸等）来扩大电子商务的市场影响力。目前已有超过300家公司在生产环境中使用YODA处理超过350万种产品。

我们使用NER的目的

我们训练了一个用于产品特征提取的命名实体识别（NER）模型。该模型可以提取颜色、尺寸、品牌和能源标签等数据。使用超过300万行产品元数据进行训练后，模型取得了以下成绩：

结果：

• F值（微观）：0.972
• F值（宏观）：0.9692
• 准确率：0.9461

按类别划分：

🔧 技术细节

模型指标

💻 使用示例

基础用法

from flair.data import Sentence
from flair.models import SequenceTagger

# load tagger
tagger = SequenceTagger.load("lighthousefeed/yoda-ner")

# make example sentence
sentence = Sentence("Jean Paul Gaultier Classique - 50 ML Eau de Parfum  Damen Parfum.")

# predict NER tags
tagger.predict(sentence)

# print sentence
print(sentence)

# print predicted NER spans
print('The following NER tags are found:')

# iterate over entities and print
for entity in sentence.get_spans('ner'):
    print(entity)

此代码示例展示了如何使用Flair库加载YODA的NER模型，并对一个产品描述进行命名实体识别。

📄 许可证

本项目采用ISC许可证。

联系我们

如果您有任何疑问，请联系首席机器学习开发者 Iván R. Gázquez。我们很乐意了解您使用该模型的情况！