Bertweet Tb2 Ewt Pos Tagging

🚀 推特詞性標註模型

本項目提供了一個先進的推特詞性標註模型，在Tweebank V2的命名實體識別（NER）基準測試（即 Tweebank-NER）中表現出色，準確率高達 95.38%。該模型結合了 Tweebank-NER 和英語擴展詞法樹庫（English-EWT）的訓練數據進行訓練，為推特文本的詞性標註任務提供了強大的支持。

🚀 快速開始

本模型是在 Tweebank V2 的命名實體識別（NER）基準測試（也稱為 Tweebank-NER）中表現卓越的推特詞性標註模型，準確率達到 95.38%。它在結合了 Tweebank-NER 和英語擴展詞法樹庫（English-EWT）訓練數據的語料庫上進行訓練。

如需瞭解 TweebankNLP 項目的更多詳細信息，請參考 我們的論文 和 GitHub 頁面。在論文的詞性標註表格中，該模型被稱為 HuggingFace-BERTweet (TB2+EWT)。

📦 安裝指南

使用此模型時，無需額外的安裝步驟，只需按照下面的使用示例中的代碼，通過 transformers 庫從預訓練模型中加載即可。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForTokenClassification

tokenizer = AutoTokenizer.from_pretrained("TweebankNLP/bertweet-tb2_ewt-pos-tagging")

model = AutoModelForTokenClassification.from_pretrained("TweebankNLP/bertweet-tb2_ewt-pos-tagging")

注意事項

⚠️ 重要提示

當你將模型應用於推特文本時，請確保使用 TweetTokenizer 對推特文本進行預處理，以獲得最佳性能。

📄 許可證

本項目採用 CC BY-NC 4.0 許可證。

📚 參考文獻

如果您在研究中使用了此倉庫，請引用 我們的論文：

@article{jiang2022tweetnlp,
    title={Annotating the Tweebank Corpus on Named Entity Recognition and Building NLP Models for Social Media Analysis},
    author={Jiang, Hang and Hua, Yining and Beeferman, Doug and Roy, Deb},
    journal={In Proceedings of the 13th Language Resources and Evaluation Conference (LREC)},
    year={2022}
}