Das22 41 Camembert Pretrained Finetuned Ref

🚀 CamemBERT：針對19世紀法國商業目錄進行預訓練和命名實體識別（NER）訓練的模型 [黃金訓練集]

本模型旨在助力歷史文獻中的命名實體識別任務，通過對特定商業目錄數據的預訓練和微調，為相關研究和應用提供了有效的工具。

🚀 快速開始

本模型是論文中的一部分資料：

Abadie, N., Carlinet, E., Chazalon, J., Duménieu, B. (2022). A Benchmark of Named Entity Recognition Approaches in Historical Documents Application to 19𝑡ℎ Century French Directories. In: Uchida, S., Barney, E., Eglin, V. (eds) Document Analysis Systems. DAS 2022. Lecture Notes in Computer Science, vol 13237. Springer, Cham. https://doi.org/10.1007/978-3-031-06555-2_30

訓練此模型的源代碼以Jupyter筆記本的形式，存於論文的GitHub倉庫中，具體路徑為 src/ner/40_experiment_2.ipynb。

✨ 主要特性

• 本模型對預訓練模型 das22-10-camembert_pretrained 進行調整，用於對6004條手動標註的目錄條目進行命名實體識別（NER），這些條目在論文中被稱為“參考數據集”。
• 商業目錄條目是簡短且結構嚴謹的文本，會給出個人或企業的名稱、業務活動和地理位置，例如：

Peynaud, R. de la Vieille Bouclerie, 18. Richard, Joullain et comp., (commission- —Phéâtre Français. naire, (entrepôt), au port de la Rapée-

📚 詳細文檔

預期用途和侷限性

本模型旨在復現發表於DAS2022論文中的命名實體識別評估結果。在HuggingFace上有多個針對商業目錄進行命名實體識別訓練的衍生模型，每個模型都在不同的數據集上進行訓練：

• das22-10-camembert_pretrained_finetuned_ref：在約6000條手動校正的目錄條目上進行命名實體識別訓練。
• das22-10-camembert_pretrained_finetuned_pero：在約6000條使用PERO - OCR提取的目錄條目上進行命名實體識別訓練。
• das22-10-camembert_pretrained_finetuned_tess：在約6000條使用Tesseract提取的目錄條目上進行命名實體識別訓練。

框架版本