Bertweet Tb2 Pos Tagging

🚀 推特詞性標註基線模型

本項目提供了一個基於Tweebank V2的命名實體識別（NER）基準測試的推特詞性標註基線模型，準確率高達95.21%。它使用Tweebank-NER訓練數據進行訓練，為推特文本的詞性標註任務提供了可靠的基礎。如果你正在尋找最先進的推特詞性標註器，可訪問指定的HuggingFace鏈接；若想了解更多關於TweebankNLP項目的詳情，可參考相關論文和GitHub頁面。

🚀 快速開始

模型說明

• 這是一個在Tweebank V2的NER基準測試（也稱為Tweebank-NER）上的基線推特詞性標註模型（準確率為95.21%），使用Tweebank-NER訓練數據進行訓練。
• 如果你正在尋找最先進的推特詞性標註器，請訪問這個HuggingFace鏈接。
• 關於TweebankNLP項目的更多詳細信息，請參考這篇論文和GitHub頁面。
• 在論文的詞性表中，該模型被稱為HuggingFace-BERTweet (TB2)。

模型使用方法

• 預處理：當你將該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。

from transformers import AutoTokenizer, AutoModelForTokenClassification

tokenizer = AutoTokenizer.from_pretrained("TweebankNLP/bertweet-tb2-pos-tagging")

model = AutoModelForTokenClassification.from_pretrained("TweebankNLP/bertweet-tb2-pos-tagging")

📄 許可證

本項目採用CC BY-NC 4.0許可證。

📚 參考文獻

如果你在研究中使用了本倉庫，請引用以下論文：

@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}
}