Bert Base Multilingual Cased Pos English

🚀 BERT-base-multilingual-cased 針對詞性標註微調模型

本項目是一個經過微調的多語言 BERT 模型，專門用於英語的詞性標註任務。該模型使用賓州樹庫（Penn TreeBank，Marcus 等人，1993 年）進行訓練，在詞性標註任務中達到了 96.69 的 F1 分數。

🚀 快速開始

✨ 主要特性

• 基於多語言 BERT 模型進行微調，適用於英語詞性標註任務。
• 使用賓州樹庫進行訓練，具有較高的 F1 分數（96.69）。

📦 安裝指南

此部分原文檔未提及具體安裝命令，故跳過。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForTokenClassification, TokenClassificationPipeline

model_name = "QCRI/bert-base-multilingual-cased-pos-english"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForTokenClassification.from_pretrained(model_name)

pipeline = TokenClassificationPipeline(model=model, tokenizer=tokenizer)
outputs = pipeline("A test example")
print(outputs)

📚 詳細文檔

此模型用於 Analyzing Encoded Concepts in Transformer Language Models 一文中所有基於詞性標註的實驗結果，該論文發表於 NAACL'22。如果您發現此模型對您的研究工作有幫助，請使用以下引用信息：

@inproceedings{sajjad-NAACL,
  title={Analyzing Encoded Concepts in Transformer Language Models},
  author={Hassan Sajjad, Nadir Durrani, Fahim Dalvi, Firoj Alam, Abdul Rafae Khan and Jia Xu},
  booktitle={North American Chapter of the Association of Computational Linguistics: Human Language Technologies (NAACL)},
  series={NAACL~'22},
  year={2022},
  address={Seattle}
}

📄 許可證

本模型使用的許可證為 CC BY-NC 3.0。