Das22 42 Camembert Finetuned Ref

🚀 CamemBERT在19世紀法國商業名錄上進行命名實體識別訓練的模型 [黃金訓練集]

該模型用於對19世紀法國商業名錄進行命名實體識別，是相關學術研究成果的一部分，可助力歷史文獻的信息提取工作。

🚀 快速開始

此模型是論文 “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 A Benchmark of Named Entity Recognition Approaches in Historical Documents Application to 19𝑡ℎ Century French Directories.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” 研究材料的一部分。訓練該模型的源代碼以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

• 該模型對 Jean-Baptiste/camembert-ner 模型進行了適配，用於對6004條手動標註的名錄條目進行命名實體識別，這些條目在論文中被稱為“參考數據集”。
• 商業名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、業務和地點，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

此模型旨在重現DAS2022論文中發表的命名實體識別評估結果。在HuggingFace上有幾個在商業名錄上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了訓練：

• das22-10-camembert_pretrained_finetuned_ref：在約6000條手動校正的名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提取的名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提取的名錄條目上進行命名實體識別訓練。

訓練超參數

文檔未詳細提及訓練超參數相關內容。

訓練結果

文檔未詳細提及訓練結果相關內容。

框架版本

• Transformers 4.16.0.dev0
• Pytorch 1.10.1+cu102
• Datasets 1.17.0
• Tokenizers 0.10.3